Computational Silicon Arrays Powering Localized On-Device Intelligence The global edge ai hardware market is expanding rapidly due to shifting corporate demands for real-time data analytics, rising bandwidth constraints across hyperscale networks, and rigid enterprise data privacy requirements. Semiconductor manufacturers are actively engineering miniaturized NPU chips, modular ASIC co-processors, and low-power FPGA configurations directly into embedded boards to achieve localized object classification and touchless system monitoring. These intelligent processing devices systematically eliminate slow cloud-routing dependency delays, reduce structural operational power overhead, and protect localized infrastructure assets from data interception vulnerabilities. Reference - https://www.marketresearchfuture.com/reports/edge-ai-hardware-market-7836

จีนบรรลุความสำเร็จในการพัฒนาชิปอะนาล็อก AI 📌ที่มีประสิทธิภาพเหนือกว่า Nvidia H100 ถึง 1,000 เท่า ใช้พลังงานน้อยกว่า 100 เท่า ผ่านเทคโนโลยี RRAM ทะลุข้อจำกัดความแม่นยำระดับ 24-บิต เปิดศักราชใหม่ของการประมวลผลพลังงานต่ำ 👉SCMP รายงานว่า ทีมนักวิจัยจากมหาวิทยาลัยปักกิ่งประสบความสำเร็จในการพัฒนาชิปอะนาล็อกสำหรับปัญญาประดิษฐ์ที่สามารถประมวลผลงานคณิตศาสตร์ซับซ้อนได้เร็วกว่าชิป GPU รุ่นท็อปของ Nvidia H100 ถึง 1,000 เท่า พร้อมใช้พลังงานต่ำกว่าระบบดิจิทัลปัจจุบันถึง 100 เท่า ตามบทความวิจัยที่เผยแพร่ในวารสาร Nature Electronics ฉบับ 13 ตุลาคม ชิปต้นแบบใช้เทคโนโลยี Resistive Random-Access Memory (RRAM) ที่ช่วยให้การจัดเก็บและประมวลผลข้อมูลเกิดขึ้นในตัววัสดุเดียวกัน ขจัดปัญหาคอขวดของสถาปัตยกรรมคอมพิวเตอร์แบบดิจิทัลที่ต้องแยกส่วนหน่วยความจำและการประมวลผล ซุน จง หัวหน้าทีมนักวิจัยจาก Institute for Artificial Intelligence ระบุว่า การค้นพบนี้เป็นการเอาชนะข้อจำกัดด้านความแม่นยำของอะนาล็อกคอมพิวติ้งที่เป็นปัญหามานานกว่าศตวรรษ โดยสามารถรักษาความละเอียดระดับ 24-บิต เทียบเท่าการคำนวณแบบดิจิทัล ผลการทดสอบการแก้สมการเมทริกซ์ขนาดใหญ่และการจำลองระบบสัญญาณแสดงให้เห็นว่า ชิปดังกล่าวมีประสิทธิภาพเหนือกว่าชิปดิจิทัลระดับสูงในตลาดหลายร้อยถึงหลายพันเท่า ขณะใช้พลังงานเพียงร้อยละไม่กี่ของระบบปกติ เทคโนโลยีนี้เปิดโอกาสสำหรับการพัฒนาคอมพิวติ้งพลังงานต่ำในยุค AI และ 6G รวมถึงการประยุกต์ใช้ใน Edge AI และการเรียนรู้ของเครื่องโดยไม่ต้องพึ่งพาระบบคลาวด์ #imctnews รายงาน