1、新思科技3DIC Compiler集成了3Dblox 2.0标准,可用于异构集成和完整的“从架构探索到签核”完整解决方案。
2、新思科技 UCIe PHY IP在台积公司N3E工艺上实现了首次通过硅片的成功(first-pass silicon success),可提供低延迟、低功耗和高带宽的芯片间连接。
3、UCIe PHY IP与3DIC Compiler的结合将有效优化多裸晶系统设计,能够以更低的集成风险实现更高的结果质量。
2023年10月31日 - 新思科技宣布进一步扩大与台积公司的合作,双方携手通过可支持最新3Dblox 2.0标准和台积公司3DFabric™技术的全面解决方案不断优化多裸晶系统(Multi-Die)设计。新思科技多裸晶系统解决方案包括 “从架构探索到签核”统一设计平台3DIC Compiler,可提供行业领先的设计效率,来实现芯片的容量和性能要求。此外,新思科技 UCIe IP也已在台积公司领先的N3E先进工艺上取得了首次通过硅片的成功,实现die-to-die高速无缝互连。
图:新思科技UCIe PHY IP在台积公司N3E工艺上首次通过硅片的成功,展示了出充足的链路裕量
台积公司设计基础设施管理部负责人Dan Kochpatcharin表示:“台积公司长期与新思科紧密合作,为芯片开发者提供差异化的解决方案,帮助他们解决从早期架构到制造过程中面临的高度复杂挑战。我们与新思科技的长期合作,让我们的共同客户能够采针对性能和功耗效率优化的解决方案,以应对高性能计算、数据中心和汽车应用领域的多裸晶系统设计要求。”
新思科技EDA事业部战略与产品管理副总裁Sanjay Bali表示:“我们与台积公司强强联合,为多裸晶系统提供了全面、可扩展的解决方案,实现了前所未有的芯片性能和设计效率。采用3Dblox 2.0等通用标准在统一设计平台上进行多裸晶系统设计的架构探索、分析和签核,并结合在台积公司N3E工艺上已实现首次通过硅片成功的新思科技 UCIe PHY IP,客户能够进一步加速从早期架构探索到制造的系统设计全流程。”
新思科技3DIC Compiler设计平台已通过台积公司认证,可在统一的裸片/封装探索、协同设计和分析平台上使用3Dblox 2.0标准和3DFabric技术进行全栈设计。新思科技集成系统分析功能可与3Dblox 2.0系统原型设计相结合,协同优化热和电源完整性,有助于确保设计可行性。新思科技和Ansys持续合作,将新思科技 3DIC Compiler和Ansys多物理分析技术相集成,提供系统级效果的签核准确性。新思科技3DIC Compiler还可与新思科技测试产品互操作,以确保批量测试和质量。
新思科技UCIe PHY IP已在台积公司 N3E工艺上实现首次通过硅片的成功,并获多家全球领先企业采用,能够帮助开发者高效地将die-to-die互联的业界标准集成到他们的多裸晶系统中。结果显示,该IP在16Gbps时可实现行业领先的功耗效率和性能,并可扩展至24Gbps,同时具有强大的链路裕量。新思科技的完整UCIe Compiler、PHY和验证IP解决方案目前已支持标准和先进封装,提供了测试、修复和监测功能,即使在以确保多裸晶系统在现场操作中的可靠性。此外,新思科技还提供了面向HBM3技术的完整IP解决方案,以满足Multi-Die系统的高内存带宽需求。新思科技IP产品与新思科技3DIC Compiler的组合通过自动化布局布线、中介层研究和信号完整性分析,支持3Dblox 2.0 die-to-die可行性研究,从而提高生产力并降低IP集成风险。
上市情况
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。