近日,安谋科技(中国)有限公司(以下简称“安谋科技”)获得ISO 26262:2018 ASIL D级别以及 IEC 61508:2010 SIL 3级别功能安全流程认证与产品认证双证书,该认证由国际领先的功能安全认证机构exida颁发。此次获颁认证,标志着安谋科技已经按照功能安全最高等级要求,构建起了完善的、符合国际先进水平的产品开发流程体系,达到车规级安全标准;同时,安谋科技自研“星辰”STAR-MC2处理器(Mizar)顺利通过了功能安全产品认证,将助力客户打造更具安全性与可靠性的车规级及工业级芯片产品。安谋科技首席运营官潘镇元、exida 首席安全专家兼首席运营官Alexander Griessing以及exida上海CEO Bentley Lin等双方代表共同出席了颁证仪式。
图1:颁证仪式现场合影
ISO 26262:2018为当下汽车功能安全领域的国际权威标准,是全球电子零部件供应商进入汽车行业的准入门槛之一,也是自动驾驶量产开发的必要条件之一。标准涵盖功能安全需求规划、设计、实施、集成、验证、确认等方面,贯穿产品整个生命周期。该标准对道路车辆的安全完整性等级(ASIL)进行了划分,其中规定的ASIL D级别,标志着汽车功能安全的最高等级;IEC 61508:2010则规范了工业领域电子电气系统相关的软、硬件及系统安全强度,覆盖工业产品的全生命周期。
图2:功能安全流程认证证书
exida首席安全专家兼首席运营官Alexander Griessing 表示:“exida为半导体、汽车和自动化行业提供业界最严谨、以技术价值为导向的安全评估和认证方案,旨在帮助客户实现安全落地后的产品技术领先性。祝贺安谋科技通过ISO 26262 / IEC 61508功能安全评估,分别成功获得数字IP硬件开发流程认证和处理器内核产品认证。随着ADAS和自动驾驶、机器人、工业4.0等安全关键应用的迅速发展,市场对更强大、更复杂的片上系统(SoC)解决方案的需求不断增长。安谋科技作为芯片供应链上游的核心企业,在提供IC开发人员所依赖的底层核心技术方面发挥着关键作用。此次获颁认证更充分证明了安谋科技在汽车及工业安全方面优秀的研发水准与技术实力,同时也为其IP系列产品的持续功能安全符合性提供了可靠保障。”
获颁最高等级认证,助力产业技术革新及安全发展
随着汽车智能化和电气化技术的快速普及,车内控制器和各种电子部件越来越多,而各类电子部件存在着系统性失效和随机硬件失效的风险,因此相应的汽车电子电气系统的功能安全变得越来越重要,已经成为了智能网联汽车的准入门槛之一。而在汽车之外的工业设备领域,功能安全也正在成为实现系统安全性的可靠方法,其重要性与日俱增。
安谋科技作为中国最大的芯片IP设计与服务供应商,始终坚持以安全为基石,推动产品的创新研发。在原有高质量的产品开发流程下,安谋科技向国际标准看齐,严格把控IP产品全生命周期的各个环节,建立起了完善的功能安全管理和开发流程,涵盖了需求——设计——验证的双向追溯,以及安全分析、技术及合规评审、信息文档配置管理和变更管理等各方面,为功能安全产品开发打下坚实的基础,助力持续提升技术实力。
此次获得ASIL D(ISO 26262)与SIL 3(IEC 61508)级别认证的“星辰”STAR-MC2处理器基于最新Arm®v8.1-M架构设计,在数字信号处理、信息安全、功能安全等方面进行了全面升级,能够更轻松地应对汽车电子、智能物联网等领域的多样化需求。通过引入Arm Helium™技术,“星辰”STAR-MC2处理器相较于上一代产品,实现了标量性能提升45%,矢量性能提升200%,AI处理能力提升了9倍,具有更高的计算密度和能效比。此外,“星辰”STAR-MC2支持Arm TrustZone®技术以及兼容软硬件一体平台安全架构(PSA)方案,能够充分保护物联网和车载设备的信息安全。通过采用获得双标准认证的“星辰”STAR-MC2处理器,芯片厂商能够简化其产品的开发流程,降低对功能安全要求严苛的汽车及工业应用中系统故障和随机硬件故障的风险。
图3:功能安全产品认证证书
安谋科技首席运营官潘镇元表示:“电子设备愈发精密,对软硬件系统的安全要求也越来越严苛,安全认证成为所有设计的关键要求。安谋科技在产品设计之初就建立起了高质量的研发管理体系,不断推动技术的优化升级,此次获得双认证正是这一理念的重要体现,也是安谋科技扩展其功能安全产品矩阵的重要里程碑。安谋科技将在功能安全体系保障下,持续专注于打造高品质、高标准的IP产品与解决方案,并不断巩固在产品设计开发、流程质量管理、安全体系构建等方面的综合实力,助推汽车电子及工业设备等领域的高质量发展。”
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。