新的存储技术时不时就会冒出来一个,但从研发到商用总是要历经漫长的艰难坎坷。如果说Crossbar这种小型创业公司的电阻式RRAM让你感到信心不足,那么存储大厂美光的可变电阻式ReRAM会不会更有吸引力?
其实,美光早在2007年就提出了这种技术,此后几乎每年都会透露一些进展,但就是距离量产遥遥无期,这次也没有给出具体时间表。
美光是和索尼联合研发ReRAM的,其基本原理和Crossbar RRAM有些类似,同样是非易失性存储,但是更强调电阻可变,同时为了区分,缩写也有所不同。
美光这次在IEEE IEDM 2014国际电子设备大会上上公布的原型采用了27nm CMOS工艺制造,三层铜线互连,单颗容量16Gb(2GB),内核面积168平方毫米。作为原型,它采用了DDR内存接口,但后期很容易替换。
美光表示,理想的指标是读写带宽1000MB/s、200MB/s,读写延迟2微秒、10微秒,而目前的原型可以发挥大约九成的功力。
设计指标与内核局部照片
设计指标与原型指标
内部互连结构示意图
索尼也有很大的贡献
好文章,需要你的鼓励
网络和基础设施管理技术提供商NetBox Labs完成3500万美元B轮融资。该公司是开源网络基础设施管理平台NetBox的商业化运营方,服务数万家企业用户,包括数十家财富500强公司。NetBox已成为现代技术基础设施构建、管理和自动化的标准平台,可加速创新、简化运营并支持AI应用场景。
这项研究开发了VIDEO-RTS系统,仅用传统方法3.6%的训练数据就让AI学会了真正的视频推理能力。系统采用"纯强化学习"跳过死记硬背阶段,结合"稀疏到密集"的自适应推理策略,在五个权威测试中平均准确率提升2.4%。这一突破性进展可能改变AI视频理解的发展方向。
ITPro Today针对IT专业人士进行的边缘计算策略调查显示,55%的受访者对边缘计算概念仅"有所了解",21%的组织IT预算中边缘计算投资不足5%,而33%的组织至少投入10%。性能提升和安全性是采用边缘计算的主要驱动因素,分析和数据缓存是主要应用场景。Microsoft Azure IoT Edge是最广泛使用的边缘平台,混合云-边缘模型成为主流架构。成本仍是边缘计算采用的最大障碍。
约翰斯·霍普金斯大学研究团队开发出能够自主完成胆囊切除术的手术机器人系统SRT-H。该系统采用分层决策架构,具备自我纠错能力,在8次完整手术测试中实现100%成功率。系统通过观看16000个手术轨迹学习,能够像人类医生一样观察、判断和纠错,代表了手术机器人向真正自主化迈出的重要一步。