英国芯片设计公司Arm Holdings Ltd.在今年早些时候曾推出Arm Neoverse计算子系统的基础。Arm今天又宣布了一个名为Arm全面设计(Arm Total Design)的新生态系统。Arm全面设计将帮助构建定制化单片系统设计的公司获得行业专业知识并加速这些工作。
Arm 在今年夏天发布 Arm Neoverse CSS 时表示,Arm Neoverse CSS为企业提供了一条更低风险的基础设施定制芯片路径。Arm Neoverse CSS 能够以更便捷的方式向客户提供芯片设计者的技术,可为各种数据中心用例设计预集成和预验证的芯片蓝图。客户可以使用这些蓝图并对其进行改进,可为更具体的内部工作负载创建定制芯片。
这种方式可以令 Arm Neoverse CSS 降低开发成本并加快为特定工作负载量身定制的单片系统的上市时间。
今天Arm全面设计的发布标志着正在构建一个合作伙伴生态系统,可以帮助客户以最快的速度设计和构建定制的 Arm Neoverse CSS 芯片。Arm 全面设计是在今天举行的2023 OCP全球峰会上宣布的。Arm全面设计凝聚了芯片行业的领导者,包括领先的ASIC设计公司、知识产权供应商、电子设计自动化工具提供商、芯片代工厂和固件开发商。Arm全面设计使客户能够轻松利用他们的专业知识。同时,Arm全面设计合作伙伴还可以优先使用 Neoverse CSS。
Arm公司表示,客户在Arm生态系统中可以使用Alphawave IP公司、Cadence Design Systems公司和Synopsys公司等合作伙伴提供的预集成和经过验证的IP和EDA工具,达到加速芯片设计并集成内存、外设和安全等重要组件的目的。ADTechnology公司、Broadcom公司、Capgemini SE公司和Socionext公司等IP提供商以及英特尔公司和台湾积体电路制造股份有限公司等芯片代工合作伙伴将提供设计服务支持。最后,该生态系统还得到American Megatrends International LLC 等供应商提供的商业软件和固件的支持。
台积电设计基础架构管理主管Dan Kochpatcharin表示,Arm Neoverse CSS与台积电最先进的芯片制造工艺相结合,将可以为包括人工智能、高性能计算和移动应用在内的工作负载打造更先进、更省电的芯片。
Arm公司表示,Arm与首批半导体行业领导者的密切合作将使每个人都能利用Neoverse CSS更快地进行创新。Arm 表示,ASIC 设计人员可以利用 Arm全面设计生态系统获得各种即时可以使用的现成设计。IP 提供商可以为 Neoverse CSS 预先集成、预先验证和预先优化高级 IP,而 EDA 工具提供商则可以确保其最先进的工具能够支持不断涌现的、基于 Neoverse CSS 的新芯片设计。而且,商业固件解决方案可以在硅片制造之前完成开发,做到确保在新平台上市之前一切准备就绪。
Cadence公司高级副总裁兼系统与验证部总经理Paul Cunningham表示,“Arm 全面设计为快速开发基于Arm架构的单片系统提供了必要的基础。客户通过扩大与Arm公司的合作可以获得广泛的工具和解决方案,协助开发基于Neoverse的设计。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。