嵌入式AI
RT-Thread通过军用嵌入式操作系统测评！
原文:
https://mp./s/AulYY4lpUi0L9yLAzzjMkQ
日前，RT-Thread Space 高可靠性嵌入式实时操作系统完成北京轩宇信息技术有限公司（以下简称“轩宇信息”）第三方测评，测试结论表明 RT-Thread Space 嵌入式实时操作系统满足GJB7718-《军用嵌入式操作系统技术要求》和 GJB7706-《军用嵌入式操作系统测评要求》的规定，功能正确，通过评测。
CES :Mobileye一口气发布三款芯片
原文:
/news/01/1234188.html
在 CES展期间，Mobileye正式推出了专门为自动驾驶打造的EyeQ Ultra系统集成芯片。该芯片在176 TOPS的算力下实现了能效的优化，定位一款精简的自动驾驶汽车芯片。此外，应用于高驾驶辅助系统（ADAS）的集成芯片EyeQ 6L和EyeQ 6H同时发布。
面向自动驾驶的EyeQ Ultra芯片
官方表示，EyeQ Ultra的算力虽然仅为176 TOPS，但其能效比高于其它自动驾驶汽车解决方案，这意味着EyeQ Ultra能够以合理的成本提供消费级自动驾驶汽车所需的性能
百度首款车将搭载英伟达芯片，L4级自动驾驶汽车机器人明年上市
原文:
/a/514660214_115565
1月6日消息，在 年美国消费电子展（CES）期间，百度和集度共同宣布，集度首款量产车型将搭载 NVIDIA DRIVE Orin™ SoC（系统级芯片）。集度量产车型预计于 年上市，将成为可具备 L4 级自动驾驶能力的汽车机器人。同时，该产品的概念车预计将于今年 4 月在北京车展正式亮相。
在不久前举办的的百度 Create （百度 AI 开发者大会）上，百度创始人、董事长兼 CEO 李彦宏表示，集度的汽车机器人贯穿了“自由移动、自然交流、自我成长”三大产品理念。第一，汽车机器人拥有 L4 级别的自动驾驶能力，可自由移动；第二，人车交互及语音语义的精准识别，让车与人能“自然交流”，理解用户情绪，实时响应用户需求；第三，汽车机器人可以根据用户的使用习惯来进行自我的学习和迭代不断优化自动驾驶及智能座舱体验，实现“自我成长”。
AI热点
AI为自主材料发现提供动力，表征新材料系统所需实验时间缩短1~2个数量级
原文：
/articles/-01-06-5
当一位大厨开发出一份新的蛋糕食谱时，她不会尝试每一种可以想象到的配料组合，以查看哪一种效果最好。厨师使用先前的烘焙知识和基本原理来更有效地寻找制胜配方。
材料科学家使用类似的方法在可再生能源和微电子等领域寻找具有独特性能的新型材料。康奈尔大学研究人员开发的一种新人工智能工具有望快速探索和识别「制造」新材料所需的条件。
该研究以「Autonomous materials synthesis via hierarchical active learning of nonequilibrium phase diagrams」为题，于 年 12 月 17 日发表在《Science Advances》上。
全球首台百亿亿级超算用AMD的GPU：性能增7倍，能效提升3倍
原文:
/articles/-12-26-6
E 级超算，每秒钟百亿亿次运算，1 后面跟 18 个零。
今年 11 月最新版的超算 Top 500 榜单。
橡树岭国家实验室的下一个计划名叫 Frontier，完成后它将具有超过 1.5 exaflops 的峰值理论容量。
Frontier 的非凡之处并不在于它要比 Summit 强七倍以上——这个数字显然是令人惊叹的。更值得注意的是，它做到这一点只用了两倍的功率。这仍然是一个很大的功率——Frontier 预计将消耗 29 兆瓦，足以为加利福尼亚州库比蒂诺（苹果公司所在地）大小的城镇供电。但这是一个可控的数量。
在团队最初的规划中，Frontier 这台巨型机器将在 年底之前交付，并在 年全面投入使用。所以，它可以被称为世界上第一台百亿亿级超级计算机吗？
超快、超低能耗！北大团队提出基于卷积神经网络的全光计算
原文:
/articles/-12-16-12
随着先进工程计算、经济数据分析和云计算的快速发展，对超高速和高能效计算的需求呈指数级增长。现有的冯诺依曼架构下的传统电子信号处理器难以同时实现高速和低能耗。
使用光子作为信息载体是一种很有前景的选择。由于传统材料的三阶非线性光学较弱，在传统冯诺依曼架构下构建集成光子计算芯片一直是一个挑战。
近日，由北京大学物理学院龚旗煌研究团队提出了一种基于卷积神经网络（CNN）实现超快超低能耗全光计算芯片方案的新策略，支持多计算任务的执行。这项工作为下一代全光计算系统指明了方向。
该研究以「All-optical computing based on convolutional neural networks」为题，于 11 月 25 日发表在《Opto-Electronic Advances》上。
👇👇👇 点击阅读原文了解 RT-Thread
