发布时间：2017-12-27 阅读量：882 来源: 我爱方案网 作者:
英特尔推出了一系列专为AI深度学习开发的神经网络处理器芯片(Intel Nervana Neural Network Processor，简称NNP)。
这一系列配备了优异的机器学习能力，主要应用面向数据中心而非个人电脑。(据预计其占据了数据中心96%的市场份额)，但目前AI的承载能力一般通过图形处理器或GPU(主要来自于Nvidia和ARM)发挥得更好。因此，对这些公司的芯片需求量增长迅速。谷歌已经加入到行列中，针对云计算服务推出了自主研发的硅芯片Tensor Processing Unit，而英国的Graphcore等初创公司也在填补相关的空白。
这款芯片的处理速度究竟有多快？英特尔并未透露，但生成到2020年会将深度学习训练的速度加快100倍。关于NNP芯片处理器何时上市，英特尔说法也比较含糊。让人欣喜的是，英特尔似乎有意在其Intel Nervana芯片周围构建完整的产品线。
以上就是小编为大家介绍的有关“面向深度学习的AI芯片”的相关知识，有想了解更多的朋友可以看以下相关文章。希望通过小编的介绍能给大家带来帮助！
“面向深度学习的AI芯片”的相关文章：
主流深度学习芯片的优缺点分析-原文链接：
http://www.52solution.com/knowledge/5620.html
无源晶振与有源晶振是电子系统中两种根本性的时钟元件，其核心区别在于是否内置振荡电路。晶振结构上的本质差异，直接决定了两者在应用场景、设计复杂度和成本上的不同。
RTC（实时时钟）电路广泛采用音叉型32.768kHz晶振作为时基源，但其频率稳定性对温度变化极为敏感。温度偏离常温基准（通常为25℃）时，频率会产生显著漂移，且偏离越远漂移越大。
有源晶振作为晶振的核心类别，凭借其内部集成振荡电路的独特设计，无需依赖外部电路即可独立工作，在电子设备中扮演着关键角色。本文将系统解析有源晶振的核心参数、电路设计及引脚接法，重点阐述其频率稳定度、老化率等关键指标，并结合实际电路图与引脚定义，帮助大家全面掌握有源晶振的应用要点，避免因接线错误导致器件失效。
晶振老化是影响其长期频率稳定性的核心因素，主要表现为输出频率随时间的缓慢漂移。无论是晶体谐振器还是晶体振荡器，在生产过程中均需经过针对性的防老化处理，但二者的工艺路径与耗时存在显著差异。
在现代汽车行业中，HUD平视显示系统正日益成为驾驶员的得力助手，为驾驶员提供实时导航、车辆信息和警示等功能，使驾驶更加安全和便捷。在HUD平视显示系统中，高精度的晶振是确保系统稳定运行的关键要素。YSX321SL是一款优质的3225无源晶振，拥有多项卓越特性，使其成为HUD平视显示系统的首选。
