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

Loihi 3 ist für Q4 2026 offiziell für niemanden bestätigt verfügbar….Die Behauptung stammt offenbar aus Blogs…KI-Magazinen die content falsch interpretieren oder aus Artikeln die postings aus dem Kontext reißen… aber nicht aus einer Intel Ankündigung. Hala point basiert auf lohi2 Kannst ja auf der offiziellen News Seite von Intel mal checken ob du was findest https://www.intel.com/content/www/us/en/search.html https://newsroom.intel.com/artificial-intelligence/intel-builds-worlds-largest-neuromorphic-system-to-enable-more-sustainable-ai Kann ja falsch liegen oder etwas übersehen haben aber offizielles konnte ich nicht finden mit Intel original Quellen Apropos quellen.. der Artikel hat ne Quellenangabe bezüglich Intel von machine.brief… der nicht mehr funktioniert… hat sich wohl jemand bei denen von machineB beschwert ohne dass nexi es gelöscht hat und den Artikel angepasst hat… https://www.machinebrief.com/news/intel-neuromorphic-loihi-3-brain-computing-edge-ai-2026?ref=nexi.fund

Ich beschwer mich doch nicht bei nem Chat Bot der sich alles so zusammenreimt wie er will 😂🫵

Übertrieben finde ich auch die Brainchip Version „Lockheed Martin … embedding Akida directly into fighter aircraft sensor fusion, space-based surveillance payloads, counter-drone systems“ … hä??? Und „production in volume“ ist sehr aus dem Fenster gelehnt

Beschwerden bitte an ... info@nexi.fund

Also der Brainchip Teil scheint auf den ersten Blick zu passen…. Aber bei Intel widerspricht er sich stark….Er sagt an einer Stelle, Loihi bleibe ein „Research-Chip” ohne kommerzielles Produktionsdatum, später aber, Loihi 3 existiere bereits in working silicon. … immer wieder erstaunlich

Das stimmt doch gar nicht … “Intel's third-generation design, Loihi 3, announced in early 2026, pushes this architecture further. It integrates a 1.15-billion-neuron system called Hala Point at Sandia National Laboratories — the largest neuromorphic system ever built, achieving 15 trillion operations per second per watt. The more immediate story for robotics engineers is at the other end of the scale: sub-watt chips that fit inside a drone arm or a security camera housing.” Nicht 2026. Nicht Loihi 3. Hala Point ist vom April 2024, Loihi 2…. Nicht 3

https://nexi.fund/neuromorphic-chips-edge-robotics-2026/

Hmm er hats auch verstanden https://www.linkedin.com/posts/wilson-bilkovich_if-you-still-think-llms-are-where-the-action-ugcPost-7478467262384005120-8pyh

Immer wiederkehrende Versuche nur das schlechte zu sehen bitte im Hauptforum danke ! Hier nur Beiträge mit Quellen links etc

Ich weiß ist etwas älter der upload… aber das Interieur erstaunlich aktuell vom Benz oder ? https://brainchip.com/wp-content/uploads/2022/07/BrainChip_Designing-Smarter-Safer-Cars.pdf

Hatten wir das schon?? https://www.linkedin.com/posts/microip-inc_microip-vehicleelectronics-computex-activity-7478419215843020801-4aAA

Als Info ... Der AKD1500 ist der direkte Nachfolger des AKD1000 von BrainChip. Beide sind digitale Neuromorph-Prozessoren (SNNs – Spiking Neural Networks), die entwickelt wurden, um KI-Aufgaben energieeffizient direkt an der Quelle ("am Edge") zu berechnen. Der AKD1500 bietet eine deutlich höhere Effizienz, erweiterte Schnittstellen und ist vielseitiger als der AKD1000. Der größte Unterschied: Flexibilität und Effizienz Der AKD1500 wurde als reiner Co-Prozessor konzipiert, der sich flexibel an kleine Batterien anpassen kann. Wo der AKD1000 oft eine ausgewachsene PCIe-Schnittstelle benötigt, bietet der AKD1500 serielle Schnittstellen wie SPI/I2C. Dadurch lässt er sich sogar direkt an günstige und stromsparende Mikrocontroller (MCUs) anschließen, ganz ohne aufwendiges System-Design. Direkter Spezifikations-Vergleich Feature / Spezifikation AKD1000 / AKD1500 Rechenleistung (Peak) Bis zu 1,5 TOPS (INT4) / Bis zu 800 GOPS (effektive Leistung) Stromverbrauch 1 bis 3 Watt (typisch) / < 300 mW (PCIe-Modus) / < 200 mW (Serieller Modus) Schnittstellen PCIe / PCIe (für MPUs) + SPI/I2C (für kleine MCUs) Architektur-Generation Akida 1.0 / Akida 1.0 + Unterstützung für fortschrittliche Modelle Einsatzgebiet Edge-Boxen, PCI-Karten, IoT, Smart Home / Wearables, batteriebetriebene Sensoren, Verteidigung Was das für die Praxis bedeutet: Energieeffizienz: Der AKD1500 ist um ein Vielfaches stromsparender. Er verbraucht weniger als 300 Milliwatt und eignet sich so für immer-aktive Geräte (Wearables) oder batteriebetriebene Sensoren, ohne deren Laufzeit zu ruinieren. Einfache Integration: Während der AKD1000 für komplette Systeme gebaut wurde, dient der AKD1500 als ideale Erweiterung. Er fungiert als intelligenter Filter: Er verarbeitet nur dann Daten (Ereignisse), wenn es wirklich notwendig ist. So weckt er bei Erkennung großer Muster erst den Hauptprozessor, was massiv Energie spart. Unterstützte Software: Beide Chips nutzen die gleichen Lern- und Programmier-Frameworks (MetaTF SDK), die auf Standard-Plattformen wie TensorFlow und PyTorch aufbauen. Modelle können also für beide Chips optimiert werden. Wenn Sie kompakte, batterieabhängige Geräte (wie Smart-Health-Sensoren oder Wearables) bauen möchten, ist der AKD1500 durch seinen weitaus geringeren Stromverbrauch und die neuen SPI-Schnittstellen die deutlich bessere Wahl. Der ältere AKD1000 eignet sich besser für größere, netzbetriebene Edge-Geräte.