提及半导体公司,相信大家都听过一个熟悉的名字,那就是意法半导体(ST)。
意法半导体(以下简称ST公司)是一家在电子应用领域为客户提供解决方案的半导体公司,产品战略专注于传感器与功率芯片和汽车芯片,和嵌入式处理器解决方案。
当前,ST公司旗下产品应用涵盖了五个方向: MEMS(微机电系统)和传感器,汽车半导体产品,微控制器,数字消费、影像芯片,应用处理器和数字 ASIC等。
特别是在大中华与南亚区,ST公司在机顶盒及家庭网关系统芯片市场有着勃勃雄心和完整的产品组合。针对数字消费电子市场有着战略部署,从入门级机顶盒,到高端HEVC解决方案,ST提供功能齐全、成本优化的软硬件解决方案,涵盖家庭网关、客户机和服务器以及广播电视机顶盒三个方面。
借助2015 年中国国际广播电视信息网络展览会( CCBN )的顺风,ST公司来到了中国,并针对中国超高清( Ultra HD )p60 市场推出四款四核系统芯片( SoC ),新产品 STiH314/318 及 STiH414/418以及技术成熟的 DOCSIS 3.0 解决方案。
意法半导体事业部副总裁兼消费电子产品部总经理Philippe Notton表示,“今天中国的有线电视市场正在发生一场巨变。随着有线终端应用软件功能日益丰富,用户对数据速率需求越来越高,这一趋势推动有线数据网络升级到C-DOCSIS 3.0宽带网。我们为有线网络运营商提供高能效、低功耗的DOCSIS 3.0 / C-DOCSIS解决方案,推动有线网络从DOCSIS 2.0过渡到3.0 / C-DOCSIS。”
“中国超高清生态系统是一个极为重要且充满活力的市场,意法半导体特别为中国市场开发了高性能、高能效并极具价格竞争力的系统芯片,可支持 AVS+(音视频编码标准)、中国可下载的 CAS ( 条件接收系统)和 TVOS(Android 专用电视操作系统) 等主要功能。”Philippe Notton补充道。
据悉,型号为 STiH314/318 及 STiH414/418 均属于意法半导体深受高清市场欢迎的 Cannes/ Monaco 系列, 主要特性和功能:
• 支持所有主要品牌视频编码器生成的60帧/秒、10位色深超高清(Ultra-HD)高效率视频编码(EVC, High Efficiency Video Coding)视频流;支持60帧/秒AVS+和VP9视频流,通过最新的6Gbps HDMi2.0接口输出视频;
• 通过预先集成的4x4 802.11ac的Wi-Fi及MoCA 2.0通信技术,在家里也可传输超高清视频流;
• 提供最新的Android L版本,采用意法半导体基于ARM内核的中央处理器(CPU)/绘图处理器(GPU)优化系统,可支持Android电视的全部功能;
• 提供支持中国发布实施的TVOS所需的全部组件;
• 通过大量的第三方中间软件支持实时视频信号输入,以及简单便捷的用户操作模式,大幅提升用户体验,包括快速频道切换演算法(FCC, Fast Channel Change)和转码功能;
• 集成先进条件接收(CA, Conditional Access)所需的最新安全IP模块,并扩大对中国可下载版本的CAS(DCAS)及数字版权管理(DRM, digital rights management)的支持,同时还可支持业内首个多重可信任执行环境(TEE , Trusted Execution Environment);
• 取证水印技术符合MovieLabs的最新要求,有效提升高价值超高清画质的内容保护基准;
• 高动态范围(HDR, High Dynamic Range)原型,使黑色更黑,白色更亮,从高亮到阴影之间的过渡更加平滑,有助于增强4K视频内容令人震撼的视觉效果。
这些四核SoC的软件及引脚与Cannes(STiH3)和Monaco(STiH4)系列的其它产品兼容,这一优势让客户能够在全系统产品内共用开发资源,进而顺利完成全高清画质(Full HD)和超高清画质(Ultra-HD)设备之间的平稳过渡,同时利用由中间件和第三方应用组成的庞大生态系统。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。