高性能计算和人工智能正在形成推动半导体行业飞速发展的双翼。面对摩尔定律趋近极限的挑战,3DIC Chiplet先进封装异构集成系统越来越成为产业界瞩目的焦点。这种创新的系统不仅在Chiplet的设计、封装、制造、应用等方面带来了许多突破,同时也催生了全新的Chiplet EDA平台,共同为创造下一代数字智能系统赋能。
芯和半导体,作为国内首家推出“3DIC Chiplet先进封装设计分析全流程”EDA平台的EDA公司,在10月25日上海举办了2023芯和半导体用户大会,总规模超过600人。大会以“极速智能,创见未来”为主题,以“系统设计分析”为主线,以“芯和Chiplet EDA设计分析全流程EDA平台”为旗舰,以“EDA²,上海市集成电路行业协会和上海集成电路技术与产业促进中心”为指导单位,包含主旨演讲和技术分论坛两部分,主题涵盖芯片半导体与高科技系统领域的众多前沿技术、成功应用与生态合作方面的最新成果。
主旨演讲部分,由中国集成电路协会副理事长于燮康作开幕致辞。芯和半导体的几位重量级用户和生态合作伙伴大咖纷纷上台,从汽车电子、5G通讯、数据中心等方面发表演讲,芯擎科技的创始人、董事兼CEO 汪凯博士的演讲主题是《高算力车规芯片推动域控融合新趋势》,紫光展锐封装设计工程部部长姚力的演讲主题是《设计仿真合作共赢》,中兴微高速互连总工程师吴枫的演讲主题是《算力时代的Chiplet技术和生态发展展望》,清华大学集成电路学院副院长尹首一教授的演讲主题是《大算力芯片发展路径探索》。
芯和半导体创始人、CEO凌峰博士表示:“大算力时代正在深刻改变我们半导体产业链的方方面面,带来各种新的创新和应用。芯和的Chiplet EDA设计平台,在过去几年已被多家全球领先的芯片设计公司采用来设计他们下一代面向数据中心、汽车和AR/VR市场的高性能计算芯片。我们将继续与用户和生态圈合作伙伴紧密合作,解决Chiplet和高速高频系统带来的挑战。”
在大会主旨演讲的最后,芯和半导体进行了盛大的2023EDA发布。通过研发开拓创新与客户应用支持的内外联动,芯和不断夯实三大硬核科技:差异化的仿真引擎技术、AI智能网格剖分融合技术、HPC高性能分布式计算技术;形成了从芯片、Chiplet、封装到PCB的半导体设计分析全流程EDA平台;发布了20多款EDA工具横跨12大应用解决方案,服务智能终端、通信基站、数据中心、物联网、汽车电子、新能源、工业装备7大终端行业。其中,2023年的两款旗舰产品——3DIC Chiplet 全流程设计平台和封装与PCB一站式设计平台更是屡获殊荣。
本届大会共安排了两个分论坛,其中高速高频分论坛中,芯和半导体携积海半导体、燧原科技、中兴通讯、中航光电等用户专家分享了众多高速数字设计和射频微波设计的最新应用;而在AI-HPC-Chiplet分论坛,来自CUMEC、芯耀辉、奕成科技、瀚博半导体和奇异摩尔的专家演示了Chiplet技术在设计、分析、工艺等在人工智能、高性能计算方面的各种进展和案例。
被称为半导体芯片之母的EDA的成功有赖于生态圈伙伴的鼎立合作,本届大会的芯和EDA生态伙伴展示区中云集了来自EDA、IP、晶圆制造、封装、测试行业的佼佼者,包括概伦电子、思尔芯、芯耀辉、芯动科技、Tower半导体、通富微电、锐杰微和罗德与施瓦茨等,他们与芯和半导体一起,共同展示了最新的产品和应用,助力用户的产品成功。
这是一个展现中国EDA创新实力的舞台,这是一个预见下一代中国数字智能系统的舞台。通过这个专业的技术交流平台,设计师与来自芯片设计、制造、封装等企业的专家和工程师分享设计理念和成功经验,畅享行业智慧,拥抱国内集成电路发展的新机遇。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。