性能改进持续推动车载应用发展,提升驾驶员体验
存储器解决方案的全球领导者铠侠株式会社宣布,该公司已开始提供业界首款(2)面向车载应用的通用闪存(3)(UFS)4.0版嵌入式闪存设备的样品(1)。新产品性能高,采用小型封装,提供快速的嵌入式存储传输速度,适用于多种新一代车载应用,诸如车载远程信息处理系统、信息娱乐系统以及ADAS系统(4)。铠侠车载UFS产品的性能显著提升(5),顺序读取速度提升约100%,顺序写入速度也提升约40%。通过性能提升,相关应用能够更好地利用5G连接的优势,带来更快的系统启动速度和更优质的用户体验。

作为首家推出UFS技术(6)的公司,铠侠持续推动着这项技术的发展。其新型UFS 4.0设备将公司创新的BiCS FLASH™ 3D闪存和控制器集成在JEDEC标准封装中。UFS 4.0采用MIPI M-PHY 5.0和UniPro2.0技术,支持每条通道高达23.2Gbps或每个设备高达46.4Gbps的理论接口速度。铠侠车载UFS 4.0同样能够兼容UFS 3.1。
新产品支持高速链路启动序列(HS-LSS)功能,设备和主机之间的传输链路启动(M-PHY和UniPro初始化序列)能够以快于传统UFS的HS-G1 Rate A(1248Mbps)执行。与传统方法相比,预计这将使链路启动时间缩短约70%。
全新的UFS 4.0设备搭载多项高级特性和功能,以满足车载应用的严苛需求,其包括:
全新的UFS系列可提供128GB、256GB和512GB三款不同容量的产品,并支持宽温度范围,符合AEC(7)-Q100 Grade2要求,并针对复杂的车载应用增强了可靠性。
注:
(1) 样品规格可能因量产部件而异。
(2) 截至2024年1月30日。铠侠调查。
(3) 通用闪存(UFS)是根据JEDEC UFS标准规范建立的一类嵌入式存储产品的产品类别。凭借串行接口,UFS支持全双工通讯,使得主机处理器和UFS设备之间可以同时进行读和写。
(4) 高级驾驶辅助系统
(5) 与铠侠上一代512GB设备“THGJFGT2T85BAB5”相比。
(6) 铠侠的首批样品已从2013年2月8日开始出货。
https://www.kioxia.com/en-jp/business/news/2013/20130208-1.html
(7) 由汽车电子协会(AEC)定义的电气组件资格要求。
* MB/s按1,000,000字节/秒计算。读写速度是铠侠株式会社在特定测试环境中获得的最佳值,铠侠株式会社不保证单个器件的读写速度。读写速度可能会因使用的器件和读取或写入的文件大小而异。
* 在每次提及铠侠产品:产品密度是根据产品内的内存芯片密度来确定的,而不是最终用户可用于数据存储的内存容量。消费者可使用的容量会因开销数据区域(overhead data areas)、格式化、坏块和其他限制而变少,而且也可能因主机设备和应用程序而变化。如需了解详情,请参考适用的产品规格。根据定义,1KB = 2^10字节 = 1,024字节;1Gb = 2^30比特 = 1,073,741,824比特;1GB = 2^30字节 = 1,073,741,824字节;1Tb = 2^40比特 = 1,099,511,627,776比特。
* 所有公司名称、产品名称和服务名称可能是其各自公司的商标。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。