芯片架構師在設計高效 AI 處理器時,必須應對多重因素,其中最突出的就是快速迭代的 AI 模型?!栋雽w工程》邀請多位專家展開討論,以下為訪談精華。邊緣端目前有哪些類型的智能體?Steven Woo(Rambus):當前邊緣智能體主要分為感知、推理,機器人還會包含規劃與執行。這些任務通常在同一設備上并發運行,關鍵不只是推理,而是系統觀察、決策、響應的速度。這迫使設計師重新思考內存層級、互聯與安全邊界。智能體是整個系統協同工作,而不只是框圖里的一個神經網絡。Sharad Chole(Expedera):必須
本文解讀液冷技術普及后,整機風道消失,內存、SSD 等被忽略的元器件形成隱性散熱瓶頸;需引入精準微散熱方案,恢復整機熱平衡。當下 AI 數據中心的架構重構,源于一個客觀現實:現代 GPU 與 CPU 功耗急劇攀升,風冷已無法實現高效散熱。當處理器功耗突破千瓦級別,液冷成為必然選擇。冷板與管路系統成為新一代服務器架構的核心,相比傳統風扇,能以更高效率帶走旗艦芯片產生的熱量。從表面來看,這場散熱技術變革利好明顯:GPU 與 CPU 溫度趨于穩定,性能上限得以提升,也能滿足高階 AI 負載所需的熱裕度。但如同眾
當下各大廠商爭相研發高性能 AI 大模型,很多從業者習慣觀望等待主流模型定型后再做產品開發。但對產品設計師而言,不必一味觀望,應主動利用現有技術,把 AI 模型能力落地為可用、可靠、具備實際價值的商業化產品。萊迪思半導體與英偉達的合作,標志著 AI 時代產品設計思路迎來轉變。雙方推出Sensor Bridge 參考設計,標準化了從傳感器到 AI 推理的完整數據鏈路,大幅降低了開發近實時感知、分析與響應系統的門檻。采用模塊化搭建方式,能有效加快研發進度,打造更智能、響應更快的終端產品。隨著智能算力向數據產生
伴隨 OpenClaw、Hermes 熱潮的持續升溫及各大廠商類 Agent 產品的密集發布,AI 大模型正加速從云端“下沉”至終端設備,并從對話框中的聊天機器人,進化為能夠自主拆解任務、跨應用調度的數字執行者。在這場由端側 AI Agent 驅動的交互變革中,AI PC 被普遍視為最先落地的核心場景之一。當 AI PC 深度調用 Agent 能力時,計算功耗面臨指數級增長,給電源管理系統帶來了前所未有的嚴苛挑戰。南芯科技已在 AI PC 電源領域形成完整布局,覆蓋充電管理、存儲 PMIC、AMOLED