从云端的大数据处理到边缘端的关键字识别和图像分析，人工智能（AI）应用的爆发式增长，正在推动专家们争先恐后地开发最佳架构来加速机器学习（ML）算法的处理。由于新兴的解决方案多种多样，因此在选择硬件平台之前，设计人员必须对应用及其需求进行明确定义。

近日，知乎网友Bell Wang揭发了科大讯飞在9月20日国际会议中心用语音识别当作同传AI的行为。并称：“这个会是直播的，然后呢，科大讯飞就用语音识别把我们翻译的中文做成文本，再用机器人的声音读出去。呵呵，是不是非常无耻啊……”

近日，工信部下发了2018年人工智能与实体经济深度融合创新项目名单。从这份名单中可以看到，包括浙江大华技术股份有限公司申报的视频监控人工智能SoC芯片研发及应用等项目位列其中。

阿里巴巴成立“平头哥”半导体有限公司，将在明年4月份发布第一个神经网络芯片。

随着RISC-V商业落地的向前推进，业界也充满了期待，但是从指令集设计到最终的应用，我们对RISC-V或许有些误解。

“芯片的集成度已高达40亿个晶体管，另一方面科学家发现人的智慧主要在大脑皮层，大脑皮层里面有160亿个神经元，也就是说摩尔定律使机器智能和人工智能向自然智能去接近，这是令人兴奋的。” 李文飚指出，现在很多应用是通用芯片，也不少公司做自己的专用芯片，那他们各有什么好处？

深度学习的“深度”层面源于输入层和输出层之间实现的隐含层数目，隐含层利用数学方法处理（筛选/卷积）各层之间的数据，从而得出最终结果。在视觉系统中，深度（vs.宽度）网络倾向于利用已识别的特征，通过构建更深的网络最终来实现更通用的识别。这些多层的优点是各种抽象层次的学习特征。

人工智能在学校中的推广应用正在全面展开，各大科技公司也在积极推进其在智慧教育方面的产品研发和合作落地。那么，人工智能在中外校园中的应用存在哪些差异？

一个不可思议的事实是：从2017年起，IC行业实现了22.2%的增长，远远超过2011-2016年2.8%的年复合增长率。不仅如此……

我们在中国南部有个大的OEM，他们找了家合作伙伴，免费帮他们开发了自动停车功能，每次停车收取消费者1元，其中OEM分3毛，合作伙伴收7毛。对于中国南部的一个小城市都能开发出来这个功能，是因为电动化大大减少了设计难度。这个特殊的商业用例，在技术和商业模式上的创新给我们带来了灵感。在今天恩智浦未来科技峰会上，来自宁德时代BMS业务总监张伟谈到一个很有趣的案例。

很多读者可能分不清楚 CPU、GPU 和 TPU 之间的区别，因此 Google Cloud 将在这篇文章中简要介绍它们之间的区别，并讨论为什么 TPU 能加速深度学习。

作为全球最大的智能手机厂商，三星Exynos处理器在手机厂商的AI竞争中似乎已经落后。

随着机器学习的崛起，Hot Chips再度成为专注于芯片架构的工程师热烈参与的年度盛会。今年夏天，在第30届的Hot Chips 2018大会上有哪些值得关注的「热门芯片」？

近日来，因太烧钱，7nm被联电/格芯相继放弃。那么华为在这款全球首发7nm工艺的麒麟980上，投资了多少钱呢？

根据世界卫生组织（WHO）的统计，每年约有125万人死于道路交通事故。毫无疑问，在这个充满智能手机、平板电脑以及仪表板上带有GPS导航路线图显示屏等的时代，人们在今天的道路上驾驶汽车比以往任何时候都更加分心。这些是危险而致命的。自动驾驶汽车可以消除人类驾驶员的分心驾驶，但是是人类也只有人类才能通过软件、处理和传感器等最终创建和控制未来的自动驾驶汽车。我们是工程师，我们可以安全地做到这一点。