在机器学习算法不断变化、人工智能应用不断增多的当下，神经网络计算芯片（AI芯片）的设计者们所思考的一个关键问题开始浮出水面——如何在保证AI芯片性能/功耗表现优秀的同时，尽可能的在更多人工智能算法上通用。

将AI优势扩展至网络边缘同时具有挑战与机会。本文讲述了通过FPGA和RISC-V处理器为设备建构AI功能，取代以云端为基础的资源，能够大幅降低功耗，同时缩短反应时间。同时，本地数据储存和处理不仅提高安全性，更节省宝贵的带宽。通过将AI整合至组件中，即使在网络关闭以节省功耗的情况下，设计工程师也能实现实时工作的智能功能。

每次台湾地区一地震，就有一些无良媒体跳出来吃人血馒头，到处发布散播某某电子厂受影响、XX电子元器件要涨价的谣言。你要问他们消息从哪来的，他们也是道听途说，甚至没有经过核实。2月6日晚间，台湾地区花莲发生7级大地震，《电子工程专辑》台湾版编辑部的同事发布独家消息，来打这些造谣者的脸啦——震中心离高新区远得很，对台湾地区IC产业影响几乎为0……

根据百度(Baidu)深度学习(deep learning)资深研究人员针对最新加速器进行的测试结果显示，现有的加速芯片和软件仍然存在一些美中不足之处，应该尽快迎头赶上…

无论摩尔定律是死是活...IC设计技术的生命力仍源源不绝……

Exynos Auto将成为首款内置NPU模块的三星芯片。NPU在汽车上可用于分析车内图像传感器接收到的图像信号。因此，它能够帮助构建更高效的ADAS（高级驾驶员辅助系统），ADAS可用来识别车道和障碍物。

此前博通收购高通被拒，原因是博通“低估”了高通的价值，不过博通并没有放弃，拟提高报价收购高通。

三星公布了自己2017年第四季度财报、2017财年年报。据外媒报道，这是三星公司历史上首次正式占据榜首，终结了英特尔在芯片上的统治地位……

在采访电子产业新闻逾20年后，《EE Times》记者Rick Merritt为电子工程领域的技术创新颁发首届「麦利奖」(Merritt Awards)，列出将在2018年以及未来改写我们的生活的创新技术。

最近半年以来，人工智能的发展重心逐渐从云端向终端转移，相伴而生的是全新一代的计算芯片产业全面崛起。

无论是新动力系统，车载信息娱乐系统，还是自动驾驶汽车，汽车技术都在以前所未有的速度迅猛发展。新的颠覆性技术和行业参与者正在向传统的汽车概念发起挑战。明天的驾驶体验将与今天大不相同。

“我梦想的引擎，是可以随身携带，现场为我提供指导......我的目标是推动AI运行在小于100毫伏的运行。 我们需要重新思考我们如何做计算。 我们正在从基于算法的系统转向基于数据的系统。”

深度神经网络是几十年来一直在人工智能方面进行的相对较小的工作。从2012年左右开始，包括Facebook的Yann LeCun在内的研究人员开始使用特定种类的DNN识别图像，并最终以比人类更高的准确度显示令人惊叹的结果

通过简单地降低电压或频率来实现低功耗不可取——试问有谁会去买性能打过折的产品呢？那么，低功耗CPU到底又是怎么实现的？

今年的行业可能会看到来自创业公司Graphcore的一款微处理器，该公司不使用DRAM，而是来自竞争对手Cerebras Systems的晶圆级集成开拓先锋。英特尔收购的2.5-D Nervana芯片已经在生产样片，其他十几个处理器正在开发中。同时，从Arm到西部数据的芯片公司正在研究内核，以加速深层神经网络的推理部分。