Sram
PulseAugur coverage of Sram — every cluster mentioning Sram across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
36氪：江铃汽车6月销量增长0.04%；北京君正DRAM价格上涨
36氪报道，江铃汽车6月份销量为35,742辆，同比小幅增长0.04%。今年以来累计销量达189,000辆，同比增长9.46%。另外，北京君正指出，由于需求强劲和供应紧张，DRAM和部分SRAM芯片价格显著上涨，预计营收和利润率将持续增长。NOR Flash价格也有所上涨，但涨幅不及DRAM，强劲的销售也为营收增长做出了贡献。
-
北京君正预测DRAM价格将因供应紧张而持续上涨
北京君正预计，由于供应持续紧张，第三季度DRAM价格将进一步上涨，第四季度可能出现调整。该公司还指出，第二季度部分SRAM产品价格有所上涨，因为客户正在探索DRAM的替代品。虽然NOR Flash价格也有所上涨，但涨幅不如DRAM，且供应状况更为有利。
-
新框架增强了FPGA加速器中的容错能力
研究人员开发了ProWAFT，一个专为SRAM基FPGA上实现的CNN加速器设计的新型容错框架。该系统解决了瞬态故障带来的挑战，这些故障可能损害边缘计算环境的可靠性。ProWAFT利用部分重构，跨可重构分区动态应用三模冗余（TMR），平衡工作负载关键性、故障传播和重构开销，以优化延迟、能耗和可靠性。
-
集群级内存的推出旨在解决AI芯片瓶颈
集群级内存（CSM）的推出旨在解决AI芯片中的低延迟工作负载挑战。目前利用高带宽内存（HBM）的AI芯片由于内存子系统和互连瓶颈，在实现SRAM级解码速度方面面临限制。虽然纯SRAM芯片提供更快的速度，但它们会牺牲FLOPs密度和整体内存容量，导致吞吐量降低。
-
理想汽车目标通过自研AI芯片和模型实现特斯拉FSD V14同等水平
理想汽车正在开发其自动驾驶能力，以匹配特斯拉的FSD V14，重点关注安全、效率和舒适性，以及识别特殊车辆和交通警察信号等高级功能。该公司正在整合视觉-语言-动作（VLA）和世界模型方法，强调语言模型在L3/L4自动驾驶中实现类人推理的关键作用。理想汽车还在大力投资自研AI基础设施，包括Mach M100芯片和强大的数据系统，目标是在其车辆内建立集中的AI计算中心，以提高效率和任务隔离性。
-
Flash Attention 机制详解：SRAM 中的分块注意力
本文深入探讨了 Flash Attention 的机制，这是一种旨在优化 AI 模型中自注意力机制的技术。文章解释了分块注意力（一种将注意力计算处理成更小块的方法）如何适配 SRAM（静态随机存取存储器）架构。该解释旨在阐明使注意力机制更高效的底层过程。
-
逻辑晶圆受限之际，SRAM供应矛盾遭质疑
X上的一个对话突显了对SRAM供应的矛盾看法。对话质疑了SRAM的可用性，因为据报道用于其制造的逻辑晶圆供应受限。这表明半导体供应链中可能存在瓶颈或误解。
-
Qualcomm 发布近内存 AI 架构以提升性能
Qualcomm 推出了名为 High Bandwidth Compute (HBC) 的新型近内存 AI 架构，旨在克服 AI 工作负载中的内存墙限制。该架构将 AI 加速器直接置于 LPDDR DRAM 堆栈下方，与传统的 High Bandwidth Memory (HBM) 和片上 SRAM 相比，提供了显著更高的每瓦带宽和容量。Qualcomm 的方法旨在降低高级封装的功耗、散热和成本，未来的 AI250 和 AI350 等…
-
Groq LPU 在 AI 推理领域崭露头角，挑战 GPU 主导地位
Groq 的语言处理单元（LPU）正在 AI 推理市场获得关注，已超越小众应用，成为 AI 基础设施中公认的组成部分。这一转变是由日益增长的对专用硬件的需求所驱动的，以满足 AI 推理，特别是 Transformer 模型的多样化计算需求。虽然 Groq 的 LPU 在速度和效率方面具有潜在优势，尤其通过其高带宽 SRAM 和编译器技术，但其成本效益以及对混合专家（MoE）等动态模型架构的适应性仍存在疑问。与 NVIDIA 平台的集成…
-
SNIA 推出 MRAM SIG 以标准化接口并促进采用
存储网络工业协会 (SNIA) 成立了磁阻随机存取存储器 (MRAM) 特别兴趣小组 (SIG)，以促进 MRAM 的采用。该小组旨在标准化 MRAM 技术并开发新接口，以简化实施，特别是在人工智能、汽车和数据中心应用领域。SIG 正在与 IEEE 标准协会合作，解决对磁场敏感性的担忧，并致力于制定 JEDEC 标准，使 MRAM 能够与 LPDDR 和 CXL 等现有内存接口无缝集成，从而可能在包括 chiplets 在内的各种架构…
-
高通推出AI数据中心平台，与Meta达成CPU协议 · 追踪3个来源
高通公司公布了面向AI时代的新数据中心路线图和产品组合，包括Dragonfly C1000 CPU、高带宽计算（HBC）技术以及Dragonfly AI300推理加速器。该公司宣布与Meta达成一项多年期CPU协议，将其定位为除边缘设备之外，AI基础设施领域的重要参与者。高通预计，凭借这些新产品和战略合作伙伴关系，到2029财年，其数据中心年收入将超过150亿美元。
-
Groq 的定制 LPU 芯片提供 10 倍内存带宽，实现更快的 LLM 推理
Groq 开发了一种新颖的语言处理单元 (LPU)，在大型语言模型 (LLM) 推理方面性能远超传统 GPU。与为图形设计并重新用于 AI 训练的 GPU 不同，Groq 的 LPU 是专门为满足 LLM 推理的需求而构建的。其关键创新在于使用片上 SRAM 存储模型权重，与 GPU 使用的高带宽内存 (HBM) 相比，提供了显著更高的内存带宽和更低的延迟。这种架构差异使得 Groq 的 LPU 能够以前所未有的速度从大型模型中提供响…
-
铁电计算内存实现实时预测
研究人员开发了FerroNDS，一种利用铁电计算内存硬件进行实时预测的新型神经形态系统。该系统集成了积分器和振荡器，映射到多比特铁电二极管上，以捕捉连续时间动力学。一个128神经元实例证明了其计算短时傅里叶变换和预测信号的能力，与传统的基于SRAM的数字系统相比，具有高能效和减小面积的优点。
-
OpenOpt框架优化SRAM架构和晶体管尺寸
研究人员开发了OpenOpt，一个用于优化SRAM架构和晶体管尺寸的开源框架。该框架利用等效电路模型实现了显著的仿真速度提升，同时保持了读/写延迟和功耗的高精度。该系统集成了各种优化算法，并已证明在静态噪声容限、面积和峰值功耗方面取得了实质性改进。
-
Cerebras探索晶圆堆叠以提升AI芯片内存
Cerebras正在开发一种晶圆堆叠技术来增强其AI芯片，以解决SRAM的扩展限制。该方法涉及将第二个晶圆（可能包含额外的SRAM或计算能力）堆叠在其现有的Wafer Scale Engine (WSE)之上。尽管面临显著的热机械和堆叠挑战，这项创新旨在克服单个晶圆上内存和计算之间的权衡。
-
LAM Research 活动聚焦芯粒技术，表彰 Vertical Compute
LAM Research 举办了一场活动，展示了芯粒技术的进展并表彰了创新者。活动有 10 家初创公司参与，Vertical Compute 展示了其旨在改进 AI 应用的磁性存储器技术。Lightfinder，一家开发基于光子学的计量解决方案的公司，赢得了比赛。
-
AI内存瓶颈推动HBM、CXL和专用芯片创新
人工智能行业正面临一个显著的“内存墙”瓶颈，即GPU处理能力超过了内存带宽和容量。训练大型生成式AI模型日益增长的需求以及边缘推理和智能体AI日益增长的需求加剧了这一挑战。高带宽内存（HBM）、Compute Express Link（CXL）以及专用处理器SRAM网格等解决方案正在被开发以解决这些限制，尽管它们也带来了供应、成本和热管理方面的新挑战。
-
Anthropic 洽购英国初创公司 Fractile 的无DRAM人工智能推理芯片
据报道，Anthropic 正在与英国初创公司 Fractile 就收购专用人工智能推理芯片进行早期商谈。这些芯片采用了SRAM架构，旨在减少对昂贵DRAM内存的依赖。这项潜在交易将使 Fractile 成为 Anthropic 的第四家芯片供应商，与 Nvidia、Google 和 Amazon 等现有供应商并列。
-
Tessera为边缘AI加速器提供安全、近线速权重流
研究人员开发了Tessera，一种旨在安全地将模型权重流式传输到统一内存架构（UMA）系统中的边缘加速器的新架构。该方法通过实现权重的内联、缓存行粒度解密，解决了在商品设备上保护专有深度神经网络的挑战。Tessera拦截内存突发，并与DRAM获取并行解密，以最小的带宽开销将明文直接流式传输到隔离的NPU SRAM中。
-
英伟达发布低功耗芯片，实现毫秒级人脸检测
英伟达的研究人员开发了一个始终开启的视觉系统，能够在毫秒级内检测到人脸。该系统集成在一块芯片中，功耗低于5毫瓦，运行速度为每秒60帧，与通常需要约10瓦的系统相比有了显著降低。该技术采用“竞速入睡”方法，即深度学习加速器快速完成检测，然后系统进入低功耗状态，使其适用于自动驾驶汽车和节能消费电子产品等应用。