4款玄铁RISC-V芯片亮相!

简介: 在首届“滴水湖中国RISC-V产业论坛”上,10款芯片集中发布,其中博流智能、爱普特、晶视智能、凌思微等公司共发布4款基于平头哥玄铁RISC-V处理器设计研发的芯片。

今天,4款采用平头哥玄铁RISC-V系列核的芯片集体亮相。

在首届“滴水湖中国RISC-V产业论坛”上,10款芯片集中发布,其中博流智能、爱普特、晶视智能、凌思微等公司共发布4款基于平头哥玄铁RISC-V处理器设计研发的芯片。

这些芯片覆盖高性能、低功耗等不同需求,可广泛应用于智能语音、AI视觉、工业控制、车联网等领域。

  • 博流智能 | 多模无线连接智能语音SoC芯片BL606P:

基于玄铁RISC-V处理器设计,单芯片高度集成玄铁C906和E907处理器、SRAM、多模无线连接、音频Codec及屏显和外设接口等,可广泛用于智能语音场景。

image.png

  • 晶视智能 | AI视觉SoC芯片CR182x:

高度集成了双核玄铁C906处理器、0.5T NPU和Smart ISP等,是业内同档产品中集成度最高的产品之一。

晶视智能COO黄群辉介绍称,平头哥基于RISC-V在视觉AI领域做了大量代码优化,并配套了面向行业的基础软件和算法,大大推进了RISC-V芯片的落地。

  • 爱普特 | 64位通用MCU APT32F706:

集成玄铁C906、E907双核,实现最高主频600MHz的高性能,适合用于工业人机接口应用(HMI)、电机控制和家电类主控产品。

爱普特副总经理兼董事袁永生表示,与平头哥的合作,有效解决了软件生态难建、软件开发工具链不友好和芯片系列丰富度不够,这三大现阶段RISC-V在通用MCU领域面临的难题。

  • 凌思微 | Wireless MCU LE503x:

基于玄铁E902研发,极低功耗实现车规级的高性能。接口丰富,可适用于多种低功耗蓝牙通信应用场景,如汽车、穿戴、家居等物联网场景。

凌思微副总裁王镇山说:“采用平头哥RISC-V核,有效帮助凌思微快速部署和实现设计要求,更大限度地缩短设计迭代周期,实现产品更快上市。”

image.png

AIoT时代对软硬件提出快速迭代、需求定制等全新要求,RISC-V架构开放、精简、灵活,与之高度匹配,成为当下炙手可热的芯片指令集架构。多方数据预测,2025年全球RISC-V芯片出货量将超600亿颗,产业新浪潮逼近。

目前,平头哥旗下玄铁系列处理器出货量超25亿颗,超150家企业基于玄铁系列处理器设计芯片。

此外,平头哥在2021云栖大会上还开源4款玄铁RISC-V量产处理器,并开放系列工具及系统软件。

滴水湖中国RISC-V产业论坛
由中国半导体行业协会指导,中国RISC-V产业联盟、芯原微电子和上海集成电路产业集群发展促进机构共同主办。

备注:来源| 阿里云公众号

相关文章
|
存储 并行计算 Linux
国产之路:复旦微FMQL调试笔记1:PS网口
FPGA,全程现场可编程门阵列,是指一切通过软件手段更改、配置器件内部连接结构和逻辑单元,完成既定设计功能的数字集成电路。换个简单通俗的介绍方式,就好比一个全能的运动员,FPGA就是这么神奇的可以通过设定而实现各种复杂的功能电路。
2571 0
国产之路:复旦微FMQL调试笔记1:PS网口
|
1月前
|
Web App开发 JSON API
深入解析:如何通过接口获取拼多多商品详情数据
本文介绍获取拼多多商品详情的两种方式:推荐使用官方API接口,合规稳定,适合企业开发;非官方抓取方法仅限技术研究,存在法律与技术风险。内容涵盖API调用流程、示例代码及注意事项,助力开发者合理获取商品数据。
498 0
|
人工智能 自动驾驶 机器人
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
过去22个月,AI发展速度超过任何历史时期,但我们依然还处于AGI变革的早期。生成式AI最大的想象力,绝不是在手机屏幕上做一两个新的超级app,而是接管数字世界,改变物理世界。
24684 73
吴泳铭:AI最大的想象力不在手机屏幕,而是改变物理世界
|
11月前
|
人工智能 数据可视化 数据处理
2025低代码前瞻:平台赋能的无限可能
低代码平台正逐渐成为企业数字化转型的核心工具,通过高效、灵活、智能的特点改变传统开发模式。展望2025年,低代码技术将推动可视化开发普及,支持全员参与应用构建;核心引擎升级,提升开发效率与灵活性;模型驱动开发更加成熟,实现自动化代码生成和智能逻辑优化;数据处理能力增强,应对复杂业务需求;AI深度融合,优化开发体验;插件生态丰富,覆盖多行业场景;架构更开放,支持开源与高性能需求;企业功能强化,赋能运营与决策。低代码平台不仅将成为开发工具,更是企业数字化生态的重要组成部分,为企业带来更高的效率、更低的成本和更快的创新能力。
2025低代码前瞻:平台赋能的无限可能
|
机器学习/深度学习 人工智能 算法
【AI系统】AI系统架构的组成
本文概述了AI系统的组成,从AI训练与推理框架、AI编译与计算架构到AI硬件与体系结构,详细介绍了各层的功能与技术细节。同时,探讨了AI系统生态的广泛领域,包括核心系统软硬件、AI算法和框架以及更广泛的生态组成部分,强调了在模型训练、推理、安全与隐私等方面的技术挑战与解决方案。
2742 2
|
11月前
|
数据采集 存储 数据挖掘
构建电商数据采集系统初定位
构建电商数据采集系统需经历需求分析、技术选型、系统设计、开发实现、测试优化及部署维护六大步骤。过程中要明确目标与数据范围,选择合适的工具和数据库,并设计合理的架构与采集策略。还需考虑合法合规、分布式采集、数据质量控制及动态调整等策略,确保系统高效、稳定运行,适应电商环境变化。
|
存储 网络性能优化 芯片
芯片引脚字母代表的意义
芯片引脚字母代表的意义---常用
7891 0
|
机器学习/深度学习 人工智能 自然语言处理
深度学习的伦理困境:数据隐私与算法偏见
【8月更文挑战第9天】随着深度学习技术的飞速发展,其对个人隐私和数据安全的威胁日益凸显。本文探讨了深度学习在处理敏感信息时可能导致的数据泄露风险,以及训练数据中固有偏见如何影响算法公正性的问题。文章分析了当前隐私保护措施的局限性,并提出了减少算法偏见的方法。最后,本文讨论了如何在保障技术进步的同时,确保技术应用不侵犯个人权益,呼吁建立更为全面的伦理框架以指导深度学习的发展。
|
计算机视觉
【图像处理】 Halcon 实现图像亚像素边缘检测
如何在Halcon软件中实现图像亚像素边缘检测,包括读取图片、图像阈值化、边界提取、区域扩张、亚像素边缘提取、轮廓拟合和彩色绘图等步骤,并提供了相应的Halcon代码实现和检测效果展示。
632 2
|
机器学习/深度学习 人工智能 异构计算
【Docker 专栏】Docker 与 GPU 加速应用的结合
【5月更文挑战第9天】GPU加速技术在处理大规模数据和复杂计算时展现强大性能,尤其在AI和深度学习领域。Docker作为轻量级容器化工具,提供隔离、可移植和高效的环境。结合GPU加速,关键在于容器访问GPU设备和安装相应驱动。NVIDIA提供了支持工具,允许Docker利用GPU。应用场景包括人工智能、科学计算和视频处理。优势包括资源利用率提升和部署灵活性,但面临驱动兼容性、资源管理和监控调试的挑战。未来,随着技术发展,Docker与GPU加速在边缘计算中的应用将有广阔前景。
696 1
【Docker 专栏】Docker 与 GPU 加速应用的结合