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
香港大学联合多家顶尖机构开发出推测性雅可比降噪解码技术,巧妙融合扩散模型降噪与自回归并行处理,将AI图像生成速度提升2-5倍。该方法通过训练模型处理噪声输入并预测干净标记,实现多位置同时生成,在保持图像质量的同时大幅缩短等待时间,为AI创作应用带来革命性改善。
谷歌推出类似苹果私有云计算的新平台,让用户在享受先进AI功能的同时保护数据隐私。该平台将复杂AI请求转移到云端处理,确保敏感数据仅用户可见,连谷歌也无法访问。随着AI工具需要更强计算能力,这一方案平衡了隐私保护与性能需求。Pixel 10手机将获得更智能的Magic Cue建议和更多语言的录音转录功能。
韩国大学等机构研究团队提出TAG方法,解决AI绘画中的"幻觉"问题。该方法通过放大扩散过程中的切线分量来引导AI生成更真实图像,无需重训练模型且计算成本极低。实验显示TAG能显著改善图像质量,减少不合理细节如多指手等,同时可与现有引导技术结合使用,为AI绘画领域提供了简单有效的优化方案。