AI推理新纪元：芯片逻辑重塑
从英伟达的巨额投资，到初创企业密集推出产品，再到资本市场对这些企业展开估值，可以清晰看出，在AI推理阶段，行业竞争焦点已从“更大模型”逐步转向“更高效模型”。AI芯片产业的核心逻辑，正从训练算力向推理效率转变。在2022年生成式AI爆发初期，行业竞争的核心集中在模型训练上。谁能训练出最强模型，谁就占据竞争优势。因此，大量资本涌入参数规模和芯片资源堆叠，以追求模型能力与规模的飞跃。但随着AI服务进入常态化部署阶段，成本结构已发生改变。训练属于高资本投入、低频次的研发行为，而推理则是高频、长期的持续性成本，并
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
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
三维集成铁电晶体管助力AI硬件发展
大家好，今天为大家介绍一篇2026年4月21日发表在Small期刊上的研究文章，题为"面向人工智能硬件的三维集成铁电晶体管探索"。该文第一作者为Hyunho Seok，通讯作者为Taesung Kim。当前人工智能（AI）应用对能耗和数据传输带宽的要求越来越高，这使得传统冯·诺依曼架构面临数据传输瓶颈的问题愈发突出。存内计算（Compute-in-Memory）和神经形态系统为此提供了潜在的解决思路，但如何实现高可靠性的多层三维（3D）集成仍是一大挑战。本研究介绍了一种单片三维（M3D）集