ML提升機器視覺應用彈性 SI業務發展路更寬

機器視覺在製造業應用存在已久,但過去的機器視覺本質上是以規則為基礎的專家系統(Rule-based Expert System),不具備自主學習的能力,能處理的問題範疇也較為專一。這也使得機器視覺的系統整合商(SI)規模普遍不大,但在特定領域有非常深厚的技術累積。以機器學習(ML)為基礎的機器視覺系統,則可能改變這個產業風貌,讓SI更容易跨入不同領域。...
2019 年 01 月 08 日

四大優勢助陣 NVMe讓AI更聰明

透過人工智慧(AI)來達成下一階段技術的突破,需要大量的資料運算,但要做到這一點,並不是單純把TB單位的原始數據量傳送給機器再等待結果這麼簡單。資料必須先經過收集、整理、對應的規範,才能進行下一步工作。接著,研究人員須要投入大量的時間、透過來回往復的交互過程,設計出最適當的AI架構,而這些被整理過的TB單位量的數據,才能開始進行人工神經網路訓練。
2019 年 01 月 03 日

資安攻擊層出不窮 新創AI產品紛紛問世

近年資安威脅情勢持續升高,驅使資安產品或服務業者亟須強化其防護能力。由於基於機器學習的人工智慧(AI)技術能夠分析更複雜、非結構化的資料並解決難以定義規則的問題,可協助企業處理多樣載具聯網、多種網路連結、大量異質數據及更多資安攻擊行為的複雜狀況,因此使得運用人工智慧技術的資安防護方案成為相關業者發展重點。
2018 年 12 月 23 日

小巧/低功耗特性亮眼 Edge TPU鎖定邊緣應用

直接在邊緣裝置上利用訓練好的模型進行推論,乃是未來人工智慧應用發展的一大方向。但邊緣裝置通常對尺寸、成本及功耗有相當嚴格的限制,因此,Google繼先前發表雲端機房用的TPU之後,又推出了針對邊緣裝置設計的Edge...
2018 年 11 月 19 日

安矽思RedHawk-SC問世 高效能模擬方案滿足先進製程設計

為降低先進製程設計難度,加快產品開發時程,安矽思(ANSYS)宣布推出新一代解決方案RedHawk-SC,以因應複雜的多層物理場(Multiphysics)挑戰,包括晶片熱效應、老化(Aging)、熱感知統計電子遷移預算(Statistical...
2018 年 11 月 08 日

人工智慧用處多 半導體製造走向智慧化

半導體製造是個極度複雜且漫長的生產過程,且每個製程步驟的良率都必須接近100%,才能確保最終生產良率維持在可接受的水準。因此,半導體製造業者很早就開始在產線上設置各種資料擷取機制,並藉由大數據分析等方法進行製程控制。人工智慧(AI)的興起,則讓半導體製造業者有了節省人力,提升分析效率的新方法。
2018 年 11 月 05 日

Xilinx推新資料中心/AI加速器卡

自行調適與智慧運算廠商賽靈思近日推出強大加速器卡Alveo,用來大幅提高業界標準伺服器的效能,應用版圖涵蓋雲端與就地部屬(On-Premise)的資料中心。透過Alveo,客戶在執行即時機器學習推論、影片處理、基因研究、及資料分析等這類重要資料中心應用時,就能在低延遲的情況下,展現突破性的效能改善。搭載賽靈思UltraScale+FPGA的Alveo...
2018 年 10 月 24 日

奧寶引入AI提升產量/強化FPD生產線

奧寶科技於2018  Touch Taiwan 展會發表先進人工智慧技術(AI)解決方案,這些解決方案包括 Orbotech Quantum AOI(自動光學檢測)、Orbotech Quantum...
2018 年 08 月 31 日

布局AI邊緣運算商機  IP/晶片/儲存業者各有千秋

AI迅速崛起,運算分析已開始從雲端邁向終端裝置,邊緣運算勢在必行,其發展備受半導體產業關注,且各領域業者也競相投入開發關鍵元件/技術,而Computex 2018更成為各技術陣營的火力展示場合。
2018 年 07 月 02 日

協同創新實現資料共享 半導體設備智慧更進化

與其他製造業相比,半導體晶片的製造,可以說是最接近工業4.0願景的製造業。但即便如此,在人工智慧(AI)、機器學習(ML)等新技術浪潮的衝擊下,半導體製造設備產業仍就需要與時俱進。半導體設備產業未來必須協同創新,打破資料串流的障礙,方可讓半導體設備進入下一個世代。
2018 年 06 月 21 日

Arm IP產品事業群總裁Rene Haas暢談AI人性化

Arm IP產品事業群總裁Rene Haas 5日於台北國際電腦展的COMPUTEX論壇,發表賦予AI人性(Humanizing AI)主題演說。探討在智慧運算無所不在的生活中,人工智慧與社會的關係,暢談物聯網運算與機器學習(Machine...
2018 年 06 月 13 日

模型訓練資金/技術難度高 網路大廠力推雲端訓練方案

模型訓練是人工智慧(AI)應用開發過程中最吃重的工作,不僅需要使用具備極高運算效能的硬體設備,還要有大量、高品質的資料集,才能得出精準的模型。為了降低此一門檻,許多網路大廠均推出以雲端為基礎的訓練服務。
2018 年 06 月 11 日