2023年10月12日——上海合见工业软件集团有限公司(简称“合见工软”)宣布推出首款自主知识产权的全国产PCIe Gen5完整解决方案——UniVista PCIe Gen5 IP,支持多应用、多模式,拥有优秀的商用级高带宽、高可靠、低延迟、低功耗特性,可更好地解决芯片设计中对IO带宽的挑战。UniVista PCIe Gen5 IP解决方案包括合见工软自主自研的PCIe Gen5 Controller 与合作方的32G Serdes,支持多种配置,可广泛应用在高性能计算HPC、人工智能AI、存储Storage、PCIe Switch/Retimer等多类芯片设计中,该IP现已成功应用在客户芯片中。
在当今的数字化、智能化时代,从消费电子到高性能计算、大数据处理、人工智能等领域,对数据吞吐量、带宽、延迟、功耗等都有愈来愈严苛的要求。尤其是针对商业级应用,数据传输总线的带宽、稳定性、效能至关重要,PCIe Gen 5标准的高带宽和低延迟特性使其成为高性能应用产品类的广泛选择。UniVista PCIe Gen5 IP解决方案具有最高支持512G带宽的卓越性能,向下支持PCIe Gen1至Gen4的特性,可帮助芯片设计人员实现高带宽片间传输需求,可选AXI接口和TL FIFO接口,单通道controller + PHY的功耗小于350mw,提供了可靠、高速、低功耗的高性能解决方案。
UniVista PCIe Gen5 IP解决方案的推出,是基于合见工软自研和并购的技术基础与研发团队成功结合。合见工软于2023年5月完成了对北京诺芮集成电路公司的收购。诺芮集成电路提供已经硬件验证过的Ethernet、FlexE、Interlaken等多款IP产品,包括成熟可靠支持多协议的全国产400G/800G以太网控制器UniVista Ethernet Controller IP,支持完整FlexE应用和小粒度协议的全国产灵活以太网解决方案UniVista Flexible Ethernet IP,以及全国产高带宽低延迟Interlaken PHY层编解码控制器UniVista Interlaken Controller IP。目前IP研发团队经验,覆盖了从45纳米到7纳米的所有主流工艺节点。
PCIe Gen5 IP产品特性:
UniVista PCIe Gen5 IP包含了32G PHY,PIPE,DL,TL,DMA,AXI接口等全功能 PCIe 接口解决方案,可支持RP和EP,以及X1至X16等等多种配置及模式,数据传输速率最高达512Gbps,功耗低至350mw/lane,性能处于业界领先水平。
主要特性:
集益威市场和销售副总裁李防震表示:“多年以来我们与合见工软旗下的诺芮集成电路建立了良好的合作关系,双方在众多领域有深度合作,在以太网相关产品上已经合作完成了多个客户的设计案例,在PCIe的合作上我们也是信心满满,期待未来双方在国产先进IP上实现更多的突破。”
合见工软副总裁刘矛表示:“合见工软的PCIe Gen5 解决方案是基于团队多年来对高速接口协议研发的经验,在先进结构的加持下,推出的性能领先的 PCIe Gen5解决方案,提供了全国产化的解决方案,为业内众多芯片设计企业提供了更好的选择。”
首款自主知识产权的全国产完整 PCIe Gen5 解决方案UniVista PCIe Gen5 IP是合见工软更广泛的EDA+IP产品战略的重要产品之一,为合见工软多维演进的产品战略打下了坚实的基础。合见工软以客户需求为先,提供优质高效的IP产品同时,也支持各种定制化的开发需求,为客户提供整体的解决方案,协助客户设计低功耗、高性能并且具有高度差异化的芯片产品,缩短开发周期,提升良率,帮助客户持续获得领先的市场地位。
欲了解更多详情或购买相关产品,欢迎垂询 sales@univista-isg.com
更多产品信息,请访问:https://www.univista-isg.com/news_details.html?id=139
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。