人工智能正在从“会思考”走向“会行动”。过去几年,AI产业的主线是大模型。更大的参数、更强的训练算力、更庞大的数据中心,推动AI能力不断突破。但当AI开始进入机器人、自动驾驶、智能制造这些真实场景,一个新的问题摆在行业面前:让AI运行起来并不难,真正困难的是让AI在现实世界中稳定、实时地工作...
对于FPGA工程师来说,有一种无奈可能比代码报错更让人抓狂——Vivado崩了。上午刚完成的RTL设计,准备跑一次综合验证,软件突然消失;一个大型工程跑了几个小时,眼看就要生成bitstream,窗口弹出“Abnormal program termination”;甚至昨天还能正常打开的工程,今天换台电脑或者重新启动后,直接闪退...
过去几年,人工智能的发展几乎被云端算力主导。大模型训练依赖GPU集群,数据中心成为AI创新的核心舞台。但当AI真正走向现实世界——进入汽车、工厂、机器人和各种智能终端时,另一个问题开始浮现:AI不仅要“算得出来”,更要“及时做出判断”...
在FPGA开发领域,很多工程师都会遇到一个现实问题:芯片选好了,真正做成产品却没那么简单...
近日,AMD Embedded Computing Summit(AMD嵌入式计算峰会)中国站活动圆满结束。作为嵌入式计算领域的重要交流平台,本次峰会汇聚了众多行业专家、工程师及生态合作伙伴,共同探讨下一代嵌入式计算、AI边缘推理与自适应计算的发展趋势...
过去几十年,雷达系统的发展一直围绕几个核心目标展开:看得更远、测得更准、反应更快...
作为一名电子信息工程专业的学生,我在备战全国大学生电子设计竞赛的过程中,需要搭建一套高速数据采集与实时处理系统。项目要求实现多路高速ADC数据采集、实时信号处理以及高速数据传输...
扫描二维码立即关注我们,获取更多资讯