选型指南
炬芯科技的智能手表SoC采用了芯原的2.5D GPU IP
芯原股份(芯原,股票代码:688521.SH)宣布低功耗 AIoT 芯片设计厂商炬芯科技股份有限公司(炬芯科技, 股票代码:688049.SH)在其高集成度的双模蓝牙智能手表SoC ATS3085S和ATS3089系列中采用了芯原低功耗且功能丰富的2.5D图形处理器(GPU)IP。
GPU
选型指南
芯原股份(芯原,股票代码:688521.SH)宣布低功耗 AIoT 芯片设计厂商炬芯科技股份有限公司(炬芯科技, 股票代码:688049.SH)在其高集成度的双模蓝牙智能手表SoC ATS3085S和ATS3089系列中采用了芯原低功耗且功能丰富的2.5D图形处理器(GPU)IP。
选型指南
2024年3月8日 – 专注于引入新品的全球电子元器件和工业自动化产品授权代理商贸泽电子 (Mouser Electronics) 即日起供货Advantech的VEGA-P110 PCIe Intel® Arc A370M嵌入式GPU卡。这款全新的VEGA-P110 GPU卡采用表现出众的Intel® Arc显卡,可为医疗成像、工厂自动化和游戏应用提供图像处理和边缘AI加速功能。另外VEGA-P110 PCIe GPU卡也是监控、视觉检测和AI分析的理想选择。
选型指南
贸泽开售Advantech VEGA-X110嵌入式GPU卡,可提升AI和显卡性能
选型指南
全球智能物联网系统和嵌入式平台提供商研华科技公布与英特尔合作采用Intel Arc显卡开发的工业级GPU图形解决方案。此次合作旨在满足市场对GPU和视觉AI性能日益增长的需求,同时开发一个更开放的AI生态系统,提供各种产品。包括研华VEGA-P110,一个PCIe GPU卡;以及研华 VEGA-X110,一个MXM Type A 3.1 GPU卡 两款规格均采用Intel ARC A730M GPU;该产品线可提供优秀的性能和价格,同时在医学成像、游戏和工厂自动化应用中增强了图像处理和边缘AI加速功能。
选型指南
研华科技近期发布新款GPU边缘计算产品——MIC-770V3模块化工控机,可搭配i-Module系列GPU扩展模块MIC-75M20。此高性能产品可与NVIDIA L4 Tensor Core GPU兼容,支持7,424个CUDA core和24GB GDDR6 GPU内存的同时,功耗仅为72W;此外,该产品经过NVIDIA®L4 GPU NVQual验证,适用于智慧工厂、自动驾驶、自动光学检测(AOI)、医疗设备的AI预测、智慧城市监控和交通等多个场景,能支持深度学习和边缘推理的同时,也将其自身高性能、
选型指南
近期,全球物联网方案提供厂商研华科技隆重发布了一款支持双NVIDIA RTX GPU的全新高性能AI系统—AIR-500D。该解决方案预装Intel Xeon D-1700处理器和2个支持双高性能GPU卡的PCIe x16插槽,提供服务器级别的极致性能。AIR-500D在应用于AI推理和训练应用时,能够处理大型数据集和计算密集型工作负载。此外,它还支持宽温工作温度(-10 ~ 50 °C),并具有适合工业环境的1200W电源。AIR-500D利用板载BMC和研华的DeviceOn软件来实现广泛的边缘AI解
选型指南
作为计算图形学的“皇冠”,光线追踪技术近年来有了飞速发展。许多厂商提供光线跟踪技术。在光线追踪中,每一个光线的路径由多重直线组成,几乎总是包含从原点到场景的反射,折射和阴影效应。
选型指南
在智能穿戴领域,国产厂商已经深入到最核心的自研芯片领域了——华米科技今天下午又推出更强大的黄山2S芯片,性能、能效、发热控制等方面进一步升级,搭配华米自己的OS系统,一起用于新一代华米手表中。
选型指南
NVIDIA AI平台在从数据中心到边缘的所有MLPerf基准测试类别中脱颖而出。4月22日消息,NVIDIA宣布其AI推理平台在最新MLPerf基准测试所有类别中展现出的性能均创下纪录。这一AI推理平台通过NVIDIA® A30和A10 GPU对主流服务器实现了全新的扩展。
选型指南
Super Micro Computer, Inc. 为企业级运算、储存、网络解决方案和绿色运算技术等领域的全球领导者,发布与市面上其他现有产品截然不同创新的全新多节点 GPU 解决方案的详细资料。此多节点系统采用共享的电源与散热,可省下多达 10% 的总体拥有成本 (TCO)。
选型指南
英伟达2月18日宣布,公司将会发布一系列新的芯片,以应对以太币的特殊需求,芯片将专门用于开采第二大数字加密货币以太币,并希望在此过程中提高GeForce产品线中最佳显卡的可用性。
选型指南
凌华科技推出高度紧凑且支持GPU的全新DLAPx86系列深度学习加速平台,是市场上最紧凑的GPU深入学习加速平台。DLAPx86系列可用于部署边缘处的大规模深度学习,采集边缘产生的数据并采取行动。