Китайская компания Intellifusion объявила о выпуске ИИ-боксов DeepEyes, изготовленных с использованием 14-нм технологического процесса и стоимостью всего 1000 юаней (около $140). Устройство, предназначенное для области искусственного интеллекта (AI), обещает снижение затрат на аппаратное обеспечение AI на 90% по сравнению с обычными графическими процессорами (GPU).
Для первой модели DeepEyes, выпуск которой запланирован на первое полугодие 2024 года, будет использоваться однокристальная система (SoC) DeepEdge10Max, которая обеспечит производительность 48 TOPS (INT8). В дальнейшем, при выпуске модели во втором полугодии 2024 года, будет использоваться SoC DeepEdge10Pro с производительностью до 24 TOPS. На первое полугодие 2025 года запланировано внедрение SoC DeepEdge10Ultra, способной обеспечить пиковую производительность до 96 TOPS. Однако, стратегия ценообразования и сохранение цен на уровне 1000 юаней требуют дальнейшего обсуждения и уточнения.
Ядром архитектуры DeepEyes является инновационный чип NNP400T для нейронных сетей, разработанный компанией Intellifusion. Чип объединяет мощный процессор RISC с частотой 1,8 ГГц и 2 + 8 ядрами и GPU с максимальной частотой 800 МГц (модель DeepEdge10). Ключевым компонентом системы является высокопроизводительный процессор нейронных сетей (NPU), который повышает общую производительность системы. Для соответствия требованиям Microsoft по производительности ИИ-ПК требуется минимум 40 TOPS, а разработки Intellifusion являются многообещающими. По сравнению с текущим уровнем производительности чипов NPU на уровне всего 16 TOPS, китайский чип выглядит перспективным. Ожидается, что будущие чипы Snapdragon, способные обеспечить производительность 40 TOPS, станут новым стандартом в отрасли.
Доктор Чэнь Нин, председатель Intellifusion, предсказывает, что в ближайшие три года доля компаний, активно использующих большие языковые модели ИИ, достигнет 80%. В этом контексте значительные затраты на разработку и обучение передовых моделей ИИ, которые могут достигать десятков миллионов долларов, а также затраты на приобретение специализированного оборудования становятся серьезным препятствием для большинства компаний. Intellifusion предлагает технологии, направленные на решение этой проблемы, предлагая высокоэффективные и при этом экономичные решения для обучения и интеграции больших языковых моделей ИИ.
Российские производители электроники сталкиваются с проблемой неравных условий конкуренции
Производители электроники обратились к новому министру промышленности и торговли с просьбой о дополнительной поддержке и смягчении некоторых обязательств, в чём ранее им было отказано. Ассоциация российских разработчиков и производителей электроники (АРПЭ) направила письмо с этой просьбой Антону Алиханову. 28.06.2024 158 0 0На объект Сибирского кольцевого источника фотонов (СКИФ) поставили первое высокотехнологичное оборудование
Первое высокотехнологичное оборудование поставили в Центр коллективного пользования Сибирский кольцевой источник фотонов (СКИФ), который сейчас строится под Новосибирском, начался его монтаж. Об этом сообщил журналистам полномочный представитель президента России в СФО Анатолий Серышев. 28.06.2024 142 0 0Научный комплекс СКИФ начнёт промышленную эксплуатацию в 2026 году недалеко от Новосибирска
Центр коллективного пользования «СКИФ» (Сибирский кольцевой источник фотонов) начнёт промышленную эксплуатацию в 2026 году после завершения пусконаладочных работ в 2025 году, сообщил директор Института катализа СО РАН Валерий Бухтияров. 28.06.2024 155 0 0Специалисты МИЭТ разрабатывают программу на основе искусственного интеллекта, которая будет способна предсказывать очередное серийное убийство
Специалисты Московского института электронной техники (МИЭТ) создают программу на базе искусственного интеллекта, способную предугадывать место и время следующего серийного убийства. Алгоритм будет прогнозировать на основе данных о предыдущих преступлениях со схожим почерком, а также анализируя ранее раскрытые дела подобного рода из архива. Разработчики уже определили около 250 кейсов, которые послужат основой для обучения нейронной сети. 28.06.2024 155 0 0