今年CES中最值得关注的一些半导体公司以及其技术.doc

《今年CES中最值得关注的一些半导体公司以及其技术.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、今年CES中最值得关注的一些半导体公司以及其技术　　CES2018于几天前圆满落下帷幕。CES作为一个世界性的电子类展会，每年都会有不少半导体公司带来最新的产品，今年也不例外。总体而言，今年CES中半导体行业发布新产品基本都围绕着人工智能，自动驾驶，IoT等风口。下面我们就来看一下今年CES中最值得关注的一些半导体公司以及其技术。　　传统巨头　　Intel　　今年CES的主题演讲就是由Intel给我们带来的，Intel的演讲围绕着“数据”二字：随着信息化社会的进一步发展，产生了海量的数据，而处理这些数据的计算设备成为了必不可少的基础设施，深入到了社会的方方面面，而Intel就是全球提供“算力”

2、的最强供货商。Intel在演讲中列举了一些最热的应用，包括VR，自动驾驶，量子计算等等。　　Intel的展台则是围绕着5G通讯、自动驾驶和AI的主题展开。在5G方面，Intel想要挑战高通的传统领头羊位置，在自动驾驶方面，Intel从传感器（经由收购的子公司Mobileye）和算力（处理器）两个角度同时发力，在AI方面则展示了Movidius最新的芯片MyriadX，可以实时完成电影视频片段中的物体识别。　　　　由以上的展示内容，我们不难发现Intel清楚地认识到在未来的信息化智能世界中，数据以及算力将会是必不可缺的资源。Intel传统的强项在于算力，因此为了能给传统的算力优势提供数据这一燃料

3、，Intel加强了5G数据连接方面的投入，收购了能提供大量自动驾驶数据的Mobileye，而收购Movidius则一方面能打入终端智能市场，另一方面也希望借助Movidius收获物联网中的数据。　　Nvidia　　Nvidia已经成为深度学习硬件领域的王者，今年则是把重头戏放在了潜力巨大的自动驾驶领域。在展馆中，Nvidia展示了多个基于自家自动驾驶硬件平台的自动驾驶demo，而其中最引人关注的要数最近将要上市的XavierSoC芯片系统，　　Xavier芯片去年在CES展上发布，今年则公布了成品芯片并且宣布将要在2018年正式上市。XavierSoC包括了用于控制的CarmelARM64CP

4、U，用于图像预处理的ISP，以及用于视频编解码的专用视频处理单元。在我们最关心的机器视觉部分，Xavier首先包括了能加速立体视觉、光流（opticalflow）等经典算法的PVA模块，该模块能提供1.4TOPS的计算能力。此外Xavier还包含了一块基于Volta架构的GPU，可以提供高达20TOPS的TensorCore计算（2x2矩阵运算）能力，另外Xavier还包含了一块专门用于加速低精度深度学习计算的DLA，可以提供5TOPS的16位定点数计算能力或10TOPS的8位顶点数计算能力。整个Xavier的功耗在30TOPS左右。　　　　与Intel、Qualcomm等其他巨头在各个应用方

5、向都不放过不同，Nvidia选择了全力投入赌自动驾驶。这个策略是否能为Nvidia带来新的辉煌，让我们拭目以待。　　Qualcomm　　Qualcomm今年在CES中带来了围绕Snapdragon平台的各种多姿多彩的应用。首当其冲的是5G超高速率无线连接，无线通信是Qualcomm的传统强项，因此在5G技术领域Qualcomm也是志在必得。在5G以外，Qualcomm还展示了各种“无线+”技术。例如，基于低功耗Snapdragon的IoT系统，低于高性能Snaodragon的VR系统以及以车联网技术为亮点的无人驾驶技术。　　　　Qualcomm的VR技术展馆　　总体而言，Qualcomm和In

6、tel的情况有些相似，都是属于在之前的科技潮流中掌握了巨头的位置，而面对新的技术趋势则需要重新出发才能不至于被人赶超。在PC时代崛起的Intel错过了移动设备这一波，因此唯恐再错过下一代的风口；而借助移动设备这一波崛起的Qualcomm则显然不想重复Intel的前车之鉴，因此在有可能成为下一代风口的技术中都四处下注，想要在VR、IoT、自动驾驶等全新领域都分一杯羹。那么Qualcomm这种四处下注的策略与Nvidia全部压宝自动驾驶的策略究竟谁能笑到最后，就要等多年后才能见分晓。　　新兴力量　　Novumind（异构智能）　　Novumind是一家硅谷的初创公司，由原百度深度学习研究院的杰出科

7、学家吴韧创立。Novumind在今年CES上展现的是一款名为NovuTensor的深度学习加速芯片，该芯片主要强调强劲的算力，可以成为未来人工智能时代的赋能硬件。其性能直接对标Nvidia芯片：在CES展示中，NovuTensor的FPGA原型（100MHz时钟）实现可以在每秒完成300张基于ResNet-18网络的图像识别，而使用NvidiaJetsonTX2每秒只能完成90帧ResNet-18