具身智能代表了人工智能发展的关键跃迁——从虚拟世界的符号推理迈向物理世界的具身交互。

在 GPU 中，线程是以 warp（通常是 32 个线程）为单位进行调度的。所有线程在同一个 warp 内执行相同的指令。

混合精度训练是一种优化深度学习 训练过程的技术，通过结合使用不同精度的数据类型，在保证模型性能的同时，显著减少内存消耗，并加速训练过程。

人工智能数据中心不仅带来了巨大的计算能力，同时也伴随着显著的能源消耗和环境压力。

在 OpenGL 中，实例化渲染技术允许开发者高效地绘制多个相同的几何体实例。

随着人工智能技术的不断进步，语音识别技术在近几年取得了显著发展。

RVA23 标志着主流 CPU 性能扩展方式的一个转折点。它强制要求使用 RISC-V 向量扩展 (RVV)，从而将结构化、显式并行计算提升到与标量执行相同的架构地位。

模型并行 是一种训练优化技术，旨在解决超大规模模型的训练问题。其核心思想是将模型的不同部分分配到不同的计算设备，以克服单个设备无法容纳大模型的问题。

在汽车功能安全领域，遵循ISO 26262标准进行开发已成为行业共识。

随着行业迈入2纳米以下制程，GPU设计正遭遇严峻的物理极限。