结合Big Data预测分析以及AI和各种传感器，可望有效控制COVID-19疫情扩散以及减少致死病例，凝聚全球打赢这场看不见「敌人」的战「疫」...

本月初，EDN电子技术设计报道了关于国产特斯拉Model 3因自动驾驶芯片由HW3.0减配至HW2.5，而陷入了消费者维权的风波。如今，该事件非但没有得到平息，反而迎来了新的“剧情”。

与基于夹子的替代产品相比，这款新设备体积小，佩戴舒适且更适合长时间佩戴。但是不要误会：体积小仍然具有强大的功能。

近日，腾讯玄武实验室发表了一篇文章，介绍了“如何实现戴着口罩人脸解锁 iPhone”的窍门。

近日，一份起诉书成为了深度学习社区的热点话题：Facebook 从创业公司 Neural Magic 挖来的技术人员 Zlateski 重现了今天 PyTorch 上的关键神经网络加速技术并将其开源。因为这件事，Facebook 被告上了麻省法庭。

为了加速AI深度学习(DL)的效能，包括Google、英特尔和Arm等越来越多公司开始导入BF16，但这种新的浮点格式可能成为深度学习运算主流？

Achronix创新的机器学习处理器（MLP）突破传统FPGA运算瓶颈

发展中国家的许多地区都缺乏最新的地图，这意味着在发生自然灾害或传染病时，救援组织难以有效开展工作。英特尔已开发出可以通过卫星图像识别地物的AI模型，并与红十字会紧密合作推进“地图补全”项目，为发展中国家绘制地图，以提高其防范灾害的能力。

颇受中国消费者欢迎的国产特斯拉Model 3近日却陷入了消费者维权的风波中。

一年伊始，正是对未来做些预测的时候。作者对未来几年消费电子产品的发展趋势提出了自己的观点。他认为，深度学习、自动驾驶汽车、5G设备、处理器、电池等将会快速发展，其中深度学习会影响未来的许多应用，包括自动驾驶汽车、网络安全，甚至各国的选举。

从Google TensorFlow、APU、NPU到BPU等专为AI而生的新型处理器，到小芯片以及多芯片封装，甚至是量子运算，在日前于ISSCC上揭露的先进芯片技术，无论对于电路设计还是AI都同样重要...

尽管AIoT的概念相对较新，但是了解在不久的将来它将如何改变我们的日常生活是很重要的。以下是我们期望看到的与AIoT相关的一些机会。

受新型冠状病毒肺炎疫情影响，佩戴口罩成为大众出行的必选动作，因为这是最有效的防传染措施。但另一方面，口罩却给需要人脸识别做支持的场景带来了诸多不便。一时之间，“戴口罩人脸识别是不是伪需求”也成了行业内的热点话题。

该存算一体系统在办理卷积神经网络（CNN）时能效比前沿的图形办理器芯片（GPU）高两个数质级，可以说在一定程度上冲破了“冯诺依曼瓶颈”的限造：大幅提升算力的同时，实现了以更小的功耗和更低的硬件成本完成复杂的计算。

自大数据问世以来，用于超大规模数据中心、人工智能（AI）和网络应用的片上系统（SoC）设计人员正面临着不断演进的挑战。由于工作量的需求以及需要更快地移动数据，具有先进功能的此类SoC变得益发复杂，且达到了最大掩模版（reticle）尺寸。本文介绍了die-to-die连接的几种不同用例，以及在寻找用于die-to-die链接的高速PHY IP时要考虑的基本注意事项。