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。

清华大学微纳电子系副系主任尹首一老师带队设计了低功耗AI芯片Thinker，专注于神经网络计算，可以动态地调整计算和内存需求，用于视频、图像、语音等多种AI任务应用。

尽管我们已经知道 NSA 依靠指纹和面部图像来识别目标，但是根据 2008 年的一份机构文件，声纹才是“NSA 的统治地位所在”。

MIPS最近以一家独立公司之姿重新回到了硅谷，在Tallwood的带领下积极投入原有的嵌入式业务，并放眼下一代人工智能(AI)领域。

科技给生活带来了便利，让人们回家有更多的时间享受生活，智能家居产品也成为解放双手的神器。但随之而来的 “到底是人工智能还是人工智障”的吐槽也不绝于耳。市面如此多的智能家居产品到底能不能改善生活品质呢？

随着智能手机市场从单纯销售科技产品，转向提供具高吸引力的个人化体验，智能手机上的AI解决方案将成为未来两年各家厂商发展蓝图的重要一环。

小编比较了目前主流“AI处理器”的技术和市场发展，并用表格的形式列出了它们的制程、架构及应用。

如果说今年的CES能为我们带来什么指针，那么，语音(voice)、连接(connectivity)和人工智能(AI)将是组成2018年及未来消费电子设备缺一不可的神圣“三位一体”…

在2018年及其以后，深层神经网络和机器学习在更大的人工智能（AI）领域会如何发展？我们如何能开发出越来越复杂的机器以在日常生活中帮助人类？这些都是普渡大学机器学习硬件教授尤金尼奥·库鲁尔塞罗(Eugenio Culurciello)关注的问题。请注意，本文的重点并非有关AI的预测，而是对该领域发展轨迹、趋势以及技术需求的详细分析，以帮助创造更有用的AI。当然，并非所有的机器学习都是针对AI的，还有些其他容易实现的目标，下面我们就仔细审视下。

“2017年10月23日，中国人工智能产业发展联盟（AIIA）总体组组织了人工智能芯片Benchmark研讨会，正式启动人工智能芯片Benchmark项目。”可以看到，随着越来越多的AI芯片走上舞台，如何对它们进行评测和对比越来越受到关注。我之前就通过两篇“给DNN处理器跑个分”的文章对这个问题进行了一些初步的讨论。“BenchIP：Benchmarking Intelligence Processor”这篇论文非常系统和深入的讨论了这个问题，并提出相应的Benchmark Suite和Benchmarking Methodololgy。这里我们就结合这篇论文再谈谈这个话题。

简单来看，阿里AI Lab通过这一系列的手段，让机器与机器之间从此互相之间认识，有利于其所在推动的IoT场景多元化。

游戏与媒体等娱乐系统曾经是CES的展出重点，如今，CES正迅速扩展到对于个人、生活型态与社群带来重大影响的创新技术，强调连网汽车、数字医疗、陪伴机器人，以及VR与AR对于现实的重新定义…

E级方程式赛事正在全球10个不同城市的街道上举办。当电动发动机在跑道上启动时，基本上没有发动机的“吼叫声”，在空气中也闻不到高辛烷值燃料的气味。在全球各大城市举办这类比赛很有意义，因为这些城市在推广电动汽车改善空气质量方面，可以起到表率作用。

Exynos 9810 采用三星第二代 10 纳米 FinFET 工艺，采用第三代定制 CPU 和千兆位 LTE 调制解调器；更重要的是，它还拥有基于深度学习软件的复杂图像处理功能。

日产希望通过「B2V」技术让驾驶员在紧急情况下的动作反应时间减少 0.2 到 0.5 秒，这个时间看起来很小，但在某些需要急刹车或者急转弯的情况中，0.5 秒可能决定生死。