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
本文介绍了 Agentic AI 的概念、特点及应用,强调其自主决策、分解任务与执行复杂目标的能力,并探讨了应用场景与潜在风险。
CapSpeech是约翰·霍普金斯大学等机构联合提出的风格描述文本转语音合成基准,包含超过1000万机器标注和36万人工标注的语音-描述配对。它支持五大下游任务:基础风格描述、带音效的语音合成、口音控制、情感表达和表现力丰富的虚拟代理。研究团队开发了自回归和非自回归两种模型,并通过客观和主观评估证明了该基准的有效性。CapSpeech不仅丰富了语音合成的表现力和可控性,还为实际应用如有声读物、对话代理和跨文化语音合成铺平了道路。
本篇文章以 Navin Chaddha 的采访为主线,阐述了 AI 技术背后人际伙伴关系和早期合作的重要性,以及“协同智能即服务”的理念,强调未来创新依旧由人类主导,技术只是辅助工具。
华盛顿大学和卡内基梅隆大学的研究团队开发了"位置专家"(PosS)技术,解决了推测性解码中的关键挑战。传统方法使用单一草稿模型预测多个位置的词汇,导致预测质量随位置深入而急剧下降。PosS创新性地引入多个专业化层,每层负责特定位置的预测,有效缓解了特征偏差累积问题。实验表明,在Llama系列模型上,PosS比基线方法提高了接受长度达4.5%,加速比提升最多5.7%,而仅带来微小的计算开销。这一技术为大型语言模型的高效推理提供了新思路。