科技的进步往往神速而出乎意料，如果霍金多活几年，他连动「肉」的劲儿都省掉，直接动动脑子，就能合成语音了。因为，脑机接口技术，又搞了个大事情。

现在工业自动化的最终目的是要在工厂里做到员工越少越好，甚至做无人工厂。但即使是做无人工厂，里面也未必没有人，哪怕有一个员工在里面，自动化也需要有安全性，以保证员工不会受到伤害。

这款新产品他们在三年前就开始规划，过程中，Achronix工程团队重新构想了整个FPGA架构，要平衡片上处理、互连和外部输入输出接口（I/O），以实现数据密集型应用吞吐量的最大化，应用场景包括高性能AI/ML应用、数据中心的边缘计算、网络处理、5G网络处理、存储、IP授权技术。

随着中国政府在2019年政府工作报告首次提出“智能+”，业界预测诸多传统产业智能化升级的步伐将大大加快。而对于普通民众来说，“智能+”与医疗产业紧密结合的智慧医疗服务无疑与日常生活最为息息相关。

在ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的2019国际电子产业链资源对接大会上，来自深圳的芯之联科技有限公司是其中的一个参展商。

近来人们不再像从前那样单独提及AI（人工智能）和IoT（物联网），而是将其融合在一起，AIoT（人工智能物联网）成为科技行业热词。AI+IoT成为业内共识，语音识别+人脸识别+边缘计算+物联网等多概念融入，借助AI、大数据、云计算等技术，实现“云+边+端”的全新模式被广泛接受。

中国目前看起来最缺的，就是数据科学家或者叫做懂数据科学的人。

本文旨在深入洞察和理解在当今电子消费设备中获得可靠传感器数据所需的有效设计技术和软件解决方案，并提高用户对最终产品的满意度。本文将提供强大传感器数据融合技术的示例，例如基于在标准使用期间获得的陀螺仪信号，对估算磁力计偏移加以利用，及其对用户相关特征（例如行人和头部跟踪）的影响。

通过Cube.AI软件功能包，现在可以用STM32微控制器产品来支持机器的人工智能/深度学习。传感器也可以更加智能化。在传感器上运用人工智能，一来可以降低整个系统的能耗，二来可以把本身的噪声、稳定性和精度做得更好。

智慧家居的爆发已经喊了好几年，但是除了2014年的小高潮之后就一直不温不火，至今也没有突破性进展。那么，喊了很多年的智慧家居，为什么迟迟不爆发？

在过去十年中，设计人员开发了各种硅技术，能够以足够快的速度运行先进的深度学习数学，以探索和实现人工智能（AI）应用，如目标识别、语音和面部识别等。机器视觉应用目前通常比人类更精确，它是推动新的片上系统（SoC）投资以满足日常应用AI开发的关键功能之一。在视觉应用中使用卷积神经网络（CNN）和其它深度学习算法已经产生了这样的影响——即SoC内的AI能力正变得普及。

从电力市场的发展看，在电改背景下假设未来售电侧放开，国网仅收取输配电过程中的电力过网费，盈利能力大幅下滑是预期内的 事情，因此急需挖掘新的业绩增长点。从这一层面看，智能电网向泛在 电力物联网的过渡其实就是国网从单一售电商向综合能源服务商转型的过程。

泛在电力物联网，侧重用户侧或者说能源的需求侧，指利用“大云物移智”（大数据、云计算、物联网、移动互联网、智慧城市）等先进信息通信技术，实现用能、运维成本不断降低，也更好满足用户对多种能源的需求。

5月9日，拥有世界级算法优势的依图科技发布其首款深度学习云端定制芯片，定名“QuestCore™”（求索），并基于此推出云端边缘端两款视频解析硬件，成为中国计算机视觉“4 小龙”（商汤、旷视、云从、依图）中第一家尝鲜自研 AI 芯片的公司。公司创始人朱珑更是表示，依图要成为中国最成功的 AI 芯片公司之一。

工业4.0大幅变革传统生产线，新时代智能工厂应运而生。智能工厂将面对终端智能化、连接泛在化、计算边缘化、网络扁平化、服务平台化及安全提升化等技术发展趋势，需要解决智能感知控制、全面的互联互通等多个方面的问题。本文将传感器比作智能工厂的感觉器官，将机器人比作智能工厂的四肢，将AI系统比作计算大脑，介绍了实现智能工厂所需的关键技术，并指出边缘和云端的数据安全性将是智能工厂面对的最大挑战。