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
UniR(Universal Reasoner)是一种创新的推理增强方法,可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发,该方法将推理能力分解为独立的轻量级模块,无需改变主模型结构。UniR的核心优势在于高效训练(仅更新小型推理模块)、出色的模型间迁移能力(小模型可指导大模型)以及模块组合能力(多个专用模块可通过logits相加组合使用)。在数学推理和翻译测试中,UniR显著超越现有微调方法,展示了轻量级模块如何有效增强大语言模型的推理能力。
Nebius团队开发了SWE-rebench,一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战:高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理(初步收集、自动安装配置、执行验证和质量评估),SWE-rebench构建了包含超过21,000个Python交互式任务的数据集,并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大,而DeepSeek模型在开源模型中表现最为稳健。
这项研究提出了JQL(发音为"Jackal"),一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题:先由人类评估内容教育价值创建基准数据,然后评估大型语言模型作为"评判者"的能力,接着将这些能力提炼到轻量级评估器中,最后应用于大规模数据筛选。实验表明,JQL在35种语言上显著优于现有方法,甚至能泛化到未见过的语言如阿拉伯语和中文,为多语言AI发展提供了高效可靠的数据筛选方案。
浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破,能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离,系统不仅保持了原始场景结构,还准确捕捉了参考风格特征。与现有方法相比,Styl3R在处理速度和视觉质量上均显著领先,为创意内容制作开辟了全新可能。