熱門搜尋 :
無線路由器效能評估結合實境驗證，超越實驗室數據的局限。透過涵蓋範圍、訊號強度與延遲、傳輸效能及壓力測試，模擬真實使用情境，更貼近消費者需求。實境測試揭示產品在干擾與壅塞環境中的真實效能，並提供改進建議。
10BASE-T1S作為IEEE 802.3cg定義的單對乙太網路標準，為多點拓撲結構，降低布線複雜性與成本，提升設備互通性和網路效率。其低布線需求減少機櫃空間，簡化維護，並支持資料與電力共纜傳輸。
AIoT結合AI與IoT，透過自動化、即時回應與資料洞察，改變生活與工作方式。其應用涵蓋智慧家庭、製造業、供應鏈、醫療保健及交通領域，提升效率、安全性與精準性，並減少人工干預與停機時間，展現廣泛價值。
2024年月底在美國聖地牙哥舉行的OFC2024上，英特爾展示了將CPU與先進光學運算互聯(OCI)Chiplet共同封裝的原型CPU。本文將介紹這項技術的部分細節，以及這項技術突破對運算產業的影響。
AI技術不斷進步，如何確保高速訊號在AI應用設備中傳輸時，仍能保持穩定，且不受干擾，是許多工程師面臨的挑戰。本文將說明如何透過高速訊號傳輸相關測試，確保產品順利通過規格驗證。
資料中心是支持AI發展的基礎設施，然而，傳統的資料中心伺服器已無法滿足AI/ML的資料處理需求及功耗限制。由CXL聯盟創建的資料協定Compute Express Link(CXL)標準帶來全新技術，透過資源共享和可組合的運算架構推動資料中心轉型，成為資料中心應對新興應用未來需求的關鍵。
從按鈕到語音操控，數位電視(DTV)不斷優化其互動方式。語者辨識(Speaker Identification)技術能根據語者的語音特徵來識別語者，為數位電視智慧化升級提供了新的契機。本文將探討於裝置端運行語者辨識功能的一項專案，分析其實作方式及實際效能。
人工智慧/機器學習(AI/ML)應用快速成長，使得資料中心網路面臨顯著增加的資源需求。訓練具有數萬億個參數的大型語言模型(LLM)需要大量的AI加速資源，例如GPU，而GPU之間的資料傳輸效率也是訓練LLM的關鍵因素。
在過去十年，人工智慧和機器學習演算法有了長足發展。這些發展主要體現在視覺相關的應用上。2012年，AlexNet從ImageNet大規模視覺識別挑戰賽勝出(ILSVRC)，成為首個使用反向傳播演算法完成訓練的深度神經網路。與傳統的淺網路相比，性能產生近10%的成長，預測精度躋身前5位。
隨著邁入2020年，智慧網路介面卡(SmartNIC)，也即資料處理單元(DPU)開始風靡。它們大量採用FPGA或多核Arm叢集或是兩者混搭，每種做法都能大幅提高求解性能。
近年由於人工智慧(AI)應用廣泛顛覆產業，甚至帶動許多新創公司以AI當作號召吸引投資或企業客戶，創投資金流入AI產業絡繹不絕的情況，可從圖1的全球投資於AI新創公司的創投基金價值與交易量看出[1]。
諾貝爾物理學獎得主Niels Bohr曾說過：「預測並非易事，尤其這關乎未來。」而Halifax侯爵也曾表示：「當預言家最有力的條件，就是記憶力要好。」如果LTE代表長期演進技術，5G代表的就是進階版的長期演進技術。不過，探討有著6G的未來會是什麼模樣，未嘗不是一件好事。
5G及AI兩大技術使人們的生活產生不同面貌。而面對逐漸從雲端轉往邊緣處理資料的趨勢，將裝置結合兩者優勢並以新運算模式—分散式學習執行，可望在提升系統執行效能的同時，亦能保障個人隱私。
國際半導體技術發展藍圖ITRS 2.0已經將矽光子(Silicon Photonics)技術列為重要關鍵技術，由於其可實現高速光電轉換、傳輸與光譜訊號處理等功能，並具備大幅縮減模組尺寸，降低功率消耗和成本，提高可靠度等優勢，預期光子技術應用將成為下一個高科技明日之星。
工智慧(AI)及其子集機器學習(Machine Learning, ML)均代表著人類生存時代的重要階段性變化，雖然還有一些具爭議性的道德問題，但它們所提供的潛在效益實在令人難以想像(圖1)。
人工智慧(AI)與機器學習(ML)已在商業市場愈來愈受到歡迎。根據GigaOm的《AI at the Edge：A GigaOm Research Byte》報告，過去6年間應用在最大型的AI訓練模型上的運算，平均每100天就增加一倍，而這也讓AI運算增加三十萬倍。
如果要說有哪個指標可以用來衡量新技術的顛覆性，那莫過於大眾所表露出的恐懼和懷疑。如果以社會的焦慮做為衡量標準，那麼人工智慧(AI)在今日的再次興起，會讓AI成為改變世界的突破性科技名單候選人。正如伊隆・馬斯克、比爾蓋茲、史蒂芬・霍金和其他科技巨擘所說，AI將會改變人們的生活。對於AI應用不良影響的廣泛擔憂，在技術變革發生時並不稀奇，這是社會不安的表現，在新技術相關變革及隨之而來的巨大潛力產生之前，常會出現這種不安。
RISC-V(念做Risk-Five)是一種起源於加州大學柏克萊分校(UC Berkeley)，具有高品質(High Quality)、無授權費(No License Fee)、無權利金(No Royalty)等主要特點的精簡指令集運算(RISC)指令集架構(ISA)。
Featured Videos
Upcoming Events
Hot Keywords
本站使用cookie及相關技術分析來改善使用者體驗。瞭解更多