2025年05月10日
来源：内容由半导体行业观察（id:icbank）翻译自wikichip，谢谢。
在IEEE年度Hot Chips大会上，特斯拉的FSD芯片是众多出色的演讲之一。在今年4月的自动驾驶日，特斯拉首次公开了他们的全自动驾驶(FSD)芯片。而在最近的Hot Chips 31大会上，特斯拉对芯片的一些关键组件提供了一些新的见解。
特斯拉工程师为FSD芯片和平台制定了许多主要目标。他们希望在功率范围内尽可能多地提升芯片TOPS。为了安全起见，芯片的主要设计点是在批量为一的情况下芯片的高利用率。值得注意的是，FSD芯片随附了一组用于通用处理的CPU和一个用于后处理的轻量级GPU，这不在本文的讨论范围之内。这些组件已在我们的主要文章中详细介绍。
2025年05月10日
出品 | 智东西公开课
讲师 | 童志军 阅面科技合伙人&CTO
提醒 | 点击上方蓝字关注我们，并回复关键词 嵌入式04，即可获取课件。
导读：
4月17日，阅面科技合伙人&CTO童志军在智东西公开课进行了嵌入式AI合辑第四讲的直播讲解，主题为《面向嵌入式设备的轻量级神经网络模型设计》。
在本次讲解中，童志军老师从神经网络模型在嵌入式设备运行的挑战、神经网络模型从“特征驱动”、“数据驱动”、“精度优先”到“速度优先”等不同阶段的发展历程，并通过实际案例解读如何在嵌入式设备上实现神经网络模型的高效部署和运行。
2025年05月10日
A-Teacher: Asymmetric Network for 3D Semi-Supervised Object Detection
研究背景
近年来，随着自动驾驶技术的快速发展，基于激光雷达（LiDAR）的3D对象检测在自主驾驶系统中扮演着至关重要的角色。然而，标注大规模的点云数据非常耗时且成本高昂，这限制了监督学习方法的应用。因此，研究者们开始探索半监督学习方法，旨在利用少量的标注数据和大量的未标注数据来提高检测性能。