近日,华邦宣布Kneron最新的KL720系统单芯片(SoC)将搭载华邦的1Gb LPDDR3 DRAM KGD,为人工智能和机器学习技术开启更多应用可能性。
随着5G商用化进程的进一步推进,人工智能、自动驾驶与智能物流等行业进入上升期,这也对现有存储产品与方案提出了新的要求。就此,全球半导体存储解决方案领导厂商华邦电子今日在线上与媒体分享了公司三大创新型存储解决方案及相关应用。
近年来,人工智能与物联网的整合,大幅度推升AIoT技术的进程,尤其视讯监控与多样化的智能家庭使用范例产生了众多的新型态的智能型应用。以新一代家居安防监控摄像头为例,它采用计算机型态的架构,并配备充足的高速DRAM内存以存储容纳复杂的推论引擎及其他应用程序代码。但区别于平板计算机、智能手机或其他通用型计算机,制造商发现专用的低容量或中容量LPDRAM更符合家居安防摄像头对节能、续航及可靠性的更高要求。
(NetGear Arlo,早期的AI型家居安防摄像头之一出处:Scott Lewis,根据创作共享授权)
为了进一步简化家居智能安防监控系统制造商的系统整合,华邦与ISP芯片组制造商合作,为多智能监控摄像头的参考设计板提供支持。近日,华邦宣布了Kneron最新的KL720系统单芯片(SoC)将搭载华邦的1Gb LPDDR3 KGD,为人工智能和机器学习技术开启更多应用可能性。“华邦的1Gb LPDDR3是高带宽和低耗电的最佳组合,可以满足KL720在最新高需求边缘计算AI上的应用。”Kneron创始人兼CEO刘峻诚表示。
除了家居安防摄像头,自动驾驶也是近年来人工智能和机器学习的热门应用之一。作为全球首款采用x8串口的NAND Flash,华邦OctalNAND Flash产品有望以比同级NOR更优的价格提供车用电子与工业制造商高容量的存储内存产品。鉴于NOR Flash在512Mb以上的存储容量成本扩充效益不佳,华邦OctalNAND Flash可部分兼容于Octal NOR Flash,以简化在现有设计中更换NOR Flash装置的过程。
华邦电子OctalNAND Flash
W35N-JW OctalNAND Flash采用华邦通过验证的46nm SLC NAND制程,数据保存期更可达10年以上。这款产品写入/抹除次数可达10万次以上,满足关键任务型车用与工业应用所需的高耐用性与高可靠性。“车用与工业市场的客户现在只需支付远低于Octal NOR Flash的费用,便能在1Gb至4Gb容量装置上获得每秒240MB读写效能。”华邦闪存产品企划经理黄信伟表示。
人工智能、自动驾驶等前沿技术的发展,都离不开物联网技术的普及。在物联网价值链与生态系统之下,网络安全认证对产品、服务及制程的信任度和安全性都起着重要的作用。要从根本上解决各种物联网环境的安全问题,就必需在产品设计阶段开始着手,注重设计的安全。经过认证,华邦的W77Q安全闪存是与标准型闪存装置兼容的即插即用型产品,支持安全启动,提供硬件信任根(root-of-trust)以及优秀的恢复能力、加密数据存储能力和传输的能力。
华邦电子TrustME安全闪存
“身处安全意识日益提升的世界里,为可信赖启动与固件更新打造的稳健解决方案,是物联网安全发展不可或缺的。”华邦安全解决方案行销处处长陈宏玮先生指出。W77Q系列安全闪存可应用于消费性与工业物联网装置,而这些装置必须符合《欧盟网络安全法》制定的Substantial与Basic认证级别所需的安全功能。W77Q符合共同安全准则的EAL2认证等级、SESIP认证,以及ARM平台安全架构(PSA)规范。
作为市场上独具研发、制造、营销能力的内存整合组件制造商,未来,华邦将积极研发更多高质量以及更具竞争力的存储解决方案,满足愈来愈多样化的市场需求与应用需要。
好文章,需要你的鼓励
本文探讨了达成人工通用智能(AGI)七大路线中的线性进阶路径,预测了从2025年至2040年 AI 技术与社会效应的关键年度节点。
这项研究介绍了一种新型多模态扩散模型,能够同时生成量子电路的离散结构和连续参数。由因斯布鲁克大学和NVIDIA公司研究人员开发,该模型利用两个独立但协同工作的扩散过程处理门类型选择和参数预测,克服了传统量子电路编译方法的效率瓶颈。研究证明了该模型在不同量子比特数量、电路深度和参数化门比例下的有效性,并通过快速电路生成创建了数据集,从中提取出有价值的结构见解,为量子电路合成提供了新方向。
SenseFlow是香港科技大学等机构联合开发的文本到图像蒸馏技术,解决了大型流匹配模型蒸馏的三大难题。研究团队提出隐式分布对齐(IDA)稳定训练过程,段内引导(ISG)优化时间步重要性分配,并设计基于视觉基础模型的判别器提升生成质量。实验表明,SenseFlow能将SD 3.5和FLUX等12B参数级模型成功蒸馏为仅需4步生成的高效版本,同时保持甚至超越原模型在多项指标上的表现,代表了AI图像生成效率提升的重要突破。
MASKSEARCH是阿里巴巴集团同义实验室开发的新型预训练框架,通过创新的"检索增强掩码预测"任务,训练大型语言模型像人类一样主动使用搜索工具获取信息。这项框架包含两个阶段:首先在掩码预测任务上预训练,然后在下游任务上微调,大幅提升模型在开放域问答中的表现。研究采用监督微调和强化学习两种方法,结合多代理系统和课程学习策略,使AI能够自主分解问题、使用搜索工具并基于搜索结果进行推理。