IBM 的新型处理器 Telum 包含 220 亿个晶体管，具有用于 AI 推理的片上加速功能

三星将 PIM 纳入高带宽内存（HBM）。PIM 将在 AI 数据处理不断增长的需求与当前难以满足这些需求的内存解决方案之间提供及时的桥梁。

生产线上的自动光学检测（AOI）能够以和生产线匹配的速度运行，并且已经在支持各行各业的制造商提高质量保证，保证生产率，并不断改进生产流程。在AI基础上的进一步提升是AOI的未来发展方向，为光学检测应用而训练的算法能够带来提高决策能力的额外好处，可减少操作员的参与，简化编程，并可提供更强大的性能，从而能够提高缺陷检测的确定性，同时减少误报。

IonQ 此前向客户提供 32 量子位机器，已向主要云服务提供商交付系统，包括 Microsoft Azure、亚马逊网络服务和谷歌云。该公司将他们的新架构称为“可重构多核量子架构”——简称 RQA。

小米xiaomi Sound高保真智能音箱采用2.25英寸全频单元+2颗无源辐射器，搭配顶部导音锥结构，实现360°全向出音。音质由HARMAN调音，并支持创新的计算音频技术实时动态调音和夜莺算法；其他方面支持两台设备组成立体声，最多8台设备互联；支持UWB音乐接力，实现音乐的无缝传递。下面再来看下这款产品的内部结构配置吧~

提供HBM3的内存子系统解决方案，包含完全集成的PHY和数字控制器；高达8.4Gbps的数据速率，为人工智能/机器学习（AI/ML）和高性能计算（HPC）应用提供TB级带宽加速器；利用领先市场的HBM2/2E专业经验和用户基数，加速客户基于下一代HBM3内存设计的实现

通过使用人工智能等技术，自动化在物流运营中将持续增长并得以扩展。这些系统解决方案需要特别设计，用以满足恶劣的运行环境，这与云或者数据中心的需求截然不同。

燧原科技在Hot Chips大会上由首席架构师刘彦和资深芯片设计总监冯闯一起介绍了第一代云端训练芯片“邃思1.0”的架构细节。

Hot Chips是全球高性能微处理器和集成电路相关的重要会议之一，芯片行业巨头每年都借此机会展示自己公司的最新成果，包括处理器体系结构，基础架构计算平台，内存处理等各类技术。

三星首次成功将基于PIM的高带宽存储器（HBM-PIM）整合到商用化加速器系统中，并扩大PIM应用范围至DRAM模组和移动内存，从而加速实现内存和逻辑的融合。

近日特斯拉亮相的D1 芯片宣称拥有500亿个晶体管，超过了AMD拥有395.4亿个晶体管的Epyc Rome，落后于NVIDIA的GA100 Ampere SoC的540亿个晶体管的记录。

Mythic 采用了一种非常不同的方法来加速 AI 工作负载。

在今年的 AI Day上，特斯拉正式兑现了马斯克承诺的「一家人工智能公司」，发布了第一款汽车企业自研的人工智能训练芯片 D1，以及目前性能最强的人工智能计算机柜 DOJO Pod——它会为特斯拉的纯视觉 FSD 深度学习服务。

人工智能处理器需要大量电力，但较低的能效将导致整个配电网络（PDN）的损耗增加。如何在保持效率的同时实现高质量的算法执行？改用48V架构并采用更创新的供电方法，这是提供高性能电源以满足惊人AI/HPC需求的唯一途径。

在2018年7月的百度AI开发者大会上，昆仑AI芯片初次被知悉。2019年12月，昆仑1代AI芯片完成研发。2020年年底，昆仑1量产超过2万片并实现规模化部署。就在今日，李彦宏宣布昆仑芯2实现量产。