润百AI

标签：AI芯片

共 16 篇

2026年8月26日0 条留言

AI推理芯片：算力竞赛的下半场

过去两年，AI算力的焦点几乎都集中在"训练"上——千卡万卡集群、超大规模预训练，每一轮模型参数量的跃升都伴随着训练集群的扩张。但随着大模型进入规模化应用阶段，一个更现实的瓶颈正在浮出水面：推理算力。推理是模型上线后每一次问答、每一次生成所消耗的算力。与训练相比，推理有截然不同的特点：训练是集中式的、可以提前规划的大工程；推理则是分布式的、持续发生的"日常开销"。当一款AI应用拥有大规模用户时，推理

技术资讯 AI芯片算力大模型

2026年7月9日0 条留言

AI自动驾驶技术：从L2到L4的演进之路

自动驾驶技术正在经历从辅助驾驶向高度自动驾驶的跨越式发展。从最初的L2级自适应巡航，到如今L4级无人驾驶出租车在多个城市的商业化运营，AI技术是推动这一变革的核心引擎。感知系统是自动驾驶的基础。当前主流方案采用"摄像头+激光雷达+毫米波雷达"的多传感器融合架构。基于深度学习的视觉识别系统能够在毫秒级完成对行人、车辆、交通标志的检测与分类。特斯拉的纯视觉方案和Waymo的激光雷达方案代表了两种不同的

技术资讯自动驾驶 AI芯片智能交通

2026年7月8日0 条留言

边缘AI：从云端走向终端的智能计算变革

随着物联网设备的爆发式增长和实时性需求的日益提高，将AI计算完全放在云端已无法满足所有场景的需求。边缘AI——即在靠近数据源头的终端设备上直接运行AI推理——正在成为AI落地的新范式。边缘AI的核心驱动力来自三个方面：延迟、隐私和带宽。在自动驾驶场景中，车辆对障碍物的识别需要在毫秒级完成，任何网络延迟都可能导致事故。在医疗领域，患者影像数据的隐私保护要求数据不出医院内网。在工业场景中，海量传感器数

技术资讯边缘计算 AI芯片 IoT

2026年7月6日0 条留言

边缘AI芯片：让智能计算走向终端设备

在AI应用日益普及的今天，一个不可忽视的趋势正在发生：AI计算正在从云端走向终端设备。边缘AI芯片——专门为在设备端运行AI推理任务而设计的处理器——正在成为推动这一变革的核心力量。云计算固然强大，但在许多场景中它并非最优选择。实时性要求高的应用（如自动驾驶、工业机器人的即时决策）无法容忍将数据上传到云端再等待回传的延迟；隐私敏感的应用（如医疗影像分析、人脸识别）不希望将原始数据传输到外部服务器；

技术观点 AI芯片边缘计算硬件

2026年7月1日0 条留言

边缘AI：在设备端运行大模型的挑战与突破

当大语言模型开始在云端展现出惊人的能力时，一个新的问题随之浮现：能否将这些强大的AI能力"搬"到手机、物联网设备、汽车等边缘终端上运行？这就是边缘AI——在设备端而非云端运行AI模型——正面临的核心课题。边缘AI的驱动力来自多个方面。首先是隐私保护：用户数据不需要上传到云端处理，敏感信息在本地完成计算，这从根本上解决了数据外泄的风险。其次是实时性：自动驾驶、工业质检等场景要求毫秒级响应，网络延迟是

技术测评边缘AI 端侧模型模型压缩

2026年6月24日0 条留言

AI芯片竞争进入新阶段：从训练到推理的算力革命

AI芯片是人工智能产业的基础设施，其性能直接决定了AI应用的上限。2024年以来，全球AI芯片竞争格局发生了显著变化，从"训练算力军备竞赛"逐步转向"推理效率优化"的新阶段。在训练芯片领域，NVIDIA依然保持着绝对领先地位。H100和B200 GPU凭借CUDA生态和NVLink互连技术，成为大模型训练的首选硬件。但竞争格局正在多元化：AMD的MI300X在性价比上展现出竞争力，而Google的

技术资讯 AI芯片算力 GPU

2026年6月12日0 条留言

2026年AI芯片竞争白热化：从训练到推理的算力革命

2026年，全球AI芯片产业正经历一场前所未有的激烈竞争。从云端训练芯片到终端推理芯片，从通用GPU到专用AI加速器，算力的军备竞赛正在重新定义半导体行业的格局。在云端训练市场，英伟达依然保持着主导地位，但其垄断地位正受到多方挑战。Blackwell架构的B200 GPU在AI训练性能上较上一代提升4倍，单卡即可支持万亿参数级模型的训练，功耗却仅增加25%。然而，AMD的MI400系列和英特尔的F

技术资讯 AI芯片算力 GPU

2026年6月10日0 条留言

边缘AI的崛起：当人工智能从云端走向终端设备

2026年，边缘AI正经历从概念验证到规模化部署的关键转折。当大模型推理需求从云端向终端设备迁移，AI的计算范式正在发生根本性变革。边缘AI，即在智能手机、IoT设备、汽车和工业传感器等终端设备上直接运行AI推理任务的技术，正在成为行业新焦点。高通、联发科和苹果等芯片厂商在2026年全面推出了集成专用NPU的移动端SoC，端侧算力已达到每秒数十万亿次操作（TOPS）级别。这意味着以往依赖云端推理的

技术教程边缘计算 AI芯片

2026年6月9日0 条留言

AI芯片新格局：从训练到推理的架构变革

2026年，AI芯片市场正经历一场从"训练优先"到"推理为王"的深刻架构变革。随着大模型从实验室走向规模化部署，推理计算的需求正在以指数级增长，推动芯片设计范式发生根本性转变。过去五年，AI芯片的竞争焦点几乎完全集中在训练性能上。NVIDIA凭借CUDA生态和Hopper/Blackwell架构占据训练市场绝对主导地位，单卡算力从2022年的312 TFLOPS提升至2026年的超过2000 TF

技术 AI芯片推理加速大模型

2026年6月7日0 条留言

AI在自动驾驶领域的2026：从L3到L4的量产突破

2026年，自动驾驶技术正经历从L3有条件自动化向L4高度自动化的关键跨越。全球主要汽车制造商和科技公司纷纷加速量产部署，自动驾驶的商用落地正在从示范运营走向规模化应用。在技术层面，端到端大模型成为自动驾驶系统架构的主流选择。与传统感知-预测-规划的分模块架构不同，端到端模型将传感器数据直接映射为驾驶指令，大幅减少了信息传递中的损耗与延迟。特斯拉FSD V13、华为ADS 3.0和小鹏XNGP等系

技术资讯自动驾驶 AI芯片智能交通

共 16 篇