中文 英语

小芯片,更快的互连,更高效率


大型芯片制造商正在转向架构等架构改进,芯片上的吞吐量更快,并且每次运行或循环集中更多工作,以便加速处理速度和效率。作为一个整体,这代表了主要芯片公司的方向大幅转变。所有这些都摔跤加工需求的大规模增加......“ 阅读更多

小芯片:开放式市场或合资企业?


由CarlosMacián博士,AI战略和产品高级主任,Esilicon Corporation“它可能被证明更经济地建立较小功能的大型系统,分别包装和相互连接。”- Gordon Moore,1965年“Chiplet”已成为一个流行语和与大多数类型一样,Buzzword的成功达到了Produ的广泛可用性......“ 阅读更多

优化边缘学习的力量


在边缘学习被视为机器学习的圣杯之一,但今天甚至云正在努力使用合理的电力完成计算。权力是技术的伟大推动力或限制器 - 技术,行业开始回应。“权力就像一个反向金字塔问题,”Synopsys产品营销高级总监Johannes Stahl说。“......“ 阅读更多

HBM2E:E代表进化


三星在3月份推出了第一个存储器产品,符合JEDEC的HBM2E规范,但到目前为止没有任何东西已经到来,这是一个反映它在卷上制造这种内存的困难。三星的新型HBM2E(以闪光博尔特品牌名称销售,与较旧的Aquabolt和Flarebolt品牌),由于de ...加倍,提供了33%的性能。“ 阅读更多

是数字双胞胎的东西,艾玛追求吗?


'数字双胞胎'是系统开发人员的新型,时尚的关键概念之一,但它们是否适合EDA?这些双胞胎在抽象的仿真,基于信号的RTL仿真,仿真,原型,实际硅的仿真,仿真,原型的不同类型的发动机进行运行 -应该要求使用模型进行数字孪生 - 仿真中硅的臭虫的再现吗?或优化......“ 阅读更多

更多半导体数据移动到云


云正在蓬勃发展。经过多年的稳定增长,它已经开始飙升,创造了设计,测试,分析和AI的新选择,所有这些都会对半导体行业的每个部分产生影响。云背后的初始想法是它将在附近进行补充处理,无论在必要时都会增加额外的处理电源,例如在验证和调试阶段o ...“ 阅读更多

权力是限制机器学习部署


为机器学习任务所消耗的总功率令人惊叹。直到几年前,我们没有足够强大的计算机来运行许多算法,但是GPU的重新制作给行业所需的马力。问题是GPU不太适合该任务,并且消耗的大部分功率是浪费。虽然机器学习提供了许多......“ 阅读更多

内存IP:从鹅卵石到基石


嵌入式,片上SRAM一直是定制和标准芯片的基本构建块,相当长。当所有这一切开始时,通常都有小型SRAM块的片上存储器,由片外DRAM设备补充。这些片外器件变得更复杂,具有更高的性能接口(例如,GDDR6)或新的形式因子(例如,HBM2 3D存储器堆栈)。片上存储器P ...“ 阅读更多

节点内的节点


制造过程中存在足够的边缘,以雕刻相当于缩放的完整节点,但缩小的裕度将需要在整个半导体制造供应链中进行集体推动。边缘在各个阶段建造制造,以确保芯片具有充分的制造和产量。它可以包括从变化中的所有内容如何......“ 阅读更多

满足PAM4系统的需求,在56Gbps及以后


根据希捷赞助的IDC白皮书,2018年全球Datsphere将于2018年的33个Zettabytes(一个Zettabye = 1万亿千兆字节)到达2025年的175个Zettabytes。这本白皮书还报告了今天,超过50亿消费者与数据相互作用。日。到2025年,这个数字将为60亿,或者世界人口的75%。图1描绘了这个指数......“ 阅读更多

←更老的帖子 较新的帖子→