突破存儲器墙成AI运算课题 SRAM扮演自驾SoC低延迟推论要角
DIGITIMES观察,当AI应用由训练转向推论,存儲器墙成为AI运算核心课题,高帶寬、大容量及强散热成为支撑AI高效运算铁三角。随著自动驾驶系统的泛化能力因AI模型导入得到提升...
- AI推论的存儲器墙困境与解方
- 半导体元件微缩瓶颈与NVIDIA历代GPU效能
- 2.5D封装结构与效益
- 基于HBM、SRAM于AI运算效益及代表案例列举
- PIM、PNM运算架构差异
- 车用SoC存儲器规格升级
- Waymo导入Google、DeepMind模型实例
- Waymo自研ASIC设计目标及产品规格
- Waymo carTPU架构组成及规格参数
- 自驾SoC芯片架构及存儲器规格
- Tesla FSD芯片架构及硬件平臺规格对照表
- NVIDIA Drive芯片架构及硬件平臺规格对照表
- 高通Snapdragon Ride芯片架构及硬件平臺规格对照表
- 结语
- AI推论困境及自驾SoC存儲器升级路径
若想立刻加入付费"Research"会员,请洽询
客服专线:
+886-02-87125398。(周一至周五工作日9:00~18:00)
客服信箱:
member@digitimes.com (一个工作日内将回复您的来信)
- 追溯至2000年,洞察产业脉动
- 优质报告,助攻精准决策
- 八大主题,23产业频道涵盖
- 七大全球数据库,掌握市场趋势