搜尋

會員登入

搜尋

導覽

會員
廣告
廣告
類別:
關鍵字:

搜尋「記憶體」,共 12387

AI晶片供應鏈的在地化,正從GPU與伺服器進一步延伸至高頻寬記憶體(HBM)。SK hynix於美國印第安納州West Lafayette正式啟動先進封裝基地,投資逾40億美元,規畫2029年下半年開始量產下一代HBM,並且明確將HBM4E

NVIDIA近日宣布推出最新NVIDIA Jetson Orin Nano 2機器人電腦,將重新定義入門級邊緣 AI,讓數百萬名開發人員都能運用先進等級的生成式AI效能,打造各式機器人、配送與巡檢無人機及視覺 AI 系統,以支援先進物理(P

生成式AI競爭正由模型參數與訓練算力,進一步轉向「推論經濟學」。OpenAI公布首款自研推論ASIC「Jalapeno」實測結果,透過晶片、HBM、網路與Serving軟體協同設計,試圖同時突破高吞吐量與低延遲難以兼得的限制,核心指標也由傳

AI運算需求正快速成長,對資料中心基礎設施的要求也隨之提升。要滿足此需求,必須全方位進行創新:CPU、GPU、網路技術、軟體、電力與散熱技術皆需在機櫃與資料中心層級高效協同運作。提升能源效率有助於在不增加功耗的前提下,提供更強大的AI效能,

在半導體產業過去數十年的發展歷程中,摩爾定律始終是算力競賽的最高指引——只要縮小電晶體尺寸,就能換取更高的效能與更低的能耗。然而,隨著先進製程邁向 2 奈米、進入環繞式閘極(GAA)架構與晶背供電(如 A16)的極限領域,物理邊際效益顯著遞

imec的量測專家在本文帶領讀者探索深耕40年的晶圓廠量測與檢測技術,瞭解圖形化和元件創新歷史的四大時期,提供imec前瞻量測發展藍圖,其發展動力與多項重大挑戰相關,包含尺寸微縮和3D技術的興起,還有成本和永續發展需求。

當生成式AI進入PC,市場很容易沿用過去的升級想像:處理器更快、記憶體更大,下一代電腦自然就會取代上一代。

AI PC的競爭常被濃縮成一個數字:NPU有多少TOPS。然而,一部真正可用的AI PC,從來不是把一顆NPU放進既有筆電就完成。

AI進入個人電腦,市場最容易形成的想像,是每一部PC都會沿著同一條路線升級:更高TOPS、更大的記憶體,以及能在本地運行大型模型的GPU。

生成式AI與大型資料中心持續推升GPU、AI ASIC及高頻寬記憶體(HBM)需求,全球半導體競爭焦點正由先進製程延伸至先進封裝。近期台積電擴大部分CoWoS製程委外,加上SK海力士加速美國與韓國先進封裝投資,顯示AI晶片產業面臨的關鍵瓶頸

SK海力士規劃投資約38.7億美元,在美國印第安納州西拉法葉(West Lafayette)建立HBM先進封裝生產及研發基地,並與普渡大學等研究機構合作。官方規劃顯示,新基地預計2028年下半年投入營運,將成為美國重要的HBM先進封裝據點。

迎接AI基礎設施擴大需求,施耐德電機Schneider Electric 與超微半導體AMD近日正式發表,經雙方共同開發並完成工程驗證的 AMD Helios 機櫃級解決方案參考設計,為企業打造了可擴展的標準化基礎架構藍圖,縮短規劃週期,以

AI伺服器持續推升高頻寬記憶體需求,2026年HBM市場正式由HBM3E跨入HBM4世代,產業成長紅利開始由三星電子、SK海力士等記憶體大廠,向韓國半導體設備供應鏈快速擴散。隨著HBM4進入量產,以及12層、16層堆疊技術持續演進,TC B

每一代全新的加速運算技術,都對底層基礎設施提出更高要求,包括更強大的運算效能、更高的機架密度,以及更高效且可擴展的配電能力。真正的瓶頸不只在於供電瓦數,更在於電力從電網被輸送至 GPU的方式。 在傳統供電架構中,電力透過交流電(AC)從電網

提升AI晶片供給,關鍵不只在晶圓產能,更在於先進封裝、測試與量測能力能否同步跟上。隨著製程持續微縮、晶片與封裝架構日益複雜,測試不僅要驗證功能與效能是否符合要求,量測更需精準掌握製程參數與微小偏差。由於AI晶片價值與複雜度持續攀升,也讓測試