搜尋

會員登入

搜尋

導覽

會員
廣告
廣告
類別:
關鍵字:

搜尋「頻寬」,共 6090

低功耗可程式設計元件及平台韌體領域供應商萊迪思半導體(Lattice )推出全新Lattice Mach-N2 FPGA系列,適用於安全控制FPGA領域。Mach-N2專為現代基礎設施中的系統控制與安全需求打造,基於Lattice Nexu

AI資料中心持續擴大GPU與ASIC叢集,產業競爭焦點正從單純增加運算晶片,轉向如何高速搬移資料。GlobalFoundries與Marvell宣布擴大多年合作,提高美國Vermont廠高效能矽鍺(Silicon Germanium, Si

人工智慧帶動資料中心高速傳輸需求攀升,搶攻AI算力商機,經濟部產業技術司的「2026台灣創新技術博覽會(TIE)」於今(17)日登場,今年以「AI賦能創新,永續邁向未來」為主軸,規劃四大展區—創新經濟館、未來科技館、智慧永續館及發明競賽區,

HBM4將AI記憶體競爭推向更複雜的3D異質整合。除了提高頻寬與堆疊容量,新一代HBM開始把DRAM Stack與Logic Base Die、TSV及先進封裝更緊密整合,製程中的微小Void、Bump異常、Bonding偏移或TSV缺陷,

AI晶片持續拉升HBM需求,記憶體競爭正在由容量、頻寬與傳輸速度,進一步深入「良率工程(Yield Engineering)」。隨著HBM從8層、12層往16層堆疊發展,TSV、Micro-bump與Bonding結構更加密集,任何單層DR

對現代企業而言,網路早已不只是上網工具,而是支撐 ERP、雲端服務、VPN、視訊會議、跨據點連線與日常營運的重要基礎,因此,許多企業會建置第二條網路作為備援,但真正的問題是有第二條線,就代表網路一定不會中斷嗎?答案並不一定。 當主要線路發生

基於Token產能與變現能力已改變AI資料中心(AIDC)競爭邏輯,資策會產業情報研究所(MIC)於「2026 MIC FORUM Fall《躍進 AI Leap》」研討會次日,聚焦現今AIDC的競爭態勢轉變、經營關鍵議題,以及算力與網路傳

現今AI資料中心算力持續擴張,系統瓶頸正從GPU運算能力向晶片間高速互連轉移。9月9日在日本幕張登場的NEPCON JAPAN秋季展特別設置「光電融合World」區域,集中矽光子、先進封裝、光導波路及CPO等技術,並邀集NVIDIA、Cor

半導體製造面臨功耗與異質整合的嚴峻挑戰。科林研發(Lam Research)在 2026 會計年度中,科林研發全球營收達 232 億美元,研發投資規模達 24 億美元,展現其在製程技術創新的深厚底蘊。科林研發台灣區總經理郭偉毅博士於 SEM

過去十年間,全球科技產業對AI與機器學習的想像,經歷了從量變到質變的洗牌。生成式AI並非全盤否定傳統判別式演算法,而是在其精準感知、即時控制的基石上,補足了抽象思考、泛化遷移與自主推理的拼圖。

當全球人工智慧的浪潮以驚人速度從單純的語言對話模型,演進至具備自主規劃、工具調用與複雜多步驟執行能力的代理式AI(Agentic AI)時代,半導體產業的競爭焦點也迎來了根本性的典範轉移。 過去數年間,市場往往聚焦於單一GPU晶片的尖峰算力

如果把人形機器人拆開來看,最醒目的往往是AI晶片、攝影機、馬達與減速器;但真正決定它能否離開舞台展示、進入工廠與服務現場的,並不是其中任何一顆明星元件,而是各種快慢不同、風險不同的電子系統能否形成一個有秩序的整體。語言模型可以花數百毫秒理解

生成式AI帶動算力需求持續攀升,半導體競爭焦點已由單一先進製程,轉向運算、記憶體、封裝與高速互連的系統級整合。台積電在SEMICON Taiwan 2026展前論壇指出,未來AI基礎設施新增容量可能由過去每年約5至6GW,提高至30至40G

AI浪潮正從驅動晶片需求進一步延伸至參與晶片設計。隨著AI資料中心、加速運算及實體AI快速發展,半導體晶片的架構與系統複雜度持續攀升,從先進製程、HBM、先進封裝到高速互連與多物理場設計,都讓傳統依賴工程師大量人工操作的開發模式面臨挑戰。在

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

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,

AI基礎設施投資正在進入第二階段。當GPU、HBM與先進封裝持續擴產,資料傳輸、晶片載板及半導體材料也開始出現供應瓶頸,AI紅利從核心晶片向CPO光互連、FC-BGA與特殊材料快速外溢,帶動台灣、韓國與日本供應鏈重新布局。 台灣光學大廠大立