Ядро T-Head XuanTie C908 RISC-V предназначено для AIoT-приложений

На этой неделе мы видели два анонса высокопроизводительных ядер RISC-V с процессорами SiFive P670 и Andes AX65, каждый из которых имеет 4-канальный конвейер, но T-Head Semiconductor Xuantie C908 от Alibaba немного отличается, имея 9-ступенчатым встроенный конвейер и поддержку ускорения расширения вектора RISC-V, предназначенного для AIoT-приложений среднего класса.

64-разрядное ядро ​​RISC-V C908 принимает инструкцию RV64GCB[V] и соответствует профилю RVA22 для лучшей совместимости с Android и другими «богатыми» операционными системами. Компания заявляет, что его производительность находится между ядрами C906 и C910, представленными в 2020 и 2019 годах, соответственно.

Читать далее «Ядро T-Head XuanTie C908 RISC-V предназначено для AIoT-приложений»

Компания Andes Technology представляет ядро ​​AndesCore AX65 RISC-V для приложений с интенсивными вычислениями

Andes Technology представила высокопроизводительные 64-разрядные процессоры RISC-V серии AndesCore AX60 на конференции Linley Fall Processor Conference 2022 с новыми ядрами, разработанными для ресурсоемких приложений, таких как усовершенствованные системы помощи водителю (ADAS), искусственный интеллект, дополненная/виртуальная реальность, ускорители центров обработки данных, инфраструктура 5G, высокоскоростная сеть и корпоративное хранилище.

AndesCore AX65 является первым членом семейства и поддерживает расширение скалярной криптографии RISC-V и расширение манипулирования битами. Это 4-полосное суперскалярное ядро с выполнением вне очереди (OoO) в 13-ступенчатом конвейере и может извлекать от 4 до 8 инструкций за цикл.

Читать далее «Компания Andes Technology представляет ядро ​​AndesCore AX65 RISC-V для приложений с интенсивными вычислениями»

Мини-ПК Mele PCG02 Pro поддерживает M.2 NVMe или SATA SSD

Mele PCG02 Pro — это мини-ПК в небольшом удлинённом корпусе, напоминающем флешку, работающий либо на процессоре Intel Celeron J4125 Gemini Lake, либо на новейшем процессоре Celeron N5105 Jasper Lake, с поддержкой хранилища M.2 NVMe/SSD, но только для модели с Gemini Lake.

Компьютер также оснащен 8 ГБ памяти LPDDR4, флэш-памятью eMMC от 128 до 512 ГБ, двумя портами HDMI 2.0, способными управлять двумя независимыми дисплеями, портом Gigabit Ethernet, возможностью подключения WiFi 5 или 6 и многим другим.

Читать далее «Мини-ПК Mele PCG02 Pro поддерживает M.2 NVMe или SATA SSD»

DongshanPI-D1s – плата разработки Allwinner D1s RISC-V, предназначенная для обучения программированию.

Плата разработки DongshanPI-D1s состоит из припаянной системной платы Allwinner D1s RISC-V (SoM) и несущей платы с двумя 40-контактными разъемами и выделенным разъемом 2,0 мм. Эта макетная плата специально разработана для обучения программированию с упором на архитектуру RISC-V.

Плата разработки была разработана 100ask. Ранее они разработали Dongshan NeZha STU — макетную плату на основе Allwinner D1. Основное различие между ними заключается в том, что 100ask не включает интерфейсы Ethernet и HDMI на плате DongshanPI-D1s. Распиновка разъемов также немного отличается, потому что они решили сделать разъемы совместимыми с широко используемым 40-контактным GPIO от одноплатных компьютеров Raspberry Pi.

Читать далее «DongshanPI-D1s – плата разработки Allwinner D1s RISC-V, предназначенная для обучения программированию.»

Quadric Chimera GPNPU IP сочетает в себе NPU, DSP и процессор реального времени в одном программируемом ядре.

Типичный чип для вывода AI или ML будет включать NPU, DSP, процессор реального времени, а также немного памяти, процессор приложений, ISP и еще несколько IP-блоков. Quadric Chimera GPNPU (нейронный процессор общего назначения) IP сочетает в себе NPU, DSP и процессор реального времени в одном программируемом ядре.

По словам Quadric, основным преимуществом такой конструкции является упрощение аппаратного проектирования системы-на-кристалле (SoC) и последующего программирования программного обеспечения после того, как чип будет доступен, благодаря унифицированной архитектуре для вывода машинного обучения, а также предварительной и последующей обработки. Поскольку ядро ​​является программируемым, оно также должно быть рассчитано на будущее.

Читать далее «Quadric Chimera GPNPU IP сочетает в себе NPU, DSP и процессор реального времени в одном программируемом ядре.»

Обзор манипулятора myCobot 280 Pi с Python и визуальным программированием

myCobot 280 Pi — это универсальный роботизированный манипулятор с 6 степенями свободы. Он был разработан Elephant Robotics с использованием платы Raspberry Pi 4 в качестве основного контроллера. Робот компактен и обеспечивает стабильную работу, что делает его идеальным для ограниченного пространства. Его также можно запрограммировать на разных языках, он прост в использовании и предлагает множество функций. Он подходит для тех, кто интересуется программированием контроллера робота-манипулятора и для инженерных проектов.

Читать далее «Обзор манипулятора myCobot 280 Pi с Python и визуальным программированием»

Процессоры SiFive P670 и P470 RISC-V оснащены векторными расширениями RISC-V

Компания SiFive анонсировала два новых ядра RISC-V Performance с процессорами P670 и P470 с векторным расширением RISC-V для AI/ML, обработки мультимедиа и датчиков, которые предназначены для приложений с большими объемами, таких как носимые устройства, умный дом, промышленная автоматизация, AR/ VR и другие потребительские устройства.

P670 сравним с Cortex-A78, а P470 сравним с Cortex-A55. Оба поддерживают стандартизированный профиль RISC-V RVA22 для лучшей совместимости с ОС и реализуют расширения RISC-V Vector v1.0 и Vector Cryptography.

Читать далее «Процессоры SiFive P670 и P470 RISC-V оснащены векторными расширениями RISC-V»

Конвейер TinyML-CAM обеспечивает распознавание изображений со скоростью 80 кадров в секунду на ESP32, используя всего 1 КБ ОЗУ.

Задача TinyML состоит в том, чтобы обеспечить максимальную производительность при наименьших затратах для рабочих нагрузок искусственного интеллекта на оборудовании класса микроконтроллеров. Конвейер TinyML-CAM, разработанный командой исследователей машинного обучения в Европе, демонстрирует, чего можно достичь с помощью камеры на относительно недорогом оборудовании.

Читать далее «Конвейер TinyML-CAM обеспечивает распознавание изображений со скоростью 80 кадров в секунду на ESP32, используя всего 1 КБ ОЗУ.»