0件商品
突破記憶體牆成AI運算課題 SRAM扮演自駕SoC低延遲推論要角
DIGITIMES觀察，當AI應用由訓練轉向推論，記憶體牆成為AI運算核心課題，高頻寬、大容量及強散熱成為支撐AI高效運算鐵三角。隨著自動駕駛系統的泛化能力因AI模型導入得到提升...
目錄
- AI推論的記憶體牆困境與解方
- 半導體元件微縮瓶頸與NVIDIA歷代GPU效能
- 2.5D封裝結構與效益
- 基於HBM、SRAM於AI運算效益及代表案例列舉
- PIM、PNM運算架構差異
- 車用SoC記憶體規格升級
- Waymo導入Google、DeepMind模型實例
- Waymo自研ASIC設計目標及產品規格
- Waymo carTPU架構組成及規格參數
- 自駕SoC晶片架構及記憶體規格
- Tesla FSD晶片架構及硬體平台規格對照表
- NVIDIA Drive晶片架構及硬體平台規格對照表
- 高通Snapdragon Ride晶片架構及硬體平台規格對照表
- 結語
- AI推論困境及自駕SoC記憶體升級路徑
相關報告
關鍵字
加入已選取到「關鍵字追蹤」
使用者登入
服務加入辦法
若想立刻加入付費"Research"會員，請洽詢
客服專線：
+886-02-87125398。(週一至週五工作日9:00~18:00)
客服信箱：
member@digitimes.com (一個工作日內將回覆您的來信)
- 追溯至2000年，洞察產業脈動
- 優質報告，助攻精準決策
- 八大主題，23產業頻道涵蓋
- 七大全球數據庫，掌握市場趨勢
