日前，英伟达 Developer Blog 上一篇博文详细陈述了英伟达 Volta Tensor Core GPU 在深度学习社群取得的巨大突破，以及种种突破背后的技术细节。正文如下

OmniVision Technologies在底特律AutoSens展会上宣布与Smart Eye合作整合其最新的200万像素图像传感器和Smart Eye的传感算法库，为汽车OEM厂商提供一个交钥匙的驾驶室监控解决方案。

智能制造是时下最热门的一大话题。自德国宣布工业4.0以后，中国也把“中国制造2025”提到了强国战略的高度。智能制造机会巨大，然而，它究竟涉及到哪些层面，具体应该怎么实现，可能很难有人能够说清楚。

谷歌2018 年度的开发者大会（Google I/O 2018）。在大会介绍的 Android P、Gmail、Gboard、TPUv3 等众多新产品和功能中，尤为亮眼的无疑是个人助理 Google Assistant 中新增加的 Duplex。

除了显而易见的外形变化之外，TPU 3.0比去年的TPU 2.0强大八倍——强大到Google需要第一次在自己的数据中心引入液冷技术。

很多的调研机构报告显示，大约有85%的芯片供应商都需要新的人才类型——然而，其中有77%的业者都表示人才短缺。这一切使得IC设计界的不断学习能力尤为重要。

寒武纪首款云端AI芯片的推出可以使其端云结合，推动AI生态的建设。但作为云端AI芯片的“新手”，寒武纪真的能对标英伟达？

目前约有十几种加速客户端机器学习任务的处理器核心正在角逐系统单芯片(SoC)市场，其目标在于取得比处理器IP巨擘Arm更早进入市场的先发优势。

业界开始重新审视十年前开发的处理器架构，看好速度较GPU更快1万倍的所谓「内存式运算」(In-Memory Computing；IMC)，将有助于新一代AI加速器发展。

穿戴式技术至今几乎完全是健身追踪器和智能手表的世界。未来，还将会有哪些更酷的应用出现？

过去三年，各大公司藉由收购AI及AI新创企业，已经总共在研发、投资AI领域超过600亿美元。目前，AI新创公司就有约1700家，业界对于AI芯片组需求正逐渐扩大。

自动驾驶技术存在软件问题，而人类驾驶分心则是另一个问题。哪一项能先解决，可是价值上兆美元的问题。

美国国会将2018财年的国防预算增加到7000亿美元，比去年增加了1080亿美元。本文将介绍预算会花在哪些领域，以及设计人员可能会实现哪些技术创新来弥合当前与未来的技术沟壑。

现在车厂对于汽车功能的定义，包括在这个定义驱动下对软硬件性能的要求，已经到了相当夸张的地步。对于汽车这样一个复杂的电子产品而言，底层硬件处理器加上操作系统，是所有应用的承载。二者的组合决定了上层应用可以达到的高度。

虽然在起跑时落后于百度、腾讯，但对于一家市值 4 千多亿美金的公司来说，一掷千金下的弯道超车也绝非夜谈。