/
IEEE信号处理学会征集网络化AI自主优化领域论文
IEEE信号处理学会面向《IEEE信号处理选题期刊》特刊公开征稿，主题聚焦"网络AI中的自主与进化优化"。该领域融合传统自适应信号处理技术与深度神经网络模型，旨在实现AI系统通过自适应反馈机制完成自我优化，无需人工干预即可在动态环境中保持稳健性能。应用方向涵盖大语言模型、自动驾驶及实时三维重建等。征稿截止日期为2026年6月15日，特刊计划于2027年1月出版。
机器人专家转型教师，带神经多样性学生复原历史计算机ENIAC
亚利桑那州PS学院科技教师汤姆·布里克，曾拥有十年机器人创业经历，转型从教后致力于神经多样性学生教育。为纪念ENIAC诞生80周年，他带领自闭症学生团队，历时数月完成了这台1940年代经典计算机的等比例复原模型。项目共使用近300平方米硬纸板、1600根热熔胶棒及18000个模拟真空管。布里克本人也患有计算障碍症，深知神经多样性既是挑战也是天赋，致力于帮助学生发掘自身潜能。
开创社会辅助机器人领域的USC教授：用机器人守护学生心理健康
Maja Mataric是南加州大学计算机科学、神经科学与儿科学教授，2005年她与博士生共同定义了"社交辅助机器人"这一新兴领域。她研发的机器人能够通过社交互动为自闭症儿童、老年人及心理健康患者提供个性化辅助。目前，她正主导一项临床试验，探索机器人Blossom如何帮助有焦虑和抑郁问题的大学生进行认知行为治疗，并于2024年获得美国国家心理健康研究所资助。
Synopsys.ai副驾驶助手助力芯片设计效率提升2至5倍
Synopsys正式推出五款Synopsys.ai Copilot生成式AI应用，涵盖辅助类与创意类两大方向。其中Knowledge Assistant可将答案获取速度提升70%，Workflow Assistant支持零代码脚本生成，Code Advisor实现自然语言转RTL代码，Formal Advisor将形式验证效率提升4至5倍，Lint Advisor则自动修复代码缺陷。多家头部半导体企业已在使用，整体设计生产效率提升2至5倍。
我们如何为企业AI智能体构建100%有效的多层安全过滤系统
本文介绍了Rapidflare为企业AI智能体构建多层安全过滤系统的技术方案。该系统采用三层防御架构，在ToxiGen学术数据集测试中实现100%有害内容拦截率，其中98.5%在1秒内于输入层完成拦截，剩余1.5%由下游管道捕获。系统支持并行执行，安全检查不增加用户响应延迟，同时提供客户自定义配置，适应不同业务场景的内容安全需求。
Gateworks与NXP联手推出M.2 AI加速卡，赋能工业边缘智能未来
Gateworks与NXP合作推出GW16168 M.2 AI加速卡，专为工业边缘AI场景设计。该卡搭载NXP Ara240离散神经处理单元（DNPU），可提供高达40 eTOPS的推理性能，配备16GB LPDDR4内存，支持视觉、智能视频分析及大语言模型在边缘端的直接部署。采用M.2 M-Key 2280形态与PCIe Gen4接口，可快速集成至多种嵌入式系统，并支持TensorFlow、PyTorch等主流AI框架，助力开发者加速边缘AI落地。
2026年半导体行业六大关键趋势深度解析
AI芯片仅占全球芯片产量的0.2%，却贡献了约50%的行业总收入。根据HTEC对250位半导体高管的全球调查，仅44%的企业已在多个业务环节全面落地AI，其余56%仍处于试点或探索阶段。2026年，半导体行业的核心竞争将从硬件转向软件生态，边缘AI、芯片小模块化架构、推理效率优化及能源约束管理将成为塑造行业格局的关键趋势。
仿人机器人2026-2036：技术、市场与机遇全景解析
IDTechEx最新报告深入评估人形机器人市场，涵盖执行器、传感器、电池、AI软件栈等核心组件的技术与成本分析。报告预测，汽车制造将率先规模化部署人形机器人，物流仓储紧随其后，家用场景则属长期机遇。随着具身AI持续进步与硬件成本下降，人形机器人市场规模预计到2036年将达约295亿美元。
Sivers、O-Net与Enablence携手为AI数据中心研发外部光源模块
瑞典Sivers Semiconductors、中国深圳O-Net Technologies与加拿大Enablence Technologies宣布战略合作，联合研发面向AI数据中心及高性能计算系统的先进外部光源（ELS）模块。该模块将集成Sivers激光阵列与Enablence的NxN星型耦合器，支持共封装光学（CPO）技术部署。CPO可将能耗降低80%，市场分析机构IDTechEx预测，CPO市场将以37%的年复合增长率增长，至2036年规模超200亿美元。
牛津仪器与AOI达成合作，共同推进InP光电器件制造升级
英国等离子体处理解决方案提供商牛津仪器宣布与美国Applied Optoelectronics公司（AOI）达成等离子设备供应协议，将为其提供多套刻蚀与沉积集群系统。此次合作旨在支持AOI扩大磷化铟（InP）光电器件的生产能力，满足AI数据中心对高性能光收发器的增长需求。牛津仪器的全自动化生产系统可兼容3至6英寸晶圆，同时提升良率、降低成本。
Accenture以12亿美元收购Ookla，整合Speedtest与Downdetector
IT咨询与服务巨头埃森哲宣布以12亿美元现金收购Ziff Davis旗下Ookla公司，后者旗下拥有Speedtest、Downdetector及Ekahau等知名网络工具。埃森哲计划将Ookla的数据产品整合至自身业务中，服务于通信服务商、超大规模云厂商及政府机构，助力优化5G与Wi-Fi网络。Ookla每月处理约2.5亿次用户测速，2025年营收达2.307亿美元。埃森哲表示，收购完成后将维持Ookla现有业务模式正常运营。
在快速演进的AI浪潮中，芯片设计如何应对挑战
多位来自Arm、Cadence、Rambus、Synopsys等公司的芯片架构师探讨了在AI快速演进背景下设计边缘AI处理器的挑战。讨论涵盖代理式AI与生成式AI的本质区别、边缘设备的算力与内存架构设计、多模态模型对芯片灵活性的需求，以及工业自动化、智能汽车、个人健康助手等典型应用场景。专家们普遍认为，当前AI发展速度前所未有，芯片设计必须从系统层面统筹计算、内存、安全与互联需求。
构建智能体EDA方法论：挑战与机遇
随着AI技术向EDA全流程渗透，智能化方法论的构建面临多重挑战：需跨越多种数据格式与抽象层级进行推理；历史设计数据的有效性尚不明确；工具与方法论之间存在双向依赖关系。当前，大型半导体公司凭借数据积累和封闭流程率先探索从规格说明到优化设计的全自动智能流程。与此同时，数据标准化与工具互操作性成为行业协作的关键议题，开放数据格式将成为AI原生设计流程的重要基础。
边缘AI能否跟上模型演进的步伐？
边缘AI处理器设计面临模型迭代速度远超芯片设计周期的挑战。来自Arm、Cadence、Expedera、Rambus、Siemens EDA、Synopsys等公司的专家指出：模型更新频率因应用场景差异显著，从工厂自动化的低频更新到汽车系统的实时迭代各有不同；异构计算架构与完善的编译器工具链是应对模型快速变化的关键；随着智能体AI兴起，边缘侧推理需求激增，对算力、内存带宽及功耗管理提出了更高要求。
半导体材料为何在量产中"失控"
先进封装中，材料在实验室表现优异，却常在量产中失效。随着异构集成架构日趋复杂，单一封装内材料数量激增，层间交互效应愈发难以预测。仿真模型受限于商业敏感的材料数据，往往依赖通用参数，与实际生产存在偏差。潜在缺陷在制造过程中不易察觉，往往到现场才暴露。业界正借助机器学习与数字孪生等手段弥合这一差距，但材料采用速度仍快于对其生产行为的深入理解。
随AI SoC与小芯片发展，片上网络一致性挑战持续升级
随着AI SoC与Chiplet架构复杂度持续攀升，片上网络（NoC）的一致性管理已成为芯片设计的核心挑战。数据移动、拥塞控制与能效正决定着计算资源能否被有效利用。设计师需在缓存一致性与I/O一致性NoC之间做出权衡，并从顶层架构出发，统筹规划多NoC层级体系。统一NoC软件管理方案与AI辅助EDA工具正成为应对这一挑战的关键手段。
2026年Q1半导体初创企业融资盘点：逾80家公司合计融资超80亿美元
2026年第一季度，私人半导体公司融资表现亮眼，共有18家完成超1亿美元的大额融资，其中Rapidus和Cerebras分别达到10亿美元级别。融资热点集中于AI推理芯片设计、芯片互连技术及光子学领域。芯片设计本身也成为AI应用新方向，多家初创公司获投以推进EDA工具的智能化流程。本季度80家企业合计融资逾80亿美元，新型光刻、外延设备、电源管理及信号处理领域同样获得资本关注。
边缘AI：速度已不再是唯一标准，效率才是真正的胜负手
边缘AI的性能核心并非峰值TOPS，而是低延迟与功耗效率的平衡。来自Arm、Cadence、Rambus等企业的技术专家指出，内存带宽与数据移动已成为边缘AI的主要瓶颈，而非算力本身。边缘AI目标带宽需求可达300至500 GB/s。成功的边缘AI部署需要硬件、软件与模型更新能力的协同优化，架构师必须在设计之初就将AI作为核心需求，同时兼顾安全性与可扩展性。
电动车与机器人的电池管理与电源技术全解析
本文深入探讨电动车、机器人等电池驱动设备的电源管理技术，涵盖三大核心环节：电网交流电转直流电入电池的充电过程、电池管理系统（BMS）对电量与健康状态的监控，以及电池向驱动系统高效放电的机制。文章介绍了碳化硅器件减少开关损耗、多级转换器提升效率、PMIC优化供电稳定性等创新技术，并分析了快充对电池寿命的影响及换电模式的应用前景。
量子计算、AI与汽车安全威胁推动芯片安全架构变革
芯片安全已不再是算法选择问题，而是必须在架构阶段提前决策的核心约束。后量子密码学（PQC）需嵌入真实硬件，而非仅停留在算法层面；汽车领域因ECU数量庞大、供应链复杂，面临尤为严峻的挑战。AI加速攻击、侧信道漏洞、供应链透明度不足等问题日益突出。专家强调，安全必须贯穿芯片设计全生命周期，从硅片到软件、传感器与云端基础设施，构建多层次整体防护体系。
京公网安备 11010802021500号
