Brainchip Klassengruppe WKN: A14Z7W ISIN: AU000000BRN8 Kürzel: BRN Forum: Aktien User: Rarosch

Kevin ist verrückt 🙈

https://www.analyticsinsight.net/artificial-intelligence/prophesee-and-volkswagen-use-brain-inspired-ai-to-make-self-driving-cars-faster-and-safer

Was nettes zum Lesen https://jwpm.com.au/industrial-marketing-blog/who-will-play-second-fiddle-ibm-or-nvidia-and-how-brainchip-could-benefit-from-symphony

Von X aufgeschnappt … muss nichts heißen… aber prophesee ist Partner.. https://www.analyticsinsight.net/artificial-intelligence/prophesee-and-volkswagen-use-brain-inspired-ai-to-make-self-driving-cars-faster-and-safer Falls der Artikel tatsächlich eine konkrete Zusammenarbeit zwischen Prophesee und Volkswagen beschreibt, wäre BrainChip für mich die logischste Erklärung. BrainChip fällt dabei besonders auf, weil die öffentlich demonstrierte Akida Prophesee Lösung ziemlich genau die genannten Fähigkeiten abdeckt. Allerdings finde ich bislang keine weitere Quelle, die das hier bestätigt….Deshalb sollte man vorsichtig bleiben. Es kann genauso gut ein typischer „Gute-Laune-Artikel“ fürs Sommerloch sein. Gschichten ausm Paulaner Garten

“Schön zu sehen, dass Google die Forschung von BrainChipML bestätigt. Die Welt wird bald erkennen, dass LLMs nicht der einzige Weg sind, künstliche Intelligenz umzusetzen. Neuromorphes Computing ist bestens positioniert, um nun seinen Durchbruch zu erleben, und BrainChip ist dabei führend.“ -Field CTO von IBM

Gemma 4 (released this week by Google DeepMind) adopts our K=V attention variant in its global attention layers, cutting global KV cache footprint by up to 37.5%. Some context on why this matters: As context windows get longer, the KV cache becomes one of the biggest bottlenecks for inference, both in latency and memory. Most efforts to shrink it focus on sharing the cache across layers or heads. In the Gemma 4 technical report, the team applied this technique in their global attention layers (about 1 in every 6 layers, given their 5:1 local-to-global ratio), skipping it in the smaller E2B/E4B models. Combined with KV cache sharing and their p-RoPE positional encoding, this contributed to a 37.5% reduction in global KV cache footprint as part of their long-context efficiency stack. Genuinely satisfying to see an idea move from "does this even work" in a paper to a shipped line item in a frontier open-weight model's technical report, in production, at scale. Brainchip Investor Group BRN BRCHF neuromo... Sey Anza • 10 Std. • P →>Our paper (ICML 2026): arxiv.org/abs/

Kannst Du den Text/Artikel posten ... bin nicht auf Facebook

Hallo zusammen, kann das hier jemand von euch einordnen? Ich finde da nix drüber https://www.facebook.com/share/p/18oph7kXPF/?

KI gefragt ☝️🤠

Gemma 4 ist eine fortschrittliche Familie offener und multimodaler KI-Modelle von Google DeepMind, die speziell für Entwickler und die Nutzung auf lokalen Geräten (auf PCs, Laptops und Smartphones) konzipiert wurden.Zu den Kernmerkmalen gehören:Multimodalität: Kann nicht nur Text, sondern auch Bilder und Tondateien verarbeiten.Agenten-Fähigkeiten (Agentic Workflows): Sie unterstützen Features wie "Thinking" (schrittweises Problemlösen) und natives Funktionsaufrufen (Tool Calling).Hohe Effizienz: Sie sind in verschiedenen Modellgrößen (z. B. 12B, 26B, 31B) verfügbar und bieten selbst auf normaler Consumer-Hardware eine beeindruckende Rechenleistung bei geringem Akkuverbrauch.Ist Brainchip involviert?Ja, jedoch nicht in der Form, dass Google direkt Lizenzen von BrainChip nutzt. Die Beteiligung zeigt sich vor allem auf der Forschungsebene und im Bereich der Edge-KI:Forschung: KI-Forscher von BrainChip haben eigene wissenschaftliche Arbeiten und Forschungsbeiträge zu Konzepten veröffentlicht (z. B. zu "Provenance Networks"), die in den technischen Berichten und der Entwicklung von Gemma 4 als Ideen oder Referenzen aufgegriffen wurden.Hardware & Edge-KI: Da Gemma 4 besonders für die lokale Ausführung auf Edge-Geräten (also direkt auf Hardware, ohne Cloud) optimiert wurde, überschneidet sich Googles Vision stark mit dem Fokus von BrainChips neuromorpher Chip-Architektur (Akida).„Provenance Networks: End-to-End Exemplar-Based Explainability. Report issue for preceding element. Ali Kayyam & Anusha Madan Gopal BrainChip Inc.“arXiv

https://www.linkedin.com/posts/kevin-d-johnson-42170b_gemma-4-technical-report-activity-7481343739362312192-b2_i?utm_source=share&utm_medium=member_ios&rcm=ACoAAFi_kCMBpHpbspV91l4lh80vs0HTNEqmFnw

Außerdem muss man bei Rohstoff und Industrieanlagen riesige Mengen an Sensordaten (mann erinnere sich an oceans 12) Vibrationsdaten …Temperaturüberwachung oder so…direkt an der Maschine auswerten…bedeutet? Genau! Edge Anwendung!…. ohne Cloud 🤓 also…. Potentielle Kunden meine Damen und Herren