AI Agent黎明将至，CPU重掌计算中枢
多一个点在看多一条小鱼干当众人仍聚焦算力峰值时，芯片巨头已悄然转移战场若你今日查阅英伟达、高通、英特尔的官网，或研读其近期技术发布会记录，会发现一个意味深长的共同焦点——AI Agent。更确切地说：它们不约而同地强调同一观点——在即将到来的AI Agent时代，CPU的地位将变得空前关键，甚至可能再度成为整个计算架构的“总调度”。众所周知，过去两年多，GPU一直是AI领域无可争议的核心。从大模型训练到对话推理，GPU算力几乎等同于“AI国力”。英伟达的H100、B200一度被炒至单块4万美元，黄仁勋的皮
群联PCIe 6.0主控即将就绪：2TB单盘、28GB/s极速
快科技6月3日讯，在台北电脑展期间，群联推出了全新的PCIe 6.0 SSD主控“PS5303-X3”，其读写性能令人惊叹。 早在今年初的CES展会上，群联就首次亮相了该方案，当时采用的是大尺寸验证主板；而到了4月的深圳闪存峰会，SSD原型设计已告完成。 眼下，该方案已基本定型，计划于12月向客户送样，预计明年中期实现量产出货。 群联X3具备16通道设计，支持PCIe 6.0 x4接口及NVMe 2.3协议，理论带宽高达32GB/s，单盘最大容量可达2TB。 作为企业级产品，它还兼容OCP 2.3规范，并
人类大脑与人工智能的惊人相似性
1.人类大脑本质上就是人工智能，只是碳基与硅基的差异，两者都通过电信号进行响应。2 人脑的核心驱动力是生存和繁衍。3人的四肢行动，五官感知都相当于传感器和执行器。4人的休息状态，相当于AI离线蒸馏+数据整理，夜间清除白天的无用冗余数据、压缩存储记忆、优化神经连接，这与大模型离线蒸馏、清理无效参数完全一致。人的成长过程，基因提供基础预训练权重，后天经验相当于增量微调和强化学习训练。5 因此人脑与ai的核心本质相同：都具备预测能力智能，人脑时刻在进行未来预测：判断落地距离、预测他人话语、预判食物味道，一切都在
英特尔锐炫 G3 Extreme：半功耗追平 AMD，但售价却令人咋舌
IT之家 6 月 2 日消息，英特尔高管 Tom Peterson 昨日接受 Gamers Nexus 采访时，透露了其专为掌机打造的锐炫 G3 和 G3 Extreme 平台。 这两款芯片均基于 Panther Lake 架构，使用 Intel 18A 工艺制造，CPU 拥有 14 个核心（2P+8E+4LPE）。主要区别在于 GPU：G3 Extreme 拥有 12 个 Xe 核心的 Arc B390 核显，而 G3 则是 10 个 Xe 核心版本。 在性能与能效方面，英特尔表示，与上一代 Lunar
AI 狂飙背后的电力困局解析
AI 技术的井喷式爆发，正迫使电力演变为一种稀缺战略资源。究其核心矛盾其实并不复杂：算力需求正呈指数级飙升，而电力基建的扩张速度却远远滞后于这一节奏。我们不妨从三个关键维度，将这一问题剖析透彻。首先，AI 的能耗水平远超传统计算任务，这是最直接的诱因，主要体现于两个环节。一是训练阶段。培育一个大型模型，往往需成千上万张 GPU 日夜不息地运转数月。以 GPT-3 为例，单次训练耗电量约为 1287 兆瓦时，足以支撑一个美国家庭 120 年的用电需求。而规模更庞大的 GPT-4，其能耗更是前者的数十倍。若计
AI PC散热难题破解：释放算力潜能，告别高热卡顿
01引言人工智能浪潮席卷PC领域，配备了NPU专用算力单元的AI电脑，彻底改变了传统设备的性能架构。无论是日常办公创作、本地大语言模型运行，还是AI绘图、视频渲染及实时语音互动，端侧智能的普及为PC带来了全新的性能飞跃。然而，伴随而来的却是指数级上升的整机功耗以及严重的热量堆积难题。与旧式电脑仅靠CPU和GPU产热不同，AI PC通过CPU、GPU与NPU的三芯协同工作，在多热源高负荷运行时，导致整体热流密度急剧攀升。设备降频、机身过热、噪音扰人、电池续航骤减……这些用户切身体会到的痛点，正严重阻碍着AI
AI 算力互联枢纽：有源电缆全球霸主 CRDO 深度解析
点击上方蓝字☝，即刻订阅我们AI 数据中心高速互联 · 有源电缆 (AEC) 全球领军者CRDO企业概况Credo 是一家深耕高速、低功耗及系统级连接方案的无晶圆厂（Fabless）半导体企业，堪称 AI 数据中心"连接层"的关键供应商。公司最具决定性的战略转型，在于从初期的 IP 授权模式转向以实体产品为核心。在 2025 财年，产品销售与工程服务共同贡献了约 97% 的总营收，这不仅使其能从每个单元中挖掘更高价值，更成功与亚马逊、微软等超大规模云服务商建立了直接合作纽带。核心优势与最新技术进展关键竞争
AI芯片的计算革命
AI并非简单的软件更新，而是一场计算领域的彻底变革。AI芯片并非“更强的CPU”，而是为适应AI计算需求而重新构建的全新计算架构。在互联网时代，计算机主要进行逻辑运算和顺序执行——例如打开浏览器、发送微信、查询数据库等，CPU的几个核心已足够应对。然而，AI的核心在于海量的概率计算。当你向ChatGPT提问时，它在瞬间完成的回答背后，涉及万亿次的矩阵运算。CPU虽然聪明，但“人手”不足。👨🏫传统计算CPU = 数学教授聪明，能解微积分。但——并行处理能力有限。👦👧👦👧AI 计算GPU = 一万个小学生不
深耕端侧AI赛道 安凯微发布AI眼镜技术新方案
●●●2026年5月27日至29日，第十届集微大会在上海盛大开幕。广州安凯微电子股份有限公司（简称“安凯微”，股票代码：688620）受邀参会，并在大会端侧AI峰会上发表了题为《AI眼镜——端侧AI落地的“第一视角革命”》的主题演讲。安凯微AI眼镜市场负责人朱经言深入探讨了端侧AI的爆发契机、AI眼镜的核心价值、技术实现的可行性以及商业化路径，全面阐述了安凯微在AI眼镜领域的全栈技术布局、前沿技术突破及落地成果，展示了公司在新兴AI硬件赛道的深厚底蕴。孔明系列AI眼镜专用SoC芯片安凯微是国内极少数能基于
AI 产业链深析⑤：功耗激增下，电源成数据中心核心瓶颈
审视 ChatGPT，宛如审视一辆汽车。然而这辆车存在隐患：能耗过高，补给站点不足。AI 训练并非单张显卡运作，而是数千张显卡协同作业。单张 Blackwell 显卡功耗达 1000W，若数据中心部署数万张，便如同数万台电热水壶同时沸腾。芯片已非制约因素，电力才是关键。电源恰似汽车的油箱与加油站。即便打造了超级跑车（GPU），配备了千匹马力引擎。倘若油箱过小（电源功率不足），或加油站稀缺（电网不稳），车辆依旧无法疾驰。AI 数据中心对电源的标准极为严苛：AI 数据中心的能耗令人咋舌？此乃何种概念？77.7
边缘AI重塑未来：迈向智能与可持续新时代
Stéphane Henry，意法半导体边缘AI解决方案副总裁人工智能（AI）正演变为一股颠覆性力量，深度重构我们的日常生活。从实时追踪健康的可穿戴穿戴，到提升行车安全的无人驾驶，AI正在彻底革新我们与世界互动的方式。智能工业装备能自主规划维护周期。随着设备实现线上线下无缝协同，虚实界限正逐渐消融。这样的未来并非遥不可及，而是已然降临。这场变革的基石是边缘人工智能。通过将AI算力部署在数据产生的源头，边缘AI能显著降低对云端处理的依赖。面对全球数据爆发式增长、能耗激增及可持续发展等多重挑战，将人工智能从云
存储芯片黑马股现身，AI算力+先进封装双驱动
真诚提示各位投资者！别再盲目追逐高价股了！回顾过往的医药、白酒和新能源热潮风险往往随涨幅而来，真正的机遇却常隐藏在低位但具备坚实逻辑的标的中！当前最具确定性的投资主线，正是存储芯片、先进封装与AI算力三者叠加所带来的巨大潜力有一只股价仅8元的公司，同时布局国产存储双巨头、掌握自研算力芯片、切入先进封装赛道，堪称独一无二全A股仅此一家！AI时代的核心逻辑可以概括为：存储是数据的石油，封装是性能的骨架，算力是增长的引擎！能同时覆盖这三大核心领域的公司，其成长空间才刚刚开始！一台AI服务器需要TB级存储支持，H
端侧AI营收超25%，炬芯科技能否真正落地？
云端AI正在弥补短板，端侧AI同样如此。不同之处在于，云端可以通过资本支出堆叠服务器，而端侧产品不具备这一条件。耳机、眼镜和手表等设备电池小，散热空间有限，且芯片面积受限。要在这些设备上运行本地AI功能，难点不在于口号，而在于功耗、算力和出货量。我们需要从这个角度审视炬芯科技：存内计算能否将低功耗AI能力植入耳机、音箱、手表、AI眼镜和健康监测设备中，并产生稳定的收入。一、端侧AI的核心痛点：小设备能否承载AI服务器竞争的是系统效率，端侧设备也是如此。贴上AI标签很容易，但真正的挑战在于终端设备能否运行本
端侧AI崛起：算力为何“下沉”车间？
展望2026年，开源AI智能体框架将迎来爆发，"本地优先"理念不再局限于边缘计算，而是成为制造车间的硬性指标。数据留在本地、决策不依赖云端、反应即时响应——随着智能体从"云端大脑"蜕变为"车间神经末梢"，一场关于算力下沉的深刻变革正在上演。从"被动响应"迈向"主动决策"传统工业AI深受"云端依赖"困扰：设备先采集数据上传，待云端模型推理后再下发指令。这种"往返式"流程让车间设备沦为"感知器官"，云端成了唯一的"大脑"。一旦网络波动或中断，决策链条便会瘫痪。延迟是核心痛点，百毫秒级的网络往返足以让高速产线的
北大AI研究院实现高密度脑机接口芯片突破
近日，北京大学人工智能研究院唐希源团队发布了一款用于高通道脑机接口的多尺度神经信号接口SoC芯片，相关成果在IEEE CICC会议上进行了展示。图1：芯片显微照片该芯片集成了8通道跟踪缩放式模拟前端与256通道多尺度特征提取器，通过伪电阻嵌入式纹波抑制环路降低斩波频率，在仅0.18μW的参考功耗下实现了89.5dB的动态范围；同时采用流式尖峰特征提取方法与数字存内计算局部场电位特征提取设计，实现尖峰与局部场电位的同步特征提取，将输出数据率压缩超过1500倍，且尖峰通路每通道仅需0.00013mm²面积，为