首页 | 电子创新网

英特尔与《新智元》联合举办的2017年中国人工智能（AI）开年盛典——2017新智元开源•生态AI技术峰会27日在北京开幕。

英特尔中国研究院院长宋继强博士发表了主题演讲并对英特尔在人工智能领域的最新技术创新和产业协作策略做深度解读。

他指出，随着计算力的突破，数据洪流的爆发和算法的不断创新，人工智能发展已到爆发的临界点，这意味着我们正处于一个AI发展的“黄金时代”，英特尔非常看好AI未来存在的无限可能性。作为下一轮重大计算创新趋势，AI无疑将颠覆行业发展，增强企业竞争力。

CITE2017人工智能产业发展高峰论坛：英特尔推动人工智能的多元生态与应用

第五届中国电子信息博览会（CITE）于4月9日在深圳开幕。在电博会人工智能产业高峰论上，工信部、深圳市委等相关部门领导和科大讯飞*、腾讯*、华为*和TCL*等各路人工智能领先企业齐聚，关注和推动智能产业发展。英特尔数据中心全球销售部产品和技术总经理陈葆立在人工智能产业高峰论上发表了主题演讲，解析人工智能行业的发展前景，并重点介绍英特尔如何在人工智能领域提供独到价值，推动技术创新，共建多元生态，促进应用普及。

推动AI民主化，英特尔在行动

在近期的F8开发者大会上，Facebook 正式宣布开源其全新深度学习框架 Caffe2，由于该框架可以将机器学习移动化，用在 iOS、Android 和树莓派上训练和部署模型，一经发布便引起业内高度关注。基于此，英特尔、微软等公司纷纷展开合作,在云端和移动环境两个方面都对 Caffe2 做了优化。这些合作将使机器学习从业者能够使用更复杂的模型快速地进行实验，并部署下一代 AI 增强型的应用和服务。如此，机器学习移动化的价值能更好地得以实现，进一步拓宽人工智能应用场景。

单片机开发中的应掌握的几个基本技巧

在单片机应用开发中，代码的使用效率问题、单片机抗干扰性和可靠性等问题仍困扰着。现归纳出单片机开发中应掌握的几个基本技巧。

1如何减少程序中的bug

对于如何减少程序的bug，应该先考虑系统运行中应考虑的超范围管理参数如下。物理参数：这些参数主要是系统的输入参数，它包括激励参数、采集处理中的运行参数和处理结束的结果参数。资源参数：这些参数主要是系统中的电路、器件、功能单元的资源，如记忆体容量、存储单元长度、堆叠深度。应用参数：这些应用参数常表现为一些单片机、功能单元的应用条件。过程参数：指系统运行中的有序变化的参数。

2如何提高C语言编程代码的效率

单片机系统的电磁兼容性设计详细解析

随着单片机系统越来越广泛地应用于消费类电子、医疗、工业自动化、智能化仪器仪表、航空航天等各领域，单片机系统面临着电磁干扰(EMI)日益严重的威胁。电磁兼容性(EMC)包含系统的发射和敏感度两方面的问题。如果一个单片机系统符合下面三个条件，则该系统是电磁兼容的：
① 对其它系统不产生干扰;
② 对其它系统的发射不敏感;
③ 对系统本身不产生干扰。

QC快充到底伤不伤电池？

前言：手机的体验好坏受到很多因素的影响。其中一点就是能量问题。手机的能量来自于电池，电池性能直接影响手机的使用时间。除了电池性能本身，手机的使用方式也影响手机电池性能对手机体验的影响。 10年前常见的诺基亚智能机或MTK功能机，1000mAh左右的电池足以保证这些手机一天以上的使用。300-500mA的充电电流足以让这些手机以较为合理的速度充电。

确保PCB设计成功的八个步骤

印刷电路板 (PCB) 是电子产品的躯体，最终产品的性能、寿命和可靠性依赖于其所构成的电气系统。如果设计得当，具有高质量电路的产品将具有较低的现场故障率和现场退货率。因此，产品的生产成本将更低，利润更高。为了按时生产高质量的 PCB 板，同时不增加设计时间且不产生代价高昂的返工，必须尽早在设计流程中发现设计和电路完整性问题。

为了把产品快速可靠地推向市场，利用设计工具实现设计流程自动化就显得十分必要，但如何才能确保设计获得成功呢？为了最大程度地提高设计效率和产品质量，应当关注哪些细节？设计工具显然应该直观易用且足够强大，以便克服复杂的设计挑战，但还有哪些事项值得注意？本文列举了为确保 PCB 设计成功可采取的八个步骤。

PCB设计秘籍：教你如何快速制作电路板

电路板是实现电子电路功能的载体，作为一名电路设计工程师，在产品设计开发阶段，您是否遇到过这样的问题：随着电子通讯频率的提高，对PCB线路精度的要求越来越高，择优选取使得产品可靠性要求越来越高，研发项目需要反复论证修改、电子产品研发周期却越来越短，电路设计工程师不得不面临更高的挑战，如何在最短的时间内快速制作电路板，缩短项目开发时间成为制胜的关键之一。

FPGA 超越 GPU，问鼎下一代深度学习主引擎

导读：
人工智能即将深刻改变我们的世界，而数据洪流带来数据量爆炸和数据形态的多样性，对数据处理能力以及下一代深度学习的计算能力也提出了更高的要求。随着人工智能在越来越多的应用领域开始新的探索，随着不规则并行度和定制类型数据的大量引入，FPGA在DNN研究中表现非常出色，可用于需要分析大量数据的AI、大数据或机器学习等研究领域。

来自社交媒体和互联网的图像、视频和语音数字数据的持续指数增长推动了分析的需要，以使得数据可以理解和处理。

数据分析通常依赖于机器学习（ML）算法。在ML算法中，深度卷积神经网络（DNN）为重要的图像分类任务提供了最先进的精度，并被广泛采用。

关于人工智能，四位大咖聊了很多也许你不知道的事

导读：
人工智能即将深刻改变我们的世界，而数据洪流带来数据量爆炸和数据形态的多样性，对数据处理能力以及下一代深度学习的计算能力也提出了更高的要求。随着人工智能在越来越多的应用领域开始新的探索，随着不规则并行度和定制类型数据的大量引入，FPGA在DNN研究中表现非常出色，可用于需要分析大量数据的AI、大数据或机器学习等研究领域。