半导体行业在过去几年经历了重大转型。曾几何时,只有行业巨头才能设计和制造最前沿的芯片。然而,封装技术和芯片组的进步,加上 AI 在电子设计自动化 (EDA) 工具中的应用,以及各行业对计算需求的不断增长,促使定制芯片大量涌现。如今,仅有少数工程师的初创公司就能设计自己的芯片,所需时间和资源仅为历史所需的一小部分。
为此,像 Cadence Design Systems 这样的 EDA 领域领导者不断加强其工具集,以更好地帮助各种规模的客户进行设计、仿真和测试。但几周前,Cadence 更进一步,实际原型设计并流片了该公司称之为业界首款基于 Arm 的系统芯片组。
系统芯片组负责连接 SoC 上的多个芯片组。该芯片组与处理器 IP 领先技术授权商 Arm 合作开发,符合 Arm 的芯片组系统架构 (CSA),这是确保与采用该架构的其他芯片组互操作性的标准。最初的发布声明并未引起太多关注,但这一开发可能对高需求应用产生重大影响,包括高级驾驶辅助系统 (ADAS)、无人机和 AI 数据中心。
什么是系统芯片组?它本质上是一个包含管理多芯片组系统芯片 (SoC) 资源所需的所有基础设施和功能的单一设备。Cadence 设计的芯片组配备了系统处理器、安全管理处理器、各种控制器、片上网络 (NoC) 和用于 LPDDR5 内存的 Cadence PHY IP,所有这些都通过 UCIe (通用芯片组互连快车) 互连。对不熟悉的人来说,UCIe 是一个开放规范,可实现封装中芯片组间的通信,已被众多半导体企业采用。
除了帮助构建 Arm CSA 以协助参与该计划的其他公司外,成功开发这个系统芯片组也使 Cadence 更接近其提供完整芯片组参考设计的目标。
系统芯片组适用于多种应用。Cadence 系统芯片组将使客户能够简化他们的 SoC 设计,克服潜在的集成挑战,并最终加快上市时间。在上述 ADAS 示例中,Cadence 系统芯片组与多个额外芯片组互连,包括 CPU、GPU、DSP、NPU 等,用于高级驾驶辅助系统。关键在于系统芯片组允许设计师更轻松地扩展、替换或增强设计的其他部分。需要更多 CPU 核心,但 GPU 更小,还要更多 AI 引擎?没问题 - 按照设计规范配置这些芯片组,它们同样可以连接到系统芯片组。Cadence 还指出,其系统芯片组包含符合 SOAFEE 的虚拟平台,允许在最终硬件完成前进行早期软件开发。
降低设计复杂性、优化功耗、性能和面积 (PPA),以及加快上市时间是几乎所有芯片设计师的关键痛点。业界首款系统芯片组的成功开发和流片应该能为 Cadence 的客户解决所有这些问题,并可能对多个市场产生广泛影响。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。