<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:wfw="http://wellformedweb.org/CommentAPI/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	xmlns:slash="http://purl.org/rss/1.0/modules/slash/"
	>

<channel>
	<title></title>
	<atom:link href="https://markamonitor.hu/tag/tenstorrent/feed/" rel="self" type="application/rss+xml" />
	<link>https://markamonitor.hu</link>
	<description></description>
	<lastBuildDate>Thu, 21 Nov 2024 19:17:48 +0000</lastBuildDate>
	<language>hu</language>
	<sy:updatePeriod>
	hourly	</sy:updatePeriod>
	<sy:updateFrequency>
	1	</sy:updateFrequency>
	<generator>https://wordpress.org/?v=6.9.1</generator>

<image>
	<url>https://markamonitor.hu/wp-content/uploads/2018/07/cropped-favicon-32x32.png</url>
	<title>Márkamonitor</title>
	<link>https://markamonitor.hu</link>
	<width>32</width>
	<height>32</height>
</image> 
	<item>
		<title>A Tenstorrenttel közösen fejleszti mesterséges intelligencia megoldásait az LG</title>
		<link>https://markamonitor.hu/a-tenstorrenttel-kozosen-fejleszti-mesterseges-intelligencia-megoldasait-az-lg/</link>
		
		<dc:creator><![CDATA[Károly Kiss]]></dc:creator>
		<pubDate>Fri, 22 Nov 2024 05:35:55 +0000</pubDate>
				<category><![CDATA[Hírek]]></category>
		<category><![CDATA[lg]]></category>
		<category><![CDATA[mesterséges intelligencia]]></category>
		<category><![CDATA[Tenstorrent]]></category>
		<guid isPermaLink="false">https://markamonitor.hu/?p=66901</guid>

					<description><![CDATA[A mesterséges intelligencia technológia fejlődésében kulcsfontosságú szerepe van a nagyteljesítményű AI-félvezetőknek, ezért az LG tovább bővíti házon belüli fejlesztési kapacitásait, miközben vezető globális vállalatokkal – köztük a Tenstorrenttel – működik együtt azért, hogy erősítse mesterséges intelligenciát használó rendszereinek versenyképességét. &#160; A Tenstorrent a saját RISC-V1 alapú Ascalon architektúrájára és Tensix AI-processzor IP-jére épülő világszínvonalú, nagy [&#8230;]]]></description>
										<content:encoded><![CDATA[<p><strong>A mesterséges intelligencia technológia fejlődésében kulcsfontosságú szerepe van a nagyteljesítményű AI-félvezetőknek, ezért az LG tovább bővíti házon belüli fejlesztési kapacitásait, miközben vezető globális vállalatokkal – köztük a Tenstorrenttel – működik együtt azért, hogy erősítse mesterséges intelligenciát használó rendszereinek versenyképességét.</strong></p>
<p>&nbsp;</p>
<p>A Tenstorrent a saját RISC-V1 alapú Ascalon architektúrájára és Tensix AI-processzor IP-jére épülő világszínvonalú, nagy teljesítményű számítástechnikai (HPC) félvezetőiről ismert. IP-jüket úgy tervezték, hogy a milliwatttól a megawattig skálázható legyen, amely kivételes hatékonyságot és teljesítményt biztosít bármilyen eszköz esetében.</p>
<p>Az LG elkötelezett a mesterséges intelligenciával kapcsolatos szoftverek és algoritmus-technológiák fejlesztése mellett, annak érdekében, hogy ügyfelei számára minél jobb minőségű generatív MI-n alapuló termékeket, platformokat és szolgáltatásokat biztosítson. Ez magában foglalja a mesterséges intelligenciát használó chipek fejlesztését is &#8211; írják.</p>
<p><em>„A Tenstorrent az iparág legjobb mesterséges intelligencia és RISC-V technológiáját adja ehhez az együttműködéshez”</em> – mondta William Cho, az LG Electronics vezérigazgatója. <em>„Célunk, hogy minden eddiginél jobb felhasználói élményt nyújtsunk egyedülálló, személyre szabott megoldásokra összpontosítva, amelyek jobban megértik ügyfeleink igényeit, és kézzelfogható értéket nyújtanak.”</em></p>
<p><em>„Az LG kimondottan erős az egylapkás rendszerek fejlesztésének területén, a Tenstorrent pedig izgatottan várja a további együttműködést a vállalattal”</em> – mondta Jim Keller, a Tenstorrent vezérigazgatója. <em>„Az ügyfelek személyre szabható megoldásokat keresnek. Az MI és RISC-V technológiánk lehetővé teszi, hogy az LG az élére állhasson ennek a fejlődésnek.”</em></p>
<p>&nbsp;</p>
]]></content:encoded>
					
		
		
			</item>
	</channel>
</rss>
