然而，随着人工智能从云数据中心扩展到工业自动化、机器人、自主机器和边缘系统，电力输送、传感和系统效率的物理现实正成为性能、可扩展性和可靠性的关键因素。.
这本新电子书汇集了来自人工智能生态系统各领域专家的观点，包括来自安森美半导体、亚马逊、谷歌、Meta 和特斯拉的专家，分析了功率半导体、传感技术和硬件架构的进步如何推动人工智能应用的发展，从超大规模数据中心到机器人再到现实世界的自主系统。.
随着人工智能工作负载的持续增长，为日益密集的计算环境提供支持所需的电力，这给行业带来了越来越大的挑战。这本电子书探讨了向更高电压架构的转变以及宽禁带半导体技术（例如碳化硅 (SiC) 和氮化镓 (GaN)）的应用，如何帮助数据中心运营商提高效率、降低散热需求并减少整体能耗。.
这本电子书还重点介绍了感知技术在物理人工智能应用中日益增长的重要性。虽然视觉仍然是自主系统的关键要素，但智能机器越来越依赖图像、力、扭矩、位置和接近度感知等多种感知方式的组合，以便安全有效地与物理世界进行交互。该电子书阐述了提升感知系统质量如何降低处理开销、减少能耗、缩短响应时间，并实现更可靠的边缘人工智能决策。.
这本电子书涵盖的主题如下：
不断增长的人工智能工作负载如何改变数据中心、边缘基础设施和工业系统的能源需求？
碳化硅 (SiC) 和氮化镓 (GaN) 技术在提高能源效率、减少热问题以及增强对更高功率密度的适应性方面发挥着怎样的作用？
为什么传感质量会直接影响人工智能的准确性、延迟、功耗和整体系统性能？
智能边缘传感、本地数据处理和传感器融合在自主系统和人工智能系统中的优势是什么？
降低机器人、工业自动化和协作机器延迟并提高安全性的策略是什么？
将传感、电源传输和人工智能处理集成起来以实现物理自主性的系统级方法是什么？
该电子书还介绍了安森美半导体支持人工智能应用的技术，例如EliteSiC ™ 碳化硅解决方案、 Hyperlux ™图像传感器、Treo™ 模拟和混合信号平台、工业连接解决方案以及先进的能源管理。
