搜尋結果
2016年2月4日 · 首先，徐巧芯不是從她個人立場開始解釋，而是認為綠營的論述沒有考慮「藍營選民」的想法。 她說，深藍的群眾是恐懼「台獨」這件事，而不論是國民黨或民進黨，經常為了鞏固原本的支持者，會忘記跟不支持自己的族群對話，蔡英文的「維持現狀」對綠營支持者而言，已經很清楚了，就是要弄個模糊的東西，大家都心裡有數。 但有些藍營的選民真的聽不懂，這些人才是蔡英文最需要對話的對象，這才是蔡英文的最後一哩路。
- Ai時代，現有電腦架構美中不足
- 軟硬整合，突破類比運算一大障礙？
- 運算時間從微秒縮至奈秒！
面對人工智慧(AI)時代的到來，主流的電腦設計架構 – 又稱馮紐曼架構 (Von Neumann Architecture) – 已逐漸面臨設計上的侷限。當下，量子運算與神經型態運算(Neuromorphic computing)被認為是可能的替代方案。Rain Neuromorphics便在後者大放異彩。 創立於2017，Rain推出的神經型態處理器(Neuromorphic processing unit, NPU)結合了團隊開發出的平衡傳播(Equilibrium Propagation)訓練演算法與一個嶄新的類比晶片架構。與現有的AI系統相比，公司宣稱此軟硬體組合能大幅加快運算速度並減少能耗。 從硬體層面來看，Rain設計的NPU試圖模擬人腦神經細胞：晶片的CMOS層可比擬神經元，而...
確切來說，Rain Neuromorphics在軟硬整合上做出的突破有機會克服在類比硬體上運行神經網路的一大障礙。與邏輯晶片相比，利用全類比晶片進行AI訓練與推論可大幅減少功耗。雖然市面上已經有ASIC晶片利用憶阻元件作為記憶體單元，並達到優於CPU和GPU的功耗，但其中的數位類比轉換器(DAC)與類比數位轉換器(ADC) 仍十分耗能。此技術侷限也讓市面上的晶片難以承擔用於AI訓練所需的反向傳播法(Back-propagation)。 因此，如Rain技術長Kendall所言，其他類比晶片公司迴避AI訓練，反而專注於AI推論。為何Rain做得到？2020年，Rain團隊在與AI教父Yosha Bengio在一篇報告中揭露了雙方多年的合作心血：研究人員利用憶阻器的縱橫閂(crossbar)陣列...
Rain Neuromorphics 在2019年採用台積電180奈米製程試產了基於其類比架構的測試晶片MN3，並在2011年首次試產了結合公司自製軟硬架構的晶片。據公司所稱，未來產品將能縮至40奈米，首代晶片將在2025年開始量產，支持影像、聲音、自然語言處理，且能耗將低於50瓦。Rain之前展示的晶片也已顯著縮短執行AI推論(Inference)的速度，號稱能將運算時間從數百微秒縮至數百納秒。 本文開放夥伴轉載，資料參考：EETimes，圖片來源：Shutterstock
2021年11月22日 · 2021-11-22. 分享本文. 【為什麼我們要挑選這篇文章】中國已經找到彎道超車的新撇步了嗎？. （責任編輯：鄒昀倢）. 半導體摩爾定律面臨物理極限，能讓晶片再微縮、運算效能再提升的小晶片（Chiplet）和先進封裝技術，已成為全球半導體晶片設計、製造 ...
2021年8月30日 · 中央社. 2021-08-30. 分享本文. 【為什麼我們要挑選這篇文章】全球半導體大缺貨，除了先進製程晶片外，成熟製程晶片也是供不應求的狀況。 全球僅有台積電等少數晶圓廠有能力製造先進製程晶片，但能製造成熟製程晶片的晶圓廠相對多很多，為何成熟製程晶片還會缺貨？ 而這類晶片的缺貨，對科技產品供應鏈產生什麼影響？ （責任編輯：郭家宏） 半導體晶圓成熟製程產能塞爆，整體觀察，微控制器、濾波器、面板驅動晶片、功率元件和電源管理晶片、時脈控制器、感測元件，加上被動元件七大元件缺料，半導體原材料和關鍵零組件缺貨也產生長短料問題。 這讓上游晶圓代工廠笑開懷，但是中游模組廠商壓力沉重，下游包括筆記型電腦、手機等消費電子以及汽車和電動車廠商出貨產生隱憂，形成電子資通訊產業「上肥下瘦」的特殊情景。
2020年6月1日 · 聯電近年採取兼顧財務體質改善及持續成長的經營策略，簡山傑與王石說，目前已看到調整成效，不僅去年度盈餘預計每股配發新台幣 0.75 元現金，為 9 年最高水準，今年來產能利用率也維持 90% 以上高檔水位。
2019年12月24日 · 此外，鄭敬伶不只是台灣首位的工地女主任，她更打破「女性不能進隧道」禁忌，一肩扛起 340人的生命，完成南迴公路的任務。她是如何做到的？讓我們一起來看。（責任編輯：徐子捷）
2022年3月7日 · 由流線傳媒創辦人戴季全主持的 Podcast 頻道「全新一週」，本集工作小組特地前往新竹，在 100% 由台灣研發的自駕車內，訪問工研院機械所數位長王傑智。 工研院機械所數位長王傑智曾在蘋果特別產品部 （SPG）擔任要職，投入自駕車研究多年，從美國回來後，帶領台灣團隊進行研發，是台灣國產自駕系統研發重要核心人物。 台灣自駕車的研發過程中，究竟遭遇到了哪些挑戰？ 台灣為何要自己研發自駕車？ 這次主持人和來賓王傑智來到工研院，並現場搭乘台灣研發的自駕車。 工研院園區路上有行人、斑馬線、路邊也有很多車，就和一般道路沒什麼不同。 王傑智表示，由於自駕車要去外面道路測試需要申請，因此在測試自駕車時，盡量讓園區內部道路和外面一樣，以方便自駕車進行測試。
