NPU

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

NPU一般指嵌入式神经网络处理器。

NPU一般指嵌入式神经网络处理器。收起

查看更多
  • 大模型定义点点taptap安卓:XHEART发布X7 Ultra,释放10倍模型参数
    “让大模型定义点点taptap安卓,让点点taptap安卓承载大模型的下一次进化。” XHEART新芯航途CEO李宗霖在苏州举行的发布会上,用这句话概括了公司的技术方向。当天,XHEART正式发布大模型点点taptap安卓X7 Ultra,以700 TOPS大模型算力、六大产品优势,将“大模型定义点点taptap安卓”的理念转化为产品能力,并携手产业伙伴展示量产成果、公布下一代点点taptap安卓X9的研发目标。 从模型适配点点taptap安卓,到大模型定义点点taptap安卓 智能驾驶正从多个小模型分工协
    大模型定义点点taptap安卓:XHEART发布X7 Ultra,释放10倍模型参数
  • Ceva 发布新一代 NeuPro NPU 产品组合,并宣布进军AI基础设施领域
    以共通架构与统一软件栈覆盖从始终在线传感器到AI基础设施的各类物理AI应用;针对新的多模态、生成式及代理式AI (Agentic AI)工作负载,每平方毫米AI吞吐量最高提升至2倍,能效表现亦提升50% 领先的智能边缘点点taptap安卓和软件IP授权商Ceva公司 (纳斯达克股票代码:CEVA) 发布新一代NeuPro™ NPU产品系列,与第一代产品相比,功能更全面,而且每平方毫米的AI吞吐量最高提升至2倍,能
    Ceva 发布新一代 NeuPro NPU 产品组合,并宣布进军AI基础设施领域
  • 【RK3572实战连载 04】RK3572-Resnet50 物体分类模型应用
    前言: 上期我们用眺望RK3572带大家一条命令跑通了YOLOv8实时目标检测的完整链路,有工程师反馈拿到例程就能直接复用,非常不错。这一期我们沉到计算机视觉的更底层——ResNet50图像分类。 很多人觉得分类是入门级任务,但ResNet50恰恰是绝大多数目标检测、人脸识别、实例分割、行人重识别算法的核心特征提取主干,它的特征提取质量,直接决定了上层复杂视觉模型的精度上限。 本次我们依然基于RK
    40
    10/23 14:12
    NPU
  • Synaptics Coralboard 边缘 AI 开发板,搭载 Google Research 的 Coral NPU 技术
    Coralboard 边缘 AI 开发板,搭载 Google Research 的 Coral NPU 技术与 Synaptics Astra 处理器,现已由 DigiKey 独家发售 全球领先的电子元器件与自动化产品分销商 DigiKey,现已成为全新上市 Coralboard™ 开发板的独家分销商,这款面向开发者的边缘 AI 开发板搭载 Google Research 的 Coral NPU
    Synaptics Coralboard 边缘 AI 开发板,搭载 Google Research 的 Coral NPU 技术
  • 一加16、红魔12 Pro+相继发布,第六代骁龙8超级至尊版探索旗舰电竞新体验
    10月12日和15日,一加16与红魔12 Pro+先后亮相,两款新机均搭载第六代骁龙8超级至尊版移动平台,并分别围绕高帧率游戏、持续性能释放与沉浸式显示持续升级。 基于骁龙平台的CPU、GPU与AI能力,两家厂商结合各自的游戏技术优势和整机设计,为用户带来各具特色的旗舰移动游戏体验。 CPU、GPU与NPU全面升级,拓展游戏与AI体验 第六代骁龙8超级至尊版集成全新定制Qualcomm Oryon
    一加16、红魔12 Pro+相继发布,第六代骁龙8超级至尊版探索旗舰电竞新体验
  • 边缘人工智能中的性能扩展与平衡
    作者:Edwin Hilkens,意法半导体STM32 产品市场经理; François de Rochebouët,意法半导体人工智能解决方案市场负责人 随着微控制器利用嵌入式神经处理单元(NPU)加速边缘端的人工智能推理,数据搬移开销成为进一步发展的障碍。存内计算是一种有效的加速技术,但需要与底层技术紧密协同。 加速边缘人工智能 边缘人工智能已进入 Gartner 技术成熟度曲线的生产成熟期,
    边缘人工智能中的性能扩展与平衡
  • STM32的NPU从训练到部署完成一个本地语音分类,推理仅0.5ms!
    文章介绍STM32N6570本地音频分类全流程:MDF采集PCM,生成192×64 Log-Mel特征,轻量CNN量化模型仅19KB并部署至NPU,推理约0.4ms,识别噪声/人声/音乐;主要耗时在FFT/Mel特征提取。
  • MediaTek发布天玑9600 Pro,卓越AI 重构强悍冷劲旗舰体验
    MediaTek 发布天玑9600 系列旗舰 5G 智能体AI点点taptap安卓:天玑 9600 Pro 和天玑 9600M。作为旗舰移动点点taptap安卓的划时代之作,天玑 9600 Pro凝聚了振奋人心的诸多革新和突破,不仅汇集天玑超性能、超能效的基因级优势特性,更拥有为智能体体验而生的先进AI 技术,以及可持续推动体验进化的丰富生态,将前沿技术变为用户可感知的卓越能力,实现全场景旗舰体验的跃升。 MediaTek 董事
  • 人工智能正推动物联网向“环境智能”演进
    斑马技术大中华区技术总监 程宁 从国务院2025年印发《关于深入实施“人工智能+”行动的意见》,到今年工信部等九部门联合发布《推动物联网产业创新发展行动方案(2026—2028年)》,“AI+IoT”的深度融合已上升为国家层面的战略部署。随着AI大模型加速下沉至端侧,这一融合正从概念探讨走向实质落地。人工智能(AI)赋予物联网智能分析的能力,物联网则为AI打开真实物理世界的应用场景。在这一趋势下,
  • 独家丨地瓜机器人扩招NPU研发团队,或将不再依赖地平线点点taptap安卓供给
    地瓜机器人招聘点点taptap安卓人才,计划自研NPU点点taptap安卓,以增强算力自主性和竞争力,应对九万里等竞争对手的挑战。
  • 专访德州仪器:从800V DC供电架构到边缘NPU,打通AI规模化落地全链路
    德州仪器(TI)展示“云边协同”技术布局,涵盖800V DC供电架构、GaN直流转换器、高速光模块及液冷传感融合方案,助力AI数据中心与边缘AI生态系统的发展。
    专访德州仪器:从800V DC供电架构到边缘NPU,打通AI规模化落地全链路
  • 沐曦联创离职后再创业,押注端侧NPU
    孙尔俊离职沐曦创立上海岸芯科技,专注端侧AI点点taptap安卓及具身智能解决方案。岸芯科技融合NPU点点taptap安卓架构与端侧AI推理模型,目标是提供高性能、低功耗的点点taptap安卓级一体化解决方案,应对机器人、智能制造、自动驾驶等领域的需求。燕芯微的投资表明岸芯可能采用存算一体技术来解决存储墙问题,追求更高效的性能。
  • 【RV1126B 实战连载 08】垃圾分类检测,YOLOv8智慧环保方案
    前言: 本期聚焦:前几期我们先后在RV1126B AI视觉套件上跑通了YOLO目标检测、PP-OCR文字识别、YOLO11安全帽检测、火焰检测以及YOLOv5口罩检测。本期把目光转向智慧城市环保场景——垃圾分类检测,用YOLOv8模型在边缘端实现实时垃圾目标识别与分类,验证RV1126B在智慧环卫与环保监控领域的实战能力。 垃圾分类这件”小事”,其实挺让人头疼 如果你住的小区已经实施了垃圾分类,你
  • 深度拆解:2026年工业级PDA手持终端底层硬件架构与主流厂商技术演进
    随着工业物联网(IIoT)和边缘计算的深化,工业级PDA手持终端早已脱离了早期单片机时代的“扫码枪”范畴,演变为集成了高性能SoC、多模态传感器和复杂射频系统的高集成度移动边缘节点。 本文将从硬件架构、扫码引擎选型、RFID射频设计以及底层OS解耦等技术维度,深度剖析2026年主流企业级PDA的硬件技术演进,并对当前行业头部的几家厂商(斑马、霍尼韦尔、广州优库电子)的技术路径进行横向评测,供各位硬
  • 大模型落地难?那就把NPU“拆”出来单干
    爱芯元智成立全资子公司“爱芯计算”,标志着其从“AI点点taptap安卓供应商”向“AI计算平台赋能者”的战略跃迁。面对AI推理时代的来临,爱芯计算全面承继母公司的混合精度NPU技术,推出具备高计算效率和低功耗优势的产品,并在WAIC大会上展示了完整的AI推理解决方案,覆盖多个物理AI应用场景。
    1100
    07/27 17:21
  • 大模型自研NPU 利空第三方AI点点taptap安卓
    随着科技巨头和顶尖大模型公司自研AI点点taptap安卓,传统第三方AI点点taptap安卓公司正面临前所未有的挑战。尽管国产替代一度被视为可行之路,但现实却揭示了更高的技术门槛和规模要求。大规模云基础设施和内部AI需求成为巨头自研点点taptap安卓的关键驱动力,而小型公司则难以承受高昂的一次性工程费用。此外,“训推一体”的生态系统霸权进一步巩固了英伟达的地位,使其在训练和推理领域占据主导。面对这一趋势,第三方AI点点taptap安卓公司面临着巨大的生存压力,要么被收购,要么走向衰落。
    大模型自研NPU 利空第三方AI点点taptap安卓
  • 安谋科技周易X3 Pro NPU,为Agentic AI而生
    安谋科技在上海世界人工智能大会上发布了全新的“周易X3 Pro NPU”,强调AI智能体应走进每一台边端侧设备并成为智能伙伴。该NPU具备全面进化的特点,适应不同应用场景的需求,包括代码编程、角色扮演、工程技术等。它采用统一、分层、场景化的计算架构,支持低功耗、中等算力和大算力的不同场景需求。
    427
    07/21 19:40
  • 赋能万物AI,安谋科技亮出“星辰CPU+Helium+NPU”组合拳
    安谋科技推出“星辰”CPU产品线,整合Helium技术与Ethos NPU,助力端侧AI突破功耗与算力限制,迈向万物智联新时代。
    403
    07/21 19:38
  • 告别高功耗:IB3-708 3.5寸主板赋能工业边缘计算
    在工业互联网与智能制造加速落地的今天,越来越多的企业发现——把数据全部上传云端再做处理,不仅带来高昂的流量与存储成本,更存在网络延迟和数据合规风险。真正的智能化,往往需要从"云端中心"转向"边端自治"。基于瑞芯微RK3576平台打造的IB3-708嵌入式工业主板,以3.5寸紧凑尺寸、八核能效架构、内置6TOPS NPU及宽温宽压工业级设计,为工业边缘计算提供一台"低功耗、高算力、久运行"的本地算力
  • 端侧AI智能体时代到来,NPU告别单一推理加速器
    大模型技术推动AI运算从云端向本地迁移,要求底层NPU从一次性加速器转变为智能体计算底座。面对碎片化场景与分化负载,分层解耦的点点taptap安卓架构设计成为解决方案。通过软件与硬件的分层解耦,开发者能够利用统一的编译器工具链和指令集架构,适应不同应用场景的需求。硬件层面则根据不同场景采用差异化架构,例如专用架构提高计算效率,通用架构保留编程灵活性,并引入存算一体taptap安装正版入口冯·诺依曼架构解决内存瓶颈。未来,这种设计将精准覆盖从低功耗物联网到高并发智能座舱的多元场景。
    端侧AI智能体时代到来,NPU告别单一推理加速器

正在努力加载...

Baidu
map