生成式人工智能（GenAI）——帮助优化全球功率最密集的计算应用

训练生成式人工智能（GenAI）神经网络模型通常需要花费数月的时间，数千个基于GPU并包含数十亿个晶体管的处理器、高带宽SDRAM和每秒数太比特的光网络交换机要同时连续运行。虽然人工智能有望带来人类生产力的飞跃，但其运行时能耗巨大，所以导致温室气体的排放也显著增加。

英飞凌推出CoolSiC MOSFET 400V，重新定义AI服务器电源的功率密度和效率

随着人工智能（AI）处理器对功率的要求日益提高，服务器电源（PSU）必须在不超出服务器机架规定尺寸的情况下提供更高的功率，这主要是因为高级GPU的能源需求激增。到本十年末，每颗高级GPU芯片的能耗可能达到2千瓦或以上。

AI服务器市场有多大?被动元器件的机会来了

AI服务器迎来了一波抢单潮。作为核心器件的GPU、CPU、被动元器件等将会受益多少？

4nm封装技术实现：得先进封装技术者，得天下

7月1日，长电科技发文称公司已实现4nm手机芯片工艺制程的封装，以及CPU、GPU和射频芯片的集成封装。先进封装技术的突破对于芯片制造具有重要意义，未来，得先进封装技术者，得天下。

面对芯片难题 这样应对也许是最好的方式

本文主要介绍了芯片，华为在芯片领域放弃了投资和发展，在手机芯片方面，除了工艺可以达到全球顶尖水平外，还需要CPU核，GPU图像处理器等，而华为海思和中芯国际是中国芯片的龙头企业。

聊一聊GPU和FPGA之间的不同

很多人都说FPGA太难明白了，总是分不清FPGA与GPU，那么今日小编整理了一些有关GPU和FPGA的小知识，下面就和小编一起来区分下GPU和FPGA之间的不同吧！

这两家企业在FPGA领域中的故事

说到GPU大家都认识吧?简单地说它是一种可以在设备上做微处理器的，而FPGA目前就是CPU较大的“敌人”，在芯片领域上我想大家都认识赛灵思与英特尔这家龙头企业，本文会详细介绍到这两家企业之间的故事，以及为什么FPGA现在是GPU较大的“敌人”。

MathWorks增加对NVIDIA GPU Cloud (NGC)和DGX系统的支持

MathWorks 今天宣布为 DGX系统和其他支持 NGC平台，基于NVIDIA GPU Cloud (NGC) 容器注册表提供新的 GPU 加速容器。研发人员现在可以利用 NVIDIA DGX 系统中或受支持云服务提供商的多个 GPU ，或选择 PC 和工作站上的 NVIDIA GPU，应用 MATLAB 中的深度学习工作流程。

AI芯片对比：GPU/FPGA/ASIC/类脑芯片

适用于 FPGA、GPU 和 ASIC 系统的电源管理

在 FPGA、GPU 或 ASIC 控制的系统板上，仅有为数不多的几种电源管理相关的设计挑战，但是由于需要反复调试，所以这类挑战可能使系统的推出时间严重滞后。不过，如果特定设计或类似设计已经得到电源产品供应商以及 FPGA、GPU 和 ASIC 制造商的验证，就可以防止很多电源和 DC/DC 调节问题。