首页 > 资讯中心
热点资讯
-
折叠屏手机进入审美疲劳期，华为Pura X阔折叠屏能否打动消费者？2025-03-212025年3月20日下午，华为春季新品发布会在万众期待中拉开帷幕。中国出海半导体网小编也是守在线上全称观看。在小编看来，备受期待的还是被预热视频吊足胃口的华为新品旗舰手机，在余承东嘴里，这是一款“别人想不到的产品”；在广大网友的推测里，这或许是一款“卷轴屏”或者“伸缩屏”的手机……但是，华为Pura X的发布确实让人有些复杂的情绪。它有亮点，但也有遗憾。亮点在于它确实尝试了一些新的设计和功能；遗憾的是，这些创新似乎还不足以满足市场对“革命性突破”的期待。图：华为阔型屏Pura X，首款采用16:10的屏幕比例华为作为行业领军者之一，其一举一动都备受瞩目。随着折叠屏手机市场的不断发展，消费者对其新鲜感逐渐消退，市场开始面临“审美疲劳”的挑战。在此背景下，华为推出的Pura X阔折叠屏手机，能否凭借其独特的创新和优势，在竞争激烈的市场中脱颖而出，重新点燃消费者的热情，成为行业关注的焦点？下面，中国出海半导体网小编将尝试为您分析：一、折叠屏市场现状：增长放缓，创新承压近年来，折叠屏手机市场经历了一段高速增长期，但如今增速明显放缓。据市场研究机构DSCC数据显示，2024年全球折叠屏手机出货量... 查看更多 -
新思科技加速电子设计自动化2025-03-202025年3月，Synopsys宣布与英伟达深化合作，利用英伟达的Grace Blackwell平台和人工智能技术，将芯片设计速度提升至全新高度。这一合作在电子设计自动化（EDA）领域引起广泛关注，预示着芯片设计效率的革命性提升。在英伟达全球GTC人工智能大会上，Synopsys总裁兼首席执行官Sassine Ghazi表示，公司正在优化其下一代半导体开发解决方案，以充分利用英伟达的CUDA-X库和Grace CPU架构。这一举措旨在将计算密集型芯片设计工作流程的速度提升多达30倍。Ghazi强调，Synopsys的技术对于从硅片到系统的工程团队的生产力和能力至关重要，通过利用英伟达加速计算的性能，客户能够更快地实现突破性创新。英伟达创始人兼首席执行官黄仁勋也指出，芯片设计是人类历史上最复杂的工程挑战之一。通过英伟达的Blackwell和CUDA-X，Synopsys将仿真时间从数天缩短到数小时，推动芯片设计以支持人工智能革命。此次合作的核心在于利用英伟达的加速计算架构，包括GB200 Grace Blackwell超级芯片，以显著提升EDA工作负载的运行时间。具体而言，在电路仿真方面... 查看更多 -
SK海力士全球首发HBM4样品2025-03-20在人工智能高速发展的时代，高性能存储芯片成为驱动技术演进的关键力量。2025年3月，SK海力士宣布全球率先向客户交付HBM4样品，这一进展在半导体行业引发热烈关注，不仅巩固了其在AI存储领域的领先地位，也为人工智能计算的未来奠定更强基础。HBM4加速AI计算，提前布局市场需求作为HBM系列的第六代产品，HBM4在人工智能运算中扮演着至关重要的角色，主要用于GPU及AI加速芯片，可显著提升计算效率。此次SK海力士交付的12层HBM4样品，已送往核心客户进行资格测试，并计划于2025年下半年完成量产准备。值得关注的是，HBM4原定于2026年量产，但在市场需求激增的推动下，SK海力士加快了研发与交付进程，特别是英伟达CEO黄仁勋提出提前半年供货的要求，使得HBM4比预期更早进入市场。性能跃升，HBM4带宽突破2TB/sHBM4的技术突破尤为显著。其数据带宽超过2TB/s，相当于每秒可处理400多部全高清电影，相较于HBM3e提升超60%。这一性能跃升，使其成为当前全球最先进的AI存储解决方案之一，能够满足AI训练和推理过程中对高速数据访问的极致需求。在封装工艺上，SK海力士采用先进的大规模... 查看更多 -
英伟达：AI成本降低的关键是更快的芯片2025-03-20在人工智能高速发展的时代，算力成本与计算效率成为行业关注的焦点。英伟达CEO黄仁勋在GTC大会上的发言揭示了一个核心观点：更快的芯片是降低AI成本的最佳途径。这一判断不仅关乎硬件性能的提升，更深刻反映了芯片技术演进对AI产业经济性的影响。更快的芯片如何降低AI成本？更快的芯片能够降低AI成本，主要体现在三个方面：1. 数字切片技术，提高并发能力高性能芯片支持数字切片（Digital Slicing），可同时为数百万用户提供AI服务。传统芯片架构下，计算资源的分配较为粗放，利用率较低。而数字切片技术则能够精细划分芯片资源，实现高效并发处理。例如，在图像识别或语言翻译等大规模任务中，更快的芯片能并行处理更多请求，减少任务排队时间，提高计算吞吐量，从而摊薄单次AI调用的成本。2. 减少硬件需求，降低基础设施成本计算性能的提升意味着处理相同任务所需的芯片数量减少。AI模型的推理和训练通常需要庞大的计算集群，而更快的芯片可以在更短时间内完成相同运算量，进而减少服务器采购成本。同时，芯片数量减少也意味着机房的冷却、电力供应等基础设施投入下降，进一步优化数据中心的运营开支。3. 优化系统架构，提高计... 查看更多 -
具身智能发展报告分析（八）2025-03-20具身智能被视为通向通用人工智能的重要途径。然而，在感知与认知、学习与迁移、计算能力、多任务协同、安全保障、隐私维护以及人机互动等多个方面，仍面临诸多挑战。技术挑战感知与认知方面多模态感知融合困难：人类通过多种感官协同感知世界，而具身智能系统中的视觉、听觉、触觉等传感器数据格式和特征不同，要实现像人类一样的全模态感知融合，需要开发复杂的算法来处理和整合这些多源异构数据，以形成对环境的统一、准确理解。环境理解与语义解析不足：具身智能需要理解所处环境中的各种物体、场景和事件的语义信息，例如识别物体的功能、理解场景的用途以及预测事件的发展。目前的算法在复杂环境下对语义信息的解析能力有限，难以达到人类水平的理解深度和广度。学习与泛化方面数据获取与标注难题：具身智能系统需要大量的数据来训练模型，但真实数据的采集成本高昂，且难以涵盖所有可能的场景和情况。同时，数据标注也需要耗费大量的人力和时间，如何高效地获取和标注高质量的数据是一个关键挑战。样本不均衡问题：在实际应用中，具身智能可能会遇到某些场景或任务的数据量很少，而其他场景或任务的数据量较多，这会导致模型在训练时对少数类样本的学习不足，从而影响其... 查看更多 -
具身智能发展报告分析（七）2025-03-20具身智能除了在工业领域以及物流运输领域体现出应用前景外，在家庭服务领域也发挥着重要作用。具身智能在家庭服务领域的应用，有望彻底解放人类双手，实现全方位的智能家务管理。当前，家庭服务机器人已经从最初的扫地机器人升级为具备地面清洁、物品搬运以及基础家务处理能力的多功能设备。展望未来，具身智能的通用型机器人将具备类人化感知，能够使用传统工具，在复杂、多变的环境中自主执行任务，成为类似汽车般普及的全场景家庭助手，广泛应用于家务、康复等领域。例如，1X公司正与OpenAI紧密合作，共同研发类人机器人EVE，使其具备对人类日常工作环境的理解能力，并通过交互学习、自我修正与数据积累，逐步胜任居家和办公场景下的智能助理角色。随着具身智能技术的不断进步，家庭服务机器人正从单一的清洁工具演变为集深度清洁、基础家务及餐饮服务于一体的多功能助手，真正成为人类生活中的智能化、贴心帮手。除了基础的家政清洁服务以外，具身智能机器人还能够通过语音、表情和肢体动作与家庭成员进行自然交互，为老人和儿童提供情感支持和陪伴。例如，一些机器人可以陪老人聊天、陪孩子玩耍，缓解孤独感。日本的家庭陪伴机器人LOVOT就是主打情感陪伴... 查看更多
登录
注册
短信登录
注册
快速注册
账号登录
注册
快速注册
对比栏