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
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。