韓國(guó)政府組建團(tuán)隊(duì)，研發(fā)神經(jīng)網(wǎng)絡(luò)處理器（NPU）芯片
據(jù)韓聯(lián)社6月26日?qǐng)?bào)道，韓國(guó)政府將與人工智能芯片和云計(jì)算企業(yè)聯(lián)合，組成一個(gè)團(tuán)隊(duì)，開(kāi)發(fā)高運(yùn)算能力和低能耗的神經(jīng)網(wǎng)絡(luò)處理器（npu）推理芯片。這是為了避開(kāi)nvidia的長(zhǎng)期gpu進(jìn)行競(jìng)爭(zhēng)。該項(xiàng)目為延長(zhǎng)韓國(guó)在半導(dǎo)體領(lǐng)域的地位而努力，并為到2030年取得顯著的成果而努力。
科學(xué)技術(shù)信息通訊部長(zhǎng)官李宗昊26日主持第三次人工智能半導(dǎo)體戰(zhàn)略對(duì)話(huà)，公布了“k-云計(jì)算”（韓國(guó)云計(jì)算）項(xiàng)目第一期的出臺(tái)。三星電子、sk海力士等大企業(yè)和國(guó)內(nèi)ai半導(dǎo)體創(chuàng)業(yè)企業(yè)、云計(jì)算領(lǐng)域的企業(yè)參加了當(dāng)天的活動(dòng)。
據(jù)介紹，韓國(guó)npu芯片研發(fā)第一期項(xiàng)目將投資1000億韓元，到2025年完成神經(jīng)網(wǎng)絡(luò)處理器驗(yàn)證。第二步，到2028年研制出低功耗pim芯片。第三期的目標(biāo)是到2030年為止研究開(kāi)發(fā)超低電力低電力存儲(chǔ)器芯片。該項(xiàng)目的最終目標(biāo)是到2030年將ai芯片技術(shù)提升到世界第一。
聲明：本文內(nèi)容及配圖由入駐作者撰寫(xiě)或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀(guān)點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問(wèn)題，請(qǐng)聯(lián)系本站處理。
舉報(bào)投訴
-
芯片
+關(guān)注
關(guān)注
459文章
52323瀏覽量
438238 -
云計(jì)算
+關(guān)注
關(guān)注
39文章
7972瀏覽量
139579 -
人工智能
+關(guān)注
關(guān)注
1805文章
48863瀏覽量
247649
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
熱點(diǎn)推薦
【「芯片通識(shí)課：一本書(shū)讀懂芯片技術(shù)」閱讀體驗(yàn)】從deepseek看今天芯片發(fā)展
的：
神經(jīng)網(wǎng)絡(luò)處理器（NPU）是一種模仿人腦神經(jīng)網(wǎng)絡(luò)的電路系統(tǒng)，是實(shí)現(xiàn)人工智能中神經(jīng)網(wǎng)絡(luò)計(jì)算的專(zhuān)用處理器
發(fā)表于 04-02 17:25
NPU與傳統(tǒng)處理器的區(qū)別是什么
隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)成為了推動(dòng)這一進(jìn)步的核心動(dòng)力。深度學(xué)習(xí)模型，尤其是神經(jīng)網(wǎng)絡(luò)，需要大量的并行計(jì)算能力來(lái)訓(xùn)練和推理。為了滿(mǎn)足這一需求，NPU（神經(jīng)處理單元）應(yīng)運(yùn)而生，與
NPU在邊緣計(jì)算中的優(yōu)勢(shì)
隨著物聯(lián)網(wǎng)(IoT)和5G技術(shù)的發(fā)展，邊緣計(jì)算作為一種新興的計(jì)算模式，正在逐漸成為處理和分析數(shù)據(jù)的重要手段。 NPU的定義與功能 NPU是一種專(zhuān)門(mén)為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)運(yùn)算設(shè)計(jì)的
什么是NPU芯片及其功能
在人工智能（AI）技術(shù)迅猛發(fā)展的今天，NPU芯片已經(jīng)成為推動(dòng)這一領(lǐng)域進(jìn)步的關(guān)鍵技術(shù)之一。NPU芯片，即神經(jīng)網(wǎng)絡(luò)
NPU和GPU有什么區(qū)別
NPU（Neural Processing Unit，神經(jīng)網(wǎng)絡(luò)處理器） 是一種專(zhuān)門(mén)設(shè)計(jì)用于加速神經(jīng)網(wǎng)絡(luò)運(yùn)算的硬件加速器。它的核心理念是模擬人
什么是神經(jīng)網(wǎng)絡(luò)加速器？它有哪些特點(diǎn)？
神經(jīng)網(wǎng)絡(luò)加速器是一種專(zhuān)門(mén)設(shè)計(jì)用于提高神經(jīng)網(wǎng)絡(luò)計(jì)算效率的硬件設(shè)備。隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展和廣泛應(yīng)用，神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和計(jì)算量急劇增加，對(duì)計(jì)算性能的要求也越來(lái)越高。傳統(tǒng)的通用
rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)
RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理
遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎
。 遞歸神經(jīng)網(wǎng)絡(luò)的概念 遞歸神經(jīng)網(wǎng)絡(luò)是一種具有短期記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，如時(shí)間序列、文本、語(yǔ)音等。與傳統(tǒng)的前饋神經(jīng)網(wǎng)絡(luò)不同
循環(huán)神經(jīng)網(wǎng)絡(luò)處理什么數(shù)據(jù)
循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱(chēng)RNN）是一種具有記憶功能的神經(jīng)網(wǎng)絡(luò)，它能夠處理序列數(shù)據(jù)，即數(shù)據(jù)具有時(shí)間或空間上的連續(xù)性。RNN在自然語(yǔ)言處理、語(yǔ)音
循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別
結(jié)構(gòu)。它們?cè)?b class='flag-5'>處理不同類(lèi)型的數(shù)據(jù)和解決不同問(wèn)題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的
人工智能神經(jīng)網(wǎng)絡(luò)芯片的介紹
人工智能神經(jīng)網(wǎng)絡(luò)芯片是一類(lèi)專(zhuān)門(mén)為深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)的處理器。它們具有高性能、低功耗、可擴(kuò)展等特點(diǎn)，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理
神經(jīng)網(wǎng)絡(luò)芯片與傳統(tǒng)芯片的區(qū)別和聯(lián)系
引言 隨著人工智能技術(shù)的快速發(fā)展，深度學(xué)習(xí)算法在圖像識(shí)別、自然語(yǔ)言處理、語(yǔ)音識(shí)別等領(lǐng)域取得了顯著的成果。然而，深度學(xué)習(xí)算法對(duì)計(jì)算資源的需求非常高，傳統(tǒng)的計(jì)算芯片已經(jīng)無(wú)法滿(mǎn)足其需求。因此，神經(jīng)網(wǎng)絡(luò)
神經(jīng)網(wǎng)絡(luò)芯片和普通芯片區(qū)別
處理神經(jīng)網(wǎng)絡(luò)算法的芯片。它通過(guò)模擬人腦神經(jīng)元的工作方式，實(shí)現(xiàn)了對(duì)大量數(shù)據(jù)的并行處理和快速學(xué)習(xí)。 普通芯片
反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別
神經(jīng)網(wǎng)絡(luò)在許多領(lǐng)域都有廣泛的應(yīng)用，如語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理等。然而，BP神經(jīng)網(wǎng)絡(luò)也存在一些問(wèn)題，如容易陷入局部最優(yōu)解、訓(xùn)練時(shí)間長(zhǎng)、對(duì)初始權(quán)重敏感等。為了解決這些問(wèn)題，研究者們提出了一些改進(jìn)的BP
卷積神經(jīng)網(wǎng)絡(luò)的原理是什么
卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱(chēng)CNN）是一種深度學(xué)習(xí)模型，廣泛應(yīng)用于圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域。本文將詳細(xì)介紹卷積神經(jīng)網(wǎng)絡(luò)的原理，包括其
工商網(wǎng)監(jiān)
評(píng)論