上接:2025年人形机器人产业爆发:5大趋势与3大赢家预测(上)四、科技企业与新兴势力(一)华为1. 技术赋能与生态构建华为在AI大模型、算力支持和智能控制方面拥有强大的技术实力。华为的盘古大模型在语言理解、图像识别等方面表现出色,为人形机器人提供了先进的智能算法支持。同时,华为在芯片、通信等领域的技术优势,能够为人形机器人提供强大的算力和稳定的数据传输保障。华为通过与多家企业签署合作备忘录,共同开展人形机器人技术的研发和应用,构建了一个以华为为核心的产业生态。2. 合作与创新华为注重与产业链上下游企业的合作与创新,通过联合研发、技术共享等方式,推动人形机器人产业的发展。例如,与机器人本体制造商合作,将华为的智能技术嵌入到机器人产品中;与应用开发商合作,拓展人形机器人在不同场景的应用。这种合作模式不仅加速了技术的落地和应用,也促进了产业生态的完善。(二)OpenAI等AI企业1. 智能算法与人形机器人的融合OpenAI等AI企业在智能算法研发方面处于世界领先水平。其开发的GPT系列模型在自然语言处理领域取得了重大突破,为人形机器人的智能化交互提供了强大的支持。通过将智能算法与人形机器人...
2025年人形机器人产业正悄然崛起,传统车企、家电企业、高科技公司等都纷纷扎入其中。随着人工智能、精密机械和智能制造技术的飞速发展,人形机器人正从科幻走向现实,逐渐融入我们的生活和工作。人形机器人不仅代表着科技的前沿,更预示着未来社会的深刻变革。它们将如何改变我们的生活方式、工作模式乃至社会结构?中国出海半导体网将尝试深入探讨人形机器人产业的现状、知名企业布局、技术突破、市场前景以及未来发展趋势,为您呈现这一新兴产业的全景图。一、人形机器人产业爆发的背景与驱动因素(一)技术突破1. AI技术的飞跃AI技术的飞速发展为人形机器人提供了强大的“大脑”。多模态大模型能够处理和理解多种类型的数据,使人形机器人具备了自然语言处理、图像识别、环境感知等能力。例如,OpenAI的GPT系列模型不断升级,其在语言理解和生成方面的表现令人惊艳,为人形机器人的智能化交互奠定了基础。同时,深度学习和强化学习技术的进步,使人形机器人能够通过不断的学习和训练,优化自身的行为和决策,适应复杂多变的环境。2. 传感器技术的革新传感器技术的突破为人形机器人打造了灵敏的“感官”。高精度的视觉传感器、触觉传感器、力觉传感...
在半导体行业蓬勃发展的当下,小芯片(Chiplets)技术成为了备受瞩目的焦点。这项技术通过将原本完整的片上系统(SoC)芯片拆分为多个小芯片模块,为提高芯片性能、优化电源效率带来了新的可能,汽车行业等也对其寄予厚望,试图借此为消费者提供更多样化的选择。然而,如同任何新兴技术一样,小芯片在发展过程中也面临着诸多挑战,其中电源问题尤为突出。一篇来自SemiEngineering的文章探讨了小芯片技术所引发的一系列电源难题,SemiEngineering,是一家专注于半导体工程领域的专业网站,为半导体行业的工程师、技术人员、企业管理者等提供前沿技术资讯、深度分析报道、行业趋势解读等内容。下面中国出海半导体网的小编将对原文进行简要介绍:在芯片制造领域,小芯片(Chiplets)正逐渐兴起。它把原来一整块的片上系统(SoC)芯片拆分成多个小芯片模块,这样做有不少好处,比如能提高性能、提升电源效率,汽车行业也想用它给消费者提供更多选择。但与此同时,小芯片也带来了一系列新的电源难题,让芯片设计变得更加复杂。以前在设计单个 SoC 芯片时,虽然也有电源方面的考量,但各个部分都在一块芯片上,问题相对好...
随着电子技术的飞速发展,SoC 的设计面临着前所未有的挑战,而 AI 技术的融入为其带来了新的曙光。在EDN网站上,有一篇How AI is changing the game for high - performance SoC designs文章深入剖析了人工智能在高性能片上系统(SoC)设计领域引发的变革。该网站聚焦于集成电路设计领域,专注为 IC 设计师提供专业的知识分享与行业洞察,在半导体和集成电路设计等领域具备较高的专业性和权威性。以下是文章的核心内容拆解:如今,SoC 的规模、复杂性和定制性呈指数级增长。从应用场景来看,汽车自动驾驶系统需要实时处理大量传感器数据,对低延迟和高可靠性有着严苛要求;物联网设备则需兼顾低功耗与高效数据处理,以满足长时间运行和海量数据交互的需求;消费电子产品为追求更流畅的用户体验,也对芯片性能提出了更高标准。这些特定的应用需求,使得现成的通用芯片难以满足,定制 SoC 成为必然趋势。定制 SoC 能够将多种功能集成在单个芯片上,不仅降低了系统复杂性、功耗和成本,还能借助先进的制程工艺实现更高的性能,在小型化和集成度方面具有显著优势,如可穿戴设备和...
今天的内行看门道给大家分享的是Lines Blurring Between Supercomputing And HPC。该文章来自semiengineering,semiengineering专注于半导体工程及相关科技领域的报道与分析,为行业内人士和科技爱好者提供专业且前沿的资讯。这篇文章深入探讨了超级计算和高性能计算(HPC)之间界限日益模糊的现象。下面是该篇文章的核心观点:在当下,AI 的蓬勃发展和计算组件的解耦正深刻地改变着前沿计算领域。超级计算机和高性能计算机以往在服务市场上差异显著,超级计算机多用于科学和学术计算,性能以百亿亿次浮点运算衡量;HPC 则侧重于传统应用,依赖高带宽内存、快速处理器通信和每秒大量的浮点运算。然而,随着 AI 训练和推理成为计算领域的焦点,二者的架构逐渐趋同。AI 对这两种计算模式产生了深远影响。一方面,CPU 和 GPU 在异构环境中的融合不断演进,GPU 从游戏、挖矿领域走向 AI 计算核心,其出色的扩展性成为提升计算性能的关键。例如,谷歌在其数据中心,为训练图像识别和自然语言处理等 AI 模型,采用了 CPU 和 GPU 相结合的方式,精心配...
今天要和大家分享的这篇文章,来自专业的半导体行业资讯平台。文章作者是有着丰富经验的技术编辑,长期扎根于半导体领域,凭借深厚的专业知识和丰富的行业经验,持续追踪行业前沿动态。凭借敏锐的洞察力和精准的分析能力,团队在半导体制造技术、市场趋势等方面见解独到,为行业发展提供了诸多极具价值的观点与建议。文章围绕极紫外光刻(EUV)技术在半导体制造领域的发展现状、面临的挑战以及未来趋势展开深度剖析,对整个半导体行业而言,极具参考价值。以下是文章核心内容介绍:当下,人工智能的飞速发展引发了 AI 芯片需求的指数级增长。这种增长态势促使先进制程芯片的需求也水涨船高,而这些先进芯片的制造,高度依赖 EUV 光刻技术。目前,全球仅台积电、三星、英特尔、SK 海力士和镁光这五家半导体制造商实现了 EUV 的大规模生产。尽管日本的 Rapidus 已安装 ASML 的 EUV 扫描仪,计划于 2027 年开启大规模生产,但短期内仍难以缓解供需紧张的局面。据预测,未来 5 - 7 年 AI 芯片市场规模至少增长 10 倍,像台积电 2nm 工艺订单已排到 2026 年,EUV 产能不足的问题愈发凸显,ASML ...