ADVERTISE SUBSCRIBE TECHNICAL ARTICLES EVENTS ETNdigi ABOUT USCONTACT
ECF26 infobanner

IN FOCUS

Agenttinen tekoäly tarttuu RTL-verifioinnin tuottavuusongelmaan

Agenttinen tekoäly siirtää RTL-verifioinnin painopistettä yksittäisten työkalujen automatisoinnista koko työnkulun älykkyyteen. Siemens EDA:n tavoitteena on vähentää koordinointiin kuluvaa aikaa ilman, että suunnitteluinsinöörit menettävät kontrollin prosessista.

Lue lisää...

ETNtv

 
ECF25 videos
  • Jaakko Ala-Paavola, Etteplan
  • Aku Wilenius, CN Rood
  • Tiitus Aho, Tria Technologies
  • Joe Hill, Digi International
  • Timo Poikonen, congatec
  • ECF25 panel
ECF24 videos
  • Timo Poikonen, congatec
  • Petri Sutela, Testhouse Nordic
  • Tomi Engdahl, CVG Convergens
  • Henrik Petersen, Adlink Technology
  • Dan Still , CSC
  • Aleksi Kallio, CSC
  • Antti Tolvanen, Etteplan
ECF23 videos
  • Milan Piskla & David Gustafik, Ciklum
  • Jarno Ahlström, Check Point Software
  • Tiitus Aho, Avnet Embedded
  • Hans Andersson, Acal BFi
  • Pasi Suhonen, Rohde & Schwarz
  • Joachim Preissner, Analog Devices
ECF22 videos
  • Antti Tolvanen, Etteplan
  • Timo Poikonen, congatec
  • Kimmo Järvinen, Xiphera
  • Sigurd Hellesvik, Nordic Semiconductor
  • Hans Andersson, Acal BFi
  • Andrea J. Beuter, Real-Time Systems
  • Ronald Singh, Digi International
  • Pertti Jalasvirta, CyberWatch Finland
ECF19 videos
  • Julius Kaluzevicius, Rutronik.com
  • Carsten Kindler, Altium
  • Tino Pyssysalo, Qt Company
  • Timo Poikonen, congatec
  • Wolfgang Meier, Data-Modul
  • Ronald Singh, Digi International
  • Bobby Vale, Advantech
  • Antti Tolvanen, Etteplan
  • Zach Shelby, Arm VP of Developers
ECF18 videos
  • Jaakko Ala-Paavola, Etteplan CTO
  • Heikki Ailisto, VTT
  • Lauri Koskinen, Minima Processor CTO
  • Tim Jensen, Avnet Integrated
  • Antti Löytynoja, Mathworks
  • Ilmari Veijola, Siemens

ETN

data-dcm-placement='N4481.1916188ETN.FI/B33427643.447188350' data-dcm-rendering-mode='script' data-dcm-https-only data-dcm-api-frameworks='[APIFRAMEWORKS]' data-dcm-omid-partner='[OMIDPARTNER]' data-dcm-gdpr-applies='gdpr=${GDPR}' data-dcm-gdpr-consent='gdpr_consent=${GDPR_CONSENT_755}' data-dcm-addtl-consent='addtl_consent=${ADDTL_CONSENT}' data-dcm-ltd='false' data-dcm-resettable-device-id='' data-dcm-app-id='' data-dcm-click-tracker=''>
Jun # TME square
TMSNet  advertisement
ETNdigi
A la carte
AUTOMATION DEVICES EMBEDDED NETWORKS TEST&MEASUREMENT SOFTWARE POWER BUSINESS NEW PRODUCTS
ADVERTISE SUBSCRIBE TECHNICAL ARTICLES EVENTS ETNdigi ABOUT US CONTACT
Share on Facebook Share on Twitter Share on LinkedIn

TECHNICAL ARTICLES

Kiihdytys helpommin käyttöön datakeskuksessa

Tietoja
Kirjoittanut Enno Luebbers, Song Liu ja Michael Chu, Intel
Julkaistu: 28.03.2019
  • Embedded
  • Software

FPGA-pohjaisten kiihdyttimien suunnittelu ja toteuttaminen ei tapahdu aivan käden käänteessä. Tarvitaan sovelluksen, infrastruktuurin ja RTL-suunnittelun kokonaisvaltaista yhteensovittamista. Kiihdytinsovelluksissa pääpaino on kiihdytinalgoritmeissa, jotka käsittävät useita monimutkaisia sekvenssejä. Onneksi kiihdyttimien integrointiin on nyt helpompi tie.

Artikkelin ovat kirjoittaneet Intelin Enno Luebbers, Song Liu ja Michael Chu. 

Suunnittelijat tavallisesti suunnittelevat kaikki tiedonsiirron yhteydet FPGA:n fyysisten ja loogisten kerrosten välillä sekä tarvittavan ohjelmiston prosessorille alusta lähtien ohjelmoimalla. Toinen vaihtoehto on käyttää valmiita IP-kirjastoja ohjelmoinnissa. Kumpikin tapa vaatii vielä paljon integrointia kiihdytettävien algoritmin osien RTL-suunnittelun lisäksi.

Kun yhä enemmän FPGA-piirejä käytetään pilvi- ja datakeskussovelluksissa koneoppimisessa, tarvetta on tehtävää helpottaville standardeille ja sovelluskehyksille. Open Programmable Acceleration Engine (OPAE) on yksi avoimista yhteisöistä, jonka pyrkimyksenä on yksinkertaistaa ja virtaviivaistaa FPGA-piirien integrointia kiihdytinsovelluksia varten.

OPAE koostuu useista ohjelmistokomponenteista, ajureista ja sovellusten käyttäjätilan API-liitännöistä. OPAE:n kevytversio edustaa yhtenäistä, kerrostettua rekonfiguroitavien kiihdyttimien ohjelmointiin perustuvaa mallia, joka tarjoaa yleisiä ja laajennettavissa olevia metodeja kiihdytinresurssien kehittämiseen, allokointiin, käyttöoikeuksiin ja hallintaan. Käyttöoikeudet ohjelmistopinoon on toteutettu eri kerroksissa testaamisen, kasvattamisen ja käyttämisen helpottamiseksi. Käyttäjän API-tasolla OPAE tarjoaa abstraktiot resurssien käyttöoikeuksien ja hallinnan yksinkertaistamista varten ilman merkittävää vaikutusta suorituskykyyn. Tämän lähestymistavan ansiosta järjestelmäintegraattorien, ohjelmistokehittäjien ja kiihdytinsuunnittelijoiden ei tarvitse tehdä perus-FPGA-komponenttien uudelleen sovitusta rekisterihakuja, jaettua muistia, synkronointia ja rekonfigurointia varten. OPAE:n avulla suunnittelija voi valita abstraktiotason ja ohjauksen järjestämällä sovellusliitännät kaikkialle ohjelmistopinoon.

Kuvan 1 mukainen kokonaisvaltainen järjestelmäpino on lähestymistapa, jota tarvitaan aikaansaamaan kerrostettu yhteysmalli FPGA:n kiihdyttämisessä eri laitteissa, käyttöjärjestelmissä ja sovelluskohteissa. FPGA:n toteuttamisessa tarvitaan tällöin ajureita, käyttäjätilan API-liittymiä, sovelluskehyksiä ja sovelluskohtaisia kirjastoja.

Kuva 1. Intelin Xeon-palvelinprosessorin ja FPGA:n yhteydessä käytettävä kiihdytinpino.

Kiihdyttimen laitteistoresurssit, jotka koostuvat FPGA-piireistä, liitännöistä ja kehyslogiikasta, muodostavat alimman kerroksen ja ne on tavallisesti yhdistetty prosessoriin standardeilla järjestelmäväylillä osoitteen käännöslogiikkoineen ja välimuistihierarkioineen. OPAE:lla ei ole vaikutusta liitäntäteknologiaan tai topologiaan. Se kuitenkin edellyttää, että ohjelmoitava logiikka käyttää ohjelmistoilla toimivia datarakenteita laitteistokomponenttien ja resurssien tunnistamiseen ja tilastoimiseen. Rekonfiguroitavien laitteistoresurssien fyysinen yhteysliitäntä ei tavallisesti ole suoraan sovellusten käytettävissä.

Kuva 2. OPAE:n kerrokset ja komponentit.

Joukko ajureita on järjestelmän yhteysväylän yläpuolella ja ohjelmoitavat laitteistoresurssit kytkevät ja integroivat kiihdytinresurssit käyttöjärjestelmän laitteistohallintaan, näin ollen mahdollistaen perusyhteyskäytännöt käyttäjätilan sovelluksiin. Ajurikerroksen tärkeänä tehtävänä on varmistaa perusyhteyskäytäntöjen oikea toiminta järjestelmän integriteetin takaamiseksi, samoin kuin taustalla toimivien kriittisten hallintotehtävien kuten virheen-, tehon- ja lämmönhallinnan suorittaminen. Ajurin käyttäjän määriteltävissä olevien tilojen API on yhä käyttöjärjestelmästä ja laitteistosta riippuvainen.

Jotta laitteiden, alustojen ja käyttöjärjestelmien välisen siirrettävyyden edut saadaan käyttöön samalla kun voidaan tarkasti ohjata yksittäisiä resursseja, OPAE tarjoaa läpinäkyvällä käyttäjätilan kirjastolla (libopae-c) toteutetun C API -kerroksen, joka on liitettävissä laiteajurin API-rajapintaan alemman abstraktiotason kiihdytinresurssien toteuttamiseksi ja joka mahdollistaa näiden resurssien luetteloinnin, käyttöoikeuden ja hallinnan. Etenkin abstraktiomallin komponenttien tarjoaman ratkaisut ovat vielä jossain määrin FPGA-teknologiasta riippuvaisia, mutta niillä voidaan ilmaista halutun tasoisesti suuri joukko kiihdytinresursseja, alustoja ja käyttöalueita.

Integroimalla FPGA-ohjelmistopino standardoituihin ohjelmistokirjastoihin ja sovelluskehyksiin (esimerkiksi lineaarialgebran, syväoppimisen, salauksen, kompressoinnin ja muihin yleisiin toimintoihin) on mahdollista suoraan (läpinäkyvästi) kiihdyttää suurta määrää sovelluksia ja yksinkertaistaa toteutuksia erilaisissa käyttökohteissa, koska yksittäisten sovellusten ei tarvitse olla tekemisissä yksittäisten kiihdytinasteiden kanssa perustason tiedonsiirrosta puhumattakaan.

FPGA-pohjainen kiihdytinlaitteisto

OPAE-ajuri ja API-kirjastokerrokset koostetaan yksityiskohtaisista laitteistospesifikaatioista, joista saadaan tieto tiedonsiirtoyhteyksien määristä ja tyypeistä, hallintametodeista ja rekonfiguraatioiden käsittelytavoista. Pohjana olevan FPGA-laitteistoalustan on minimissään pystyttävä tarjoamaan infrastruktuuri näiden resurssien kehittämistä, allokointia ja yhteyskäytäntöjä varten.

Kuva 3. FPGA-ajuri.

FPGA-ajuriarkkitehtuuri määrittelee yksittäiset alusta-ajurit hallintatoimintoihin, kuten rekonfiguraation ja kiihdyttimen yhteyskäytäntöihin. Edellinen liittyy FPGA-hallintalogiikkaan, kun taas jälkimmäinen hoitaa yleisten käytäntöjen mukaiset tiedonsiirtoyhteydet FPGA-lohkoon ohjelmoituun kiihdyttimeen. FPGA-ajurikerroksen tehtävänä on tasoittaa alla olevasta laitteistoarkkitehtuurista aiheutuvia vaihteluita, jolloin on mahdollista käyttää useampia eri liitäntäteknologioita ja säilyttää samalla järjestelmän integriteetti ja stabiilius. Joustavuuden lisäämiseksi FPGA-ajuri on segmentoitu pääajuriksi ja useiksi osa-ajureiksi. Pääajuri etsii ja tunnistaa FPGA-laitteita ja sen jälkeen aikaansaa vuorovaikutuksen yksittäisiin osa-ajureihin perustuen tunnistettuun laitteeseen liittyvään laiteosien toimintojen luetteloon.

FPGA:n API-liitäntä

Koodaajalle käytettävissä oleva API-liitäntä noudattaa kiihdytinresurssien oliopohjaista mallinnuskuviota siihen liittyvine toimintoineen. Toteutus on kuitenkin kirjoitettu C:llä, jotta minimoidaan piirikuvion vaatima ala ja sen vaikutus sovelluksiin.

OPAE C API on mallinnettu kokoelmasta perusobjekteja, joilla kuvataan, identifioidaan ja referoidaan FPGA-resursseja. On syytä korostaa, että tässä kuvatut API:t muodostavat peruspaketin, joka on sovitettavissa useimpiin ohjelmistojärjestelmiin liitettäviin FPGA-kiihdyttimiin. API:n avulla voidaan myös mallintaa laitteisto- tai alustaspesifisiin laajennuksiin erityisiä kohdearkkitehtuurien erityisominaisuuksia. Esimerkkinä voidaan mainita alustaspesifinen API-laajennus, joka toimii pieniviiveisenä ilmoitusmekanismina Intelin Xeon-prosessorin yhtenäisen muistiväylän ja integroitujen FPGA-piirien välillä.

Kuva 4. OPAE C API:n olio- ja ohjauskaavio.

Kuvassa 4 esitetään tyypillinen API-perustaisten toimintojen etenemiskaavio sovelluksessa, joka haluaa käyttää ja saada käyttöoikeudet tiettyyn kiihdyttimeen. Aluksi sovellus luo ominaisuuksia kuvaavan olion, joka määrittelee etsittävän olion tunnuspiirteet ja joka siirretään fpgaEnumerate()-kutsuun sisältäen joukon symboleita, joilla identifioidaan yksittäiset resurssipyynnöt. Symbolin pitäminen hallussa ei merkitse siihen liittyvän resurssin omistamista. Symbolin valitsemisen jälkeen sovellus tekee kutsun fpgaOpen() hankkiakseen omistukseensa resurssin, joka puolestaan luovuttaa pidikkeenä toimivan kahvaosoittimensa. Tällä osoittimella voidaan kutsua yksittäisiä API-toimintoja ajantasaisesti ottamaan yhteyttä FPGA-kiihdyttimeen esimerkiksi kiihdyttimen uudelleen asettamista, ohjausrekisterien lukua ja kirjoitusta tai jaetun muistin allokointia varten. Lopulta fpgaClose() sammuttaa kahvaosoittimen ja purkaa resurssin omistuksen.

Sovelluskehyksen integrointi

Vaikka API:n tarjoamat perusresurssiabstraktiot helpottavat sovellusten tekoa erilaisille käyttöjärjestelmille ja alustoille, sovelluskehittäjä joutuu miettimään, miten resurssien käyttöoikeudet hoidetaan. Yksi lähestymistapa OPEA:a käytettäessä on integroida FPGA-kiihdytinresurssit lausekielisiin sovelluskehyksiin ja kirjastoihin. Tällä tavoin sovellusten ei tarvitse tietää kiihdytinresurssien yhteydenoton määrittelyjä ja tällöin kiihdytintoiminnot pysyvät läpinäkyvinä. Lausekielisten kirjastojen avulla saavutettava läpinäkyvyys FPGA-kiihdyttimissä tarjoaa etuja esimerkiksi kuvantunnistuksen, data-analytiikan ja datakompression tapaisissa sovelluskohteissa.

FPGA-sovellusten suunnittelu vaatii erikoisosaamista ja kykyä kohdata haasteita. OPAE:n avulla FPGA-pohjaisten kiihdytinratkaisujen kehitystyötä ja toteuttamista voidaan helpottaa merkittävästi. Tällöin yhä useampi suunnittelija voi keskittyä datakeskuksissa monimutkaisten datankäsittelysovellusten nopeuttamiseen.

MORE NEWS

AMD siirtää muistin pois piirilevyltä

Nopeissa sulautetuissa järjestelmissä ongelma ei ole aina laskennan määrä, vaan se, miten data saadaan liikkumaan riittävän nopeasti. AMD uusissa Versal Premium Gen 2 MoP -piireissä LPDDR5X-muisti tuodaan samaan pakettiin järjestelmäpiirin kanssa. Se vähentää piirilevyn muistireititystä ja helpottaa kompaktien, suuren kaistanleveyden järjestelmien suunnittelua.

Fujitsu haluaa viedä tekoälyn pois pilottivaiheesta

Fujitsu tuo Uvance Wayfinders -konsulttiliiketoimintansa Suomeen. Uuden yksikön vetäjäksi on nimitetty Matti Puttonen, jonka mukaan suomalaisyrityksissä tekoälyä käytetään jo paljon, mutta liian usein vielä hajanaisina kokeiluina.

Paljonko ChatGPT-kysely kuluttaa? Kukaan ei kerro tarkasti

Tekoälyn energiankulutusta verrataan nyt ilmastointilaitteisiin, jääkaappeihin ja puhelimen lataamiseen. Vertailut ovat näyttäviä, mutta insinöörin kannalta kiinnostavin tieto puuttuu edelleen. Kukaan ei kerro, paljonko eri tekoälymallit, eri kyselytyypit ja eri datakeskukset oikeasti kuluttavat sähköä.

PLC ei tarvitse enää omaa rautaa

Teollisuuden ohjausjärjestelmissä ohjlemoitava logiikka on perinteisesti ollut oma fyysinen PLC-laitteensa. Congatecin ja CODESYSin uusi yhteistyö vie kehitystä toiseen suuntaan. Siinä PLC-ohjaus voidaan ajaa virtualisoituna ohjelmistokuormana samalla sulautetulla alustalla muiden teollisuussovellusten kanssa.

Atominohut transistori voi korvata piikanavan

ASML, TSMC ja imec ovat vieneet 2D-materiaaleihin perustuvat transistorit askeleen lähemmäs teollista valmistusta. Yhtiöt esittelivät 300 millin piikiekolle integroidun rakenteen, jossa transistorin kanavana käytetään atominohuita puolijohdemateriaaleja piin sijasta.

8-kanavainen autotutkapiiri näkee 400 metrin päähän

Infineon on aloittanut RASIC CTRX8188F -tutkapiirin tuotannon. Yhtiön mukaan kyseessä on autoteollisuuden ensimmäinen tuotantovalmis 8Tx8Rx-kuvantavan tutkan MMIC-piiri eli lähetin-vastaanotin, jossa on samalla piirillä kahdeksan lähetys- ja kahdeksan vastaanottokanavaa.

Windows 10 sai vuoden jatkoajan

Windows 10 virallinen tuki päättyi 14. lokakuuta 2025, mutta miljoonille vanhoille pc-koneille annettiin vielä lisäaikaa. Microsoftin kuluttajille suunnattu Extended Security Updates eli ESU-ohjelma tarjoaa Windows 10 -laitteille kriittiset ja tärkeät tietoturvapäivitykset 12. lokakuuta 2027 asti.

Jo lähes puolet uusista puhelimista tukee generatiivista tekoälyä

Generatiivinen tekoäly on nousemassa nopeasti älypuhelimien perusominaisuudeksi. Counterpoint Researchin tuoreen ennusteen mukaan GenAI-kykyisten älypuhelimien osuus maailman toimituksista kasvaa tänä vuonna 45 prosenttiin. Vuonna 2025 osuus oli 36 prosenttia, ja vuonna 2027 sen arvioidaan nousevan jo 52 prosenttiin.

Halpa koodi oli vain välivaihe

Tekoäly lupasi tehdä ohjelmistokehityksestä halvempaa. Nyt koodia syntyy enemmän kuin koskaan, mutta Gartner varoittaa toisesta suunnasta. Kun koodin generoimisen arvo lähestyy nollaa, todellinen kustannus siirtyy tokeneihin, katselmointiin ja vastuun kantamiseen.

Analoginen signaali on sähköauton invertterin heikko lenkki

Sähköauton virranmittauksessa Hall-anturi ei ole katoamassa mihinkään. Sen sijaan ongelmaksi on nousemassa se, miten anturin mittaustieto viedään mikro-ohjaimelle sähköisesti vaikeassa ympäristössä. Melexiksen uusi MLX91229 tuo tähän ratkaisuksi digitaalisen sigma-delta-lähdön.

Nyt se tapahtui – nanometrin raja murtui mikropiirissä

IBM sanoo kehittäneensä maailman ensimmäisen alle yhden nanometrin piiriteknologian. Kyse ei ole pelkästä viivaleveyden pienentämisestä, vaan uudesta nanostack-arkkitehtuurista, jossa nanosheet-transistoreita pinotaan kolmiulotteisesti päällekkäin.

Muistien hinta näkyy nyt myös Samsungin kansansuosikissa

Samsungin uusi Galaxy A27 5G kertoo hyvin, mihin älypuhelinmarkkina on liikkumassa. Keskiluokan puhelimessa uudistukset ovat maltillisia, mutta hinta nousee nopeasti, jos käyttäjä haluaa enemmän tallennustilaa. Suomessa Galaxy A27 5G 128 gigatavun version suositushinta on 349 euroa, mutta 256 gigatavun mallista pyydetään jo 449 euroa.

RedCap eli kevyt 5G joutuu raskaaseen testiin

5G RedCapin on määrä tuoda viidennen sukupolven yhteydet aiempaa kevyempiin, edullisempiin ja vähemmän virtaa kuluttaviin laitteisiin. Käytännön laitekehityksessä tämä ei kuitenkaan tee testauksesta yksinkertaista. Anritsu on päivittänyt SmartStudio NR- ja SmartStudio NR IP Performance -ohjelmistonsa tukemaan RedCap-laitteiden sovellustason suorituskykytestausta.

Qt vie näyttävät käyttöliittymät mikro-ohjaimiin

Suomalainen Qt Group laajentaa asemaansa sulautettujen käyttöliittymien markkinassa. Yhtiö aloittaa yhteistyön puolijohdevalmistaja GigaDevicen kanssa, jotta Qt for MCUs -kehitysympäristö saadaan optimoitua GigaDevicen GD32H7-mikro-ohjainalustalle.

NXP vie ADAS-laskennan tutkapiirille

Autojen kuljettajaa avustavat järjestelmät eivät voi enää jäädä vain kalliimpien mallien varusteiksi. NXP:n uusi SAF8444-tutkajärjestelmäpiiri pyrkii tuomaan L2- ja L2+-tason ADAS-toimintoja myös edullisempiin automalleihin siirtämällä osan laskennasta suoraan tutka-anturiin.

AI-palvelimissa kellotus nousee uuteen rooliin

Tekoälypalvelimissa, GPU-alustoissa ja SmartNIC-verkkokorteissa suorituskyky ei synny enää yhdestä prosessorista. Järjestelmät rakentuvat useista eri piireistä, kuten CPU, GPU, FPGA-piireistä, ASICeista ja ohjainpiireistä. Tämä tekee myös kellotuksesta aiempaa kriittisempää.

OpenAI suunnitteli oman LLM-kiihdyttimen Broadcomin kanssa

OpenAI on ottanut uuden askeleen kohti täyttä tekoälypinoa. Broadcomin kanssa kehitetty Jalapeno ei ole yleiskäyttöinen prosessori, vaan suurten kielimallien inferenssiin optimoitu ASIC-kiihdytin, jolla OpenAI hakee parempaa energiatehokkuutta, pienempää viivettä ja vähemmän riippuvuutta ulkopuolisista tekoälykiihdyttimistä.

Suomen dataverkon pullonkaula on nyt kuitu

Suomen runkoverkot on pitkälti rakennettu aikakaudella, jolloin tekoälyn, datakeskusten ja digitaalisen teollisuuden kapasiteettitarpeita ei vielä tunnettu. Lounean uuden FBBV-hankkeen mukaan ongelma ei ole enää niinkään 400G- tai 800G-siirtotekniikassa, vaan fyysisessä kuidussa ja reittien vähyydessä.

Donut Lab kehuu akkuaan täysin räätälöitäväksi

Donut Lab jatkoi tänään I Donut Believe -videosarjaansa. Odotetut yksityiskohdat esimerkiksi kennon energiatiheydestä jäivät edelleen hämärän peittoon. Tällä kertaa yhtiö esitteli solid state -akkutekniikansa räätälöitävyyttä. Donut Labin mukaan samaa akkukemiaa voidaan sovittaa hyvin erilaisiin sovelluksiin ja muotoihin.

GaN-sotaa kolmella rintamalla

Infineonin ja kiinalaisen Innosciencen välinen GaN-kiista on saanut uuden käänteen. Vielä keväällä asetelma näytti Infineonin kannalta selvältä, kun USA kauppakomissio määräsi Innosciencen tuotteille tuonti- ja myyntikiellon. Nyt Innoscience kertoo saaneensa omia voittojaan sekä Kiinassa että Saksassa.

Jun  # puffbox mobox till square
TMSNet  advertisement

© Elektroniikkalehti

 
 

TECHNICAL ARTICLES

Tekoäly tuo jakeluun lisää älykkyyttä

ETN - Technical articleTekoäly on jo selkeästi ohittanut kokeiluvaiheen. Avnet Insights 2026 -selvityksen mukaan tekoäly on monilla elektroniikan aloilla jo mukana käytössä olevissa tuotteissa, ja sen soveltaminen yleistyy nopeasti kaikkialla EMEA-alueella.

Lue lisää...

OPINION

Halpa koodi oli vain välivaihe

Tekoäly lupasi tehdä ohjelmistokehityksestä halvempaa. Nyt koodia syntyy enemmän kuin koskaan, mutta Gartner varoittaa toisesta suunnasta. Kun koodin generoimisen arvo lähestyy nollaa, todellinen kustannus siirtyy tokeneihin, katselmointiin ja vastuun kantamiseen.

Lue lisää...

 

LATEST NEWS

  • AMD siirtää muistin pois piirilevyltä
  • Fujitsu haluaa viedä tekoälyn pois pilottivaiheesta
  • Paljonko ChatGPT-kysely kuluttaa? Kukaan ei kerro tarkasti
  • PLC ei tarvitse enää omaa rautaa
  • Atominohut transistori voi korvata piikanavan

NEW PRODUCTS

  • Bluetooth haastaa UWB:n etäisyysmittauksessa
  • 6 watin DC/DC-muunnin mahtuu tuuman koteloon
  • Lisäkortilla 10 megabitin 4G-yhteys IoT-laitteisiin
  • Yksi anturi korvaa neljä mikrokytkintä autossa
  • Murata kutisti 100 voltin autokondensaattorin 0805-kokoon
 
 

Section Tapet