在摩尔定律的旅程中,先进封装技术正发挥着越来越重要的作用,通过堆叠技术的创新,可以在单个设备中集成更多的晶体管。目前的大多数芯片都采用了异构架构设计,先进封装技术也让设备中采用不同制程技术、来自不同厂商、执行不同功能的芯粒能够在一起妥善工作,从而提高性能并降低功耗。
EMIB(嵌入式多芯片互连桥接)是英特尔的一种2.5D先进封装技术,支持把不同的芯片放在同一块平面上相互连接。传统的2.5D封装是在芯片和基板间的硅中介层上进行布线,EMIB则是通过一个嵌入基板内部的单独芯片完成互连。
作为一种高成本效益的方法,EMIB简化了设计流程,并带来了设计灵活性。EMIB技术已在英特尔自己的产品中得到了验证,如第四代英特尔®至强®处理器、至强6处理器和英特尔Stratix®10 FPGA。代工客户也对EMIB技术越来越感兴趣。
为了让客户能够利用这项技术,英特尔代工正积极与EDA和IP伙伴合作,确保他们的异构设计工具、流程、方法以及可重复使用的IP块都得到了充分的启用和资格认证。Ansys、Cadence、Siemens和Synopsys已宣布,为英特尔EMIB先进封装技术提供参考流程:
IP和EDA生态系统对任何代工业务都至关重要,英特尔代工一直在努力打造强大的代工生态系统,并将继续通过代工服务让客户能够更轻松、快速地优化、制造和组装其SOC(系统级芯片)设计,同时为其设计人员提供经过验证的EDA工具、设计流程和IP组合,以实现硅通孔封装设计。
在AI时代,芯片架构越来越需要在单个封装中集成多个CPU、GPU和NPU以满足性能要求。英特尔的系统级代工能够帮助客户在堆栈的每一层级进行创新,从而满足AI时代复杂的计算需求,加速推出下一代芯片产品。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。