你的AI芯片有自己的DNN吗？

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

为了让AI加速器在最短延迟内达到最佳精准性，特别是在自动驾驶汽车（AV）中，TFLOP(万亿次浮点运算)已经成为许多所谓大脑芯片的关键指标。然而，有专家认为这种野蛮处理方式并不可持续。在EE Times的一次独家专访中，DeepScale的首席执行官Forrest Iandola给出了其不可持续的理由，是因为AI硬件设计师所持有的许多常见的假设已经过时。

www.eet-china.com, Oct. 11, 2019 – 

为了让AI加速器在最短延迟内达到最佳精准性，特别是在自动驾驶汽车（AV）中，TFLOP(万亿次浮点运算)已经成为许多所谓大脑芯片的关键指标。这场竞赛的选手包括英伟达的Xavier、Mobileye的EyeQ5、特斯拉的全自动驾驶(FSD)电脑芯片，以及NXP-Kalray芯片。

然而，有专家认为这种野蛮处理方式并不可持续。在EE Times的一次独家专访中，DeepScale的首席执行官Forrest Iandola给出了其不可持续的理由，是因为AI硬件设计师所持有的许多常见的假设已经过时。Iandola清楚地认识到，随着AI应用日益增多，AI供应商从中积累更多的经验，这导致不同的AI任务开始需求不同的技术方法。如果事实的确如此，AI用户购买AI技术的方式将会改变，供应商也必将做出回应。

点击阅读更多

 Back