本文基于此解释了卷积神经网络(CNN)及其对人工智能和机器学习的意义。
本文探索FPGA在推动网络边缘AI创新方面的重要作用。
嵌入式视觉人工智能应用通过在边缘实现高度复杂的实时视频流处理和决策，正在为各行各业带来变革。
随着大型语言模型（LLM）和生成式AI的激增，行业正在努力解决这些基于云的AI应用处理大数据以及训练和部署高级AI模型所需的密集计算能力。
当 CNBC 的Jim Cramer询问AMD首席执行官苏姿丰谈与人工智能巨头Nvidia 的竞争，她表示，炙手可热的半导体行业有足够的空间容纳多家大型企业。
本文将探讨神经形态计算的发展历程、关键器件及其测试参数，并讨论当前面临的挑战和解决方案。
FPGA技术能够以低功耗和低延迟实现复杂的神经网络，同时还能连接大量外设并提供对工业应用非常重要的高稳定性
本电子书介绍了 FPGA、自适应 SoC、ASIC 和其他标准处理器之间的区别，旨在帮助创新者确定最适合自身应用的方案。
芯片制造业是人工智能日益普及的另一个领域。目前，设计一款芯片可能需要 18 个月到两年的时间
在昨天的Conputex大会上，AMD的Lisa Su博士发布了最新的路线图，随后，外媒morethanmoore发布了Lisa su的会后采访内容，我们摘译如下：