由中国汽车工业协会牵头,在中国工程院院士、车辆工程专家、中国工程院副院长钟志华,中国工程院院士、汽车智能化专家李克强,中国科学院院士、东方理工高等研究院院长陈十一,中国科学院院士、计算机软件专家何积丰等指导下,《中国汽车工业软件发展建设白皮书》(简称“《白皮书》”)在2023中国汽车软件大会上正式发布。
PIL处理器在环仿真 推动智能汽车下一代E/E架构高质量发展
芯华章作为国内数字芯片EDA验证全流程解决方案提供商,相关逻辑仿真工具获得德国莱茵TÜV集团ISO 26262 TCL3功能安全工具认证,能够支持汽车安全完整性标准最高ASIL D级别的芯片开发验证,也是目前国内唯一获得国际安全标准认证的逻辑仿真工具,成为率先在汽车电子领域做垂直布局的中国EDA 公司。
作为本次《白皮书》编写单位成员之一,芯华章与国家工业信息安全发展研究中心、上海智能汽车软件园、国汽(北京)智能网联汽车研究院、中国第一汽车集团等代表企业共同参与了《白皮书》的编写工作,并从PIL(Processor in Loop)处理器在环仿真出发探讨智能汽车下一代E/E架构高质量发展的可行性路径。
《中国汽车工业软件发展建设白皮书》
PIL处理器在环仿真 核心是场景仿真与芯片仿真
PIL融合了场景仿真和芯片仿真技术。在面向城市道路、户外越野等汽车行业诸多丰富且独特的应用场景,需要基于特定场景,融合更快、更高性能、更安全的芯片仿真技术,推动主机厂自主可控、自主创新的智能化升级和规模落地。PIL处理器在环仿真结合整车V开发模型,从系统出发,提供了基于场景的ECU评价体系、算法优化解决方案,支持车规级芯片提前1-2年实现定点上车,并通过云场景遍历仿真为HIL测试节省80%的时间。
作为智能化领军汽车企业代表之一,智己汽车LS6在11月获取“中大型纯电SUV”销量第一。
在谈及芯华章PIL处理器在环仿真解决方案对新一代整车开发意义时,智己汽车整车研发中心副总工程师兼架构及整车集成部总监康飞表示:
在车规芯片的应用、测试过程当中,需要与搭载的软件提前进行配合,才能够降低芯片在整车应用过程中的风险,确保低故障的同时,又能够让芯片的性能真正的发挥。
一款优秀的场景和芯片仿真验证工具,可以帮助解决时间、人才、工具等三方面的挑战,更快地进行定制化芯片的研发,降低开发人才门槛,缩短开发周期,降低各项风险。
芯片和应用软件的协同开发是未来汽车领域产品差异化及提升用户体验的关键点之一,借助强大的仿真、定义、验证工具,能够帮助产品实现更好的差异化,从而为用户提供更高性价比的产品。
12月4日,芯擎科技宣布导入芯华章相关EDA工具,赋能车规级芯片和应用软件的协同开发。借助芯华章车规级EDA工具,芯擎科技能够在芯片设计阶段,就进行和真实使用场景一致的系统级软硬件联合仿真和调试,提升系统级应用环境下软硬件协同表现。
作为国家级汽车产业链可持续发展的推动者,中国汽车工业协会以助力我国汽车产业智能化升级和更高质量发展为目标,本次《白皮书》的发布,由中国汽车工业协会软件分会发起,旨在携手优秀企业代表和专家,一起探索行业发展的可行性路径。
中国汽车工业协会软件分会副秘书长尤强给予了芯华章高度评价:
“城市道路的自动驾驶已经不再是汽车智能化的唯一场景。PIL处理器在环仿真融合了场景仿真与芯片仿真技术,从特定场景的丝滑体验出发,构建一个左移24个月的算法打磨平台,并且直接赋能到芯片设计中,对构建主机厂下一代E/E架构起到至关重要的作用。在新的汽车产业发展背景和竞争环境下,主机厂要实现智能化规模落地,就要从系统应用出发,充分考虑功能安全为前提,打造真正自主可控、自主创新的汽车芯片产业链。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。