半导体行业在过去几年经历了重大转型。曾几何时,只有行业巨头才能设计和制造最前沿的芯片。然而,封装技术和芯片组的进步,加上 AI 在电子设计自动化 (EDA) 工具中的应用,以及各行业对计算需求的不断增长,促使定制芯片大量涌现。如今,仅有少数工程师的初创公司就能设计自己的芯片,所需时间和资源仅为历史所需的一小部分。
为此,像 Cadence Design Systems 这样的 EDA 领域领导者不断加强其工具集,以更好地帮助各种规模的客户进行设计、仿真和测试。但几周前,Cadence 更进一步,实际原型设计并流片了该公司称之为业界首款基于 Arm 的系统芯片组。
系统芯片组负责连接 SoC 上的多个芯片组。该芯片组与处理器 IP 领先技术授权商 Arm 合作开发,符合 Arm 的芯片组系统架构 (CSA),这是确保与采用该架构的其他芯片组互操作性的标准。最初的发布声明并未引起太多关注,但这一开发可能对高需求应用产生重大影响,包括高级驾驶辅助系统 (ADAS)、无人机和 AI 数据中心。
什么是系统芯片组?它本质上是一个包含管理多芯片组系统芯片 (SoC) 资源所需的所有基础设施和功能的单一设备。Cadence 设计的芯片组配备了系统处理器、安全管理处理器、各种控制器、片上网络 (NoC) 和用于 LPDDR5 内存的 Cadence PHY IP,所有这些都通过 UCIe (通用芯片组互连快车) 互连。对不熟悉的人来说,UCIe 是一个开放规范,可实现封装中芯片组间的通信,已被众多半导体企业采用。
除了帮助构建 Arm CSA 以协助参与该计划的其他公司外,成功开发这个系统芯片组也使 Cadence 更接近其提供完整芯片组参考设计的目标。
系统芯片组适用于多种应用。Cadence 系统芯片组将使客户能够简化他们的 SoC 设计,克服潜在的集成挑战,并最终加快上市时间。在上述 ADAS 示例中,Cadence 系统芯片组与多个额外芯片组互连,包括 CPU、GPU、DSP、NPU 等,用于高级驾驶辅助系统。关键在于系统芯片组允许设计师更轻松地扩展、替换或增强设计的其他部分。需要更多 CPU 核心,但 GPU 更小,还要更多 AI 引擎?没问题 - 按照设计规范配置这些芯片组,它们同样可以连接到系统芯片组。Cadence 还指出,其系统芯片组包含符合 SOAFEE 的虚拟平台,允许在最终硬件完成前进行早期软件开发。
降低设计复杂性、优化功耗、性能和面积 (PPA),以及加快上市时间是几乎所有芯片设计师的关键痛点。业界首款系统芯片组的成功开发和流片应该能为 Cadence 的客户解决所有这些问题,并可能对多个市场产生广泛影响。
好文章,需要你的鼓励
Anthropic发布SCONE-bench智能合约漏洞利用基准测试,评估AI代理发现和利用区块链智能合约缺陷的能力。研究显示Claude Opus 4.5等模型可从漏洞中获得460万美元收益。测试2849个合约仅需3476美元成本,发现两个零日漏洞并创造3694美元利润。研究表明AI代理利用安全漏洞的能力快速提升,每1.3个月翻倍增长,强调需要主动采用AI防御技术应对AI攻击威胁。
NVIDIA联合多所高校开发的SpaceTools系统通过双重交互强化学习方法,让AI学会协调使用多种视觉工具进行复杂空间推理。该系统在空间理解基准测试中达到最先进性能,并在真实机器人操作中实现86%成功率,代表了AI从单一功能向工具协调专家的重要转变,为未来更智能实用的AI助手奠定基础。
Spotify年度总结功能回归,在去年AI播客功能遭遇批评后,今年重新专注于用户数据深度分析。新版本引入近十项新功能,包括首个实时多人互动体验"Wrapped Party",最多可邀请9位好友比较听歌数据。此外还新增热门歌曲播放次数显示、互动歌曲测验、听歌年龄分析和听歌俱乐部等功能,让年度总结更具互动性和个性化体验。
这项研究解决了现代智能机器人面临的"行动不稳定"问题,开发出名为TACO的决策优化系统。该系统让机器人在执行任务前生成多个候选方案,然后通过伪计数估计器选择最可靠的行动,就像为机器人配备智能顾问。实验显示,真实环境中机器人成功率平均提升16%,且系统可即插即用无需重新训练,为机器人智能化发展提供了新思路。