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
本文揭示了AI时代CIO的七项关键行为特征,基于对多位CIO和AI专家的深度访谈。专家指出,AI精通的CIO需具备实用AI素养、战略视野和变革领导力,能将技术与业务战略对齐,建立强大数据治理基础。文章详细解析了分析型AI、生成式AI和智能体AI三大技术领域,强调数据基础的重要性,并提出CIO应从项目思维转向产品思维,通过跨职能团队实现端到端价值交付。
斯坦福大学等机构联合开发的CIFT系统首次解决了机器人"近视眼"问题,通过精确控制真实数据和合成数据的混合比例,让机器人在陌生环境中的表现提升54%以上。该系统包含多视角视频增强引擎MVAug和数据组合优化策略,能够预测数据失效的"去相干点",确保机器人学习真正重要的任务特征而非环境表象,为实用化通用机器人奠定了重要基础。
尽管苹果在AI竞赛中看似落后,但其私有云计算基础设施展现了技术优势。当行业为追赶大语言模型而降低隐私标准时,苹果坚持原则,开发出保护用户数据隐私的技术方案。谷歌最新宣布的类似实施方案验证了苹果技术路线的正确性,这可能推动其他AI实验室采用相同做法,为用户隐私带来重大胜利。
香港中文大学研究团队开发的Search-R3系统成功解决了大语言模型推理与搜索分离的问题,通过两阶段训练让AI在深度思考过程中直接生成搜索向量。该系统在多个领域测试中显著超越现有方法,特别是启用推理后性能提升明显,为AI系统设计提供了推理与搜索统一的新范式,展现了从专门化向通用化发展的重要方向。