近日,华为技术有限公司将其注册的“享界”商标转让给了北京新能源汽车股份有限公司。该商标是华为于去年5月申请的,11月完成注册。华为此前还申请了多枚“享界”商标,这些商标的国际分类包括广告销售、教育娱乐、金属材料等,目前状态为“等待实质审查”。“享界”是华为与北汽联合打造的品牌,其首款车型“享界 S9”于今年4月发布,并预计将于7-8月正式上市。享界S9定位为D级车,采用Inside-Out内外合一的设计,实现了座舱空间最大化,舱内可用空间高达3460mm,目标是与奔驰S级、宝马7系、奥迪A8L等高端车型竞争。图:享界S9采用鸿蒙智驾系统华为电动汽车商业模式现状华为在电动汽车领域的商业模式主要基于以下几个方面:1. 技术供应商:华为向汽车制造商提供智能汽车零部件,如车载联网模块、AR-HUD、激光雷达等。2. HI(Huawei Inside)模式:华为提供全栈解决方案,涵盖计算与通信架构、智能座舱、智能驾驶等多个领域,并在合作车型上使用“HI”标志。3. 智选车模式:华为深入参与合作车企的产品设计、核心零部件选择、营销和服务体系等方面,并在华为的终端店面销售合作车型。4. 生态合作:华...
商汤科技联合创始人徐兵在近期于香港举行的瑞银亚洲投资会议上指出,尽管亚洲在人工智能计算能力上与美国存在显著差距,但中国本土的人工智能芯片制造商正在迅速缩小这一差距。他强调,尽管中国的人工智能领域面临来自美国的全面制裁,特别是商汤科技被列入美国投资黑名单,以及英伟达先进人工智能加速器进口受限等挑战,但中国拥有丰富的人才储备和庞大的数据资源来弥补这一不足。徐兵在接受彭博社记者戴维·英格尔斯采访时表示:“亚洲整体上在计算资源上与美国领先者相比存在10倍的差距。但我坚信,亚洲市场从不缺乏人才和数据。”他进一步指出,中国国产芯片正在快速发展,商汤科技正积极与当地半导体公司合作,以增强其计算能力。图:商汤公司(图源:路透社)徐兵没有具体透露合作公司的名称,但提到华为已成为中国芯片技术开发的领军者,成功绕过了美国的限制,自主研发出先进的智能手机处理器。对于中美在人工智能领域的差距,徐兵表示,虽然目前尚无法精确估计中国落后美国的具体年数,但中国在计算能力方面的劣势不会是永久性的。他强调:“计算是一种商品,从长远来看,计算不会成为我们之间的差距。”除了华为外,还有其他在人工智能芯片领域表现出色的中国公司...
随着人工智能处理器电力需求的增加,服务器电源需要在不超过服务器机架规定尺寸的前提下,提供越来越多的电力。这是因为GPU的能源需求激增,专家预测,到2030年底,每片芯片功耗可能达到2kw甚至更多。英飞凌公司表示,能源的需求和市场用户群体等的需求将促使SiC MOSFET的开发扩展到650V以下的电压。该公司现在正推出全新的CoolSiC MOSFET 400V系列,该系列是基于今年3月份推出的第二代(G2)CoolSiC技术的升级版。SiC MOSFET在开关时的损耗较低,这使得它们在功率转换应用中比传统的硅基MOSFET更高效。这款新的MOSFET产品组合是专为AI服务器的AC/DC阶段而开发的,与英飞凌今年5月份公布的PSU路线图相辅相成。此外,这些设备还适用于太阳能和储能系统(ESS)、逆变电机控制器、工业和辅助电源(SMPS)以及住宅建筑的固态断路器。图:英飞凌CoolSiC 400V MOSFET英飞凌公司相关负责人表示:“英飞凌提供广泛的高性能MOSFET和GaN晶体管产品组合,以满足AI服务器电源的苛刻设计和空间要求,”“我们致力于通过CoolSiC MOSFET 400...
根据Fact.MR市场调查报告预测,全球SiC和GaN功率半导体市场将以22.9%的年复合增长率从2024年的14.1亿美元增长至2034年的110.8亿美元。由于其适合高温和高频应用的特性,SiC和GaN功率半导体在汽车、可再生能源、工业和消费电子领域的到广泛的应用。在汽车领域,它们可以制造节能型电动和混合动力汽车。由于其有效的能量转换能力,工业环境中的SiC和GaN功率半导体用于可再生能源逆变器和电机驱动器。SiC器件因其具有低开关和高温稳定性,可减少电动车系统的效率并延长电池寿命。另一方面,它也可以减少电动车的体积和重量,提高整体性能。业内人士指出,消费电子小型化趋势是推动高需求的一个关键因素。SiC和GaN功率半导体市场竞争激烈,行业巨头正在采取扩张战略来增加其产品供应和市场覆盖率。比如,2023年10月,英飞凌科技公司宣布收购GaN Systems,与此同时,2023年,日本的Flosfia开始提供由氧化稼制成的电源芯片。据悉,这种芯片的能效甚至比GaN和SiC还高。图:SiC和GaN功率半导体市场年复合增长率22.9%中国公司如天科合达、天岳先进等也在积极追赶,并取得了显著...
随着人工智能(AI)技术的快速发展,对于计算能力的需求也在不断增长。为了满足这种需求,高性能的内存解决方案变得至关重要。HBM内存芯片作为其中的佼佼者,正在逐渐成为人工智能领域的新宠,为AI技术的创新和应用提供了强大的动力。HBM是一种创新的内存技术,它通过垂直堆叠多个DRAM(动态随机存取存储器)芯片,实现了极高的带宽和低延迟。这种设计使得HBM能够在保持较小体积的同时,提供比传统内存更高的数据传输速率和更大的容量。因此,HBM在需要高性能计算的应用中,如人工智能、深度学习、高性能计算等领域,展现出了巨大的优势。解决“内存墙”问题在人工智能应用中,随着模型复杂度的增加,对内存带宽和容量的需求也在不断增加。传统的内存技术往往无法满足这种需求,导致出现了所谓的“内存墙”问题。而HBM通过其高带宽和低延迟的特性,能够有效地解决这一问题,提高AI算法的性能和效率。图:海力士HBM内存芯片优化系统性能HBM不仅提供了更高的内存带宽和容量,还通过优化电源传输架构和散热设计,使得整个系统的性能得到了进一步的提升。这种优化使得AI服务器能够处理更复杂的任务,提高了系统的整体性能和稳定性。推动AI技术...
生成式人工智能是指能够创建新内容的人工智能系统,这些内容可以是文本、图像、音频或视频等。这类AI系统通过学习大量数据,理解数据中的模式和结构,并能够生成新的、以前未见过的数据实例。通过深度学习技术,生成式AI能够模仿并超越原始数据分布,在教育、娱乐、媒体、设计等多个行业产生深远影响。大模型技术的发展与算力提升为生成式AI提供了强大支撑,丰富的训练数据资源也推动生成式AI快速发展。虽然现有的边缘 AI 加速器都不适合变压器,但半导体行业正在努力弥补这一缺陷。苛刻的计算要求从三个不同的层面得到解决:创新架构、硅片向较低技术节点的扩展以及多芯片堆叠。然而,数字逻辑的进步并没有解决内存瓶颈问题。相反,它们导致了所谓的“内存墙”这一不良影响。记忆墙是一个比喻,用来描述当处理器速度提升而内存访问速度跟不上时,系统性能受限的情况。随着处理器技术的发展,CPU的速度越来越快,但内存技术的进步速度却没有跟上,导致内存成为了性能瓶颈。这就像一堵墙,阻碍了数据流的快速传输。图:生成式人工智能与记忆墙:IC 行业的警钟多年来,内存壁垒一直困扰着半导体行业,而且随着每一代处理器的推出,这一问题都愈发严重。为了应...