近日,芯华章系统级EDA数字仿真工具GalaxSim获德国莱茵TÜV集团(以下简称“TÜV莱茵”)ISO 26262 TCL3功能安全工具认证,能够支持汽车安全完整性标准最高ASIL D级别的芯片开发验证。
这标志着芯华章相关验证工具能够帮助车规芯片客户在开发中更快达成质量目标,进而在激烈竞争中赢得市场先机。这也是芯华章战略投资海外汽车电子解决方案企业Optima Design Automation后,在车规级验证解决方案能力的持续强化。
TÜV莱茵大中华区工业服务与信息安全总经理赵斌(左)、芯华章首席市场战略官谢仲辉(右)出席颁证仪式
在汽车领域业内,ISO 26262是全球公认的汽车领域电气/电子相关功能安全标准,覆盖车规产品的全生命周期,其流程体系认证和产品认证在汽车行业内认可度极高,已成为车规级芯片供应商进入汽车行业的准入门槛之一。
ASIL(Automotive Safety Integrity Level)是ISO 26262标准中定义的,用于量化汽车系统的安全风险等级。根据潜在的危害严重性、发生概率以及可避免性,将风险分为不同的级别:ASIL A、ASIL B、ASIL C和ASIL D。其中ASIL D代表最高的安全要求。
TCL是ISO 26262标准中用于评估开发工具可信度的等级,考虑了工具的错误可能对最终产品安全性的影响程度,分为TCL1、TCL2和TCL3三个级别,TCL3表示最高的可信度要求。在开发高ASIL等级的汽车系统时,通常需要使用高TCL等级的工具。
芯华章GalaxSim一次性通过了该认证审核中最严苛的TCL3认证,不仅证明公司研发、技术安全保障实力,也标志着自身产品研发与管理体系,能够全面支撑汽车行业各类功能安全产品的开发需求。
为了减少产品的开发时间和成本,降低由于安全问题而导致的维护甚至召回的风险,越来越多的整车厂和供应商开始重视汽车领域的功能安全问题。EDA工具为功能安全提供数据支撑,尤其是ISO 26262认证所需的定量分析——在设计车规芯片时,通过对芯片进行有意的故障注入来评定车规芯片的安全完整性等级,这就需要用到仿真引擎来提高功能仿真验证的效率及覆盖率。
仿真器的性能直接决定了用户在验证上的成本
假如某个优化可以使仿真速度提高2x, 那可以使原本一个月完成的回归测试缩短到二周,从而给客户省掉很大的验证支出,并在市场竞争中赢得宝贵的时间窗口。
GalaxSim已经在多家国内领先的芯片设计、晶圆代工企业的前后端仿真中进入实际项目,应用在从IP模块、子系统验证到后端门仿的多种场景,性能对标国际领先水平,得到客户的认可。
在一家业界头部系统公司的大规模设计应用中,我们以国际前列的第三方工具作为标杆进行对照,在超过2.5万个用例回归测试中,100%完成功能测试通过,并且在与用户大量的应用数据磨合中,持续提升性能表现。
芯华章首席市场战略官谢仲辉表示:
“EDA工具获得TCL3级别的认证,对于汽车芯片的开发者来说,代表着在开发过程中使用的开发工具遵循了最严格的审查,降低了由于工具的缺陷为芯片开发带来的风险,从而来保障汽车功能安全达到最高标准。芯华章GalaxSim可以帮助客户从底层工具开始实现对ASIL D安全级别芯片开发的支持,为客户减少在验证和认证上所需的时间,在加速设计周期的同时,提供满足芯片安全完整性等级的证据。”
TÜV莱茵大中华区工业服务与信息安全总经理赵斌表示:
“我们的功能安全专家对GalaxSim软件工具开发的全生命周期进行了严格审查并对其安全可靠性、准确性进行了详细交叉校验,结果显示GalaxSim逻辑仿真软件达到了功能安全标准ISO 26262 TCL3的要求,支持ASIL D最高芯片安全标准。TÜV莱茵将继续同芯华章保持紧密合作,助力其提升产品可靠性和安全性,增强在功能安全尤其是汽车电子领域的竞争优势。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。