视频——Intel's Leading Role in 5G

无人驾驶领域的领军者——英特尔，去年宣布成立无人驾驶事业部，致力于以革命性的方式重塑驾驶体验！
眼见为实，我们来到研发第一线——英特尔位于美国亚利桑那州的无人驾驶实验室，它又被称为车轮上的实验室，为大家带来最直接的体验。

我们习惯了搭乘汽车、飞机这样的交通工具，与古人相比已是天壤之别；而未来的人类也会惊讶历史上居然有一段时间，人们每天手动操作着一个大铁块，穿梭于拥挤不堪的道路。

未来，属于无人驾驶。它不仅让人类的双手远离方向盘，也优化了交通网络，带来更安全、更高效的驾驶体验。

无人驾驶领域的领军者——英特尔，去年宣布成立无人驾驶事业部，致力于以革命性的方式重塑驾驶体验！
眼见为实，我们来到研发第一线——英特尔位于美国亚利桑那州的无人驾驶实验室，它又被称为车轮上的实验室，为大家带来最直接的体验。

2017年世界移动通信大会（MWC 2017）今天进入第三日。英特尔继续公布了与5G业界领导厂商的一系列全新合作项目，以及在推动5G标准化方面的最新进展。这些合作与产品包括：

统一标准（3GPP）
在2月28日举行的全球5G测试峰会上，英特尔携手AT&T、中国移动、NTT DoCoMo、沃达丰、爱立信、华为、Keysight、联发科、诺基亚、高通、R&S、中兴通讯和大唐电信，联合宣布将通过5G测试、试验，以及开展更广泛的电信运营商、厂商以及垂直行业合作伙伴协作以构建一个完整的端到端生态系统，来共同推动全球统一的5G标准的实现。目前，声明的参与方已经开始在包括移动宽带在内的一系列应用实例中进行早期试验和互通测试，为3GPP Release-15规范建立一个成熟的5G生态系统，并保障快速有效的上市时间。

为什么世界需要5G——Intel视频

<strong>作者：凌力尔特公司电源产品部设计部门负责人Eko Lisuwandi </strong>

<strong>背景信息 </strong>

电池在日常设备中的使用变得越来越普及了。在很多这类产品中，充电连接器是难以或无法使用的。例如，有些产品需要密封机壳，以针对严酷环境保护敏感的电子组件，以及允许便利地清洁或消毒。另一些产品可能是因为太小而容纳不下连接器，而且如果电池供电应用包括移动或旋转部件，那么在这类应用的产品中，就不用再考虑有线充电的可能性了。在这类以及其他一些应用中，无线充电很有用，提高了可靠性和坚固性。

无线功率传送有很多方式。在不到几英寸的短距离上，常用电容或电感耦合。本文中讨论的是使用电感耦合的解决方案。

作者：Yvette

当今世界，设计师们似乎永远不停地在追求更高效率。我们希望以更低的功率输入得到更高的功率输出！更高的系统效率需要团队的努力，这包括（但不限于）性能更高的栅极驱动器、控制器和新的宽禁带技术。

特别是高电流栅极驱动器，其能够通过降低开关损耗帮助提升整体系统效率。当FET开关打开或关闭时，就会出现开关损耗。为了打开FET，栅极电容得到的电荷必须超过阈值电压。栅极驱动器的驱动电流有助于栅极电容的充电。驱动电流能力越高，电容的充放电速度就越快。拉灌大量电荷的能力可以降低功率损耗和畸变。（传导损耗是另一种FET开关损耗，传导损耗取决于内部电阻或FET的RDS(on)值，其中，随着电流通过，FET也会耗散功率。）

需要大量数字处理的电子系统常常利用FPGA或CPLD等现场可编程器件实现，而不是利用定制专用集成电路(ASIC)。虽然定制ASIC可能比现场可编程器件具有成本优势，但现场可编程器件具有即时制造周转、低启动成本以及设计速度和方便性等优点。这些优点已使FPGA和CPLD成为实现以太网交换机和路由器、存储局域网设备和多媒体内容传输系统等复杂数字系统的首选器件。

对于让机器人完成我们想要做的事情，它们需要理解我们的命令才行。在绝大多数情况下，这意味着我们必须和它们妥协：例如，教授它们错综复杂的人类语言，或者给它们明确的命令来完成非常具体的任务。
但是，如果我们可以开发出一种机器人，它们就像是我们身体的一部分，并且可以做任何我们想做的事情，那会怎样呢？

来自麻省理工学院的计算机科学与人工智能实验室（CSAIL）和波士顿大学的一个团队正致力于解决这个问题，创建一个反馈系统，让人们仅仅使用他们的大脑就可以立即纠正机器人的错误。
在MIT开发的反馈系统使人类操作员只使用大脑信号就可实时纠正机器人做出的选择。

从综艺节目《危险边缘》（Jeopardy）的赢家和围棋大师，再到不光彩的、与广告有关的种族定性，我们似乎进入了一个人工智能发展飞速加快的时代。但是，要创造出这样一个完全有感知能力的人——他的电子“大脑”能够利用公平的道德判断来完全参与复杂的认知任务，目前我们的能力还不能做到。

　　不幸的是，目前的事态发展让人们普遍担心人工智能未来可能会变成什么。它在最近流行文化中的表现表明，我们对这项技术的态度是多么谨慎和悲观。恐惧的问题在于，它可能会造成严重的后果，有时还会助长无知。

　　了解人工智能的内部运作是解决这些忧虑的一剂良药。而且，这种认真可以促成负责任的和令人放心的参与。

　　人工智能的核心基础是机器学习，这是一种优雅而又广泛使用的工具。但要理解机器学习的意义，我们首先需要研究它的潜力是如何绝对超过它的坏处的。