高通总裁德里克•阿博利与中芯国际董事长周子学博士使用中国品牌智能手机通话,该手机搭载了中芯国际28纳米工艺生产的高通骁龙处理器
高通骁龙410处理器集成4G LTE连接,面向大众市场智能手机提供丰富的功能,与40纳米工艺相比,以28纳米工艺制造的处理器逻辑密度翻倍,速度提高20%至30%,功耗降低30%至50%。
中芯国际首席执行官兼执行董事邱慈云博士表示:“首批采用中芯28纳米工艺制程的产品质量表现良好,我们凭此获得了高通以及终端手机厂商的认可。这对整个产业链来说同样意义非凡,我们通过与Qualcomm Technologies的紧密合作,实现了中国内地制造核心芯片应用于主流智能手机零的突破,开创了28纳米先进制程手机芯片落地中国生产的新纪元。未来随着28纳米工艺的发展,我们期待为高通与其他全球客户提供更先进的工艺和更广泛的技术支持。”
高通总裁德里克•阿博利表示:“中芯国际28纳米工艺制造的骁龙410处理器是专为大众市场最新一代智能手机和平板电脑设计的一款领先芯片组,其应用于主流智能手机并实现商用,标志着Qualcomm Technologies和中芯国际在先进工艺制程和晶圆制造合作上再次取得重大进展。”
“Qualcomm®”和“骁龙™”是Qualcomm Incorporated在美国和其它国家注册的商标。
关于中芯国际
中芯国际集成电路制造有限公司(“中芯国际”,纽交所代号:SMI,港交所股份代号:981),是世界领先的积体电路晶圆代工企业之一,也是中国内地规模最大、技术最先进的积体电路晶圆代工企业。中芯国际向全球客户提供0.35微米到28纳米晶圆代工与技术服务。中芯国际总部位於上海,在上海建有一座300mm晶圆厂和一座200mm超大规模晶圆厂;在北京建有一座300mm超大规模晶圆厂,一座控股的300mm先进制程晶圆厂正在开发中;在天津和深圳各建有一座200mm晶圆厂。中芯国际还在美国、欧洲、日本和台湾地区设立行销办事处、提供客户服务,同时在香港设立了代表处。
安全港声明
(根据1995私人有价证券诉讼改革法案)
本文件可能载有(除历史资料外)依据美国一九九五年私人有价证券诉讼改革法案「安全港」条文所界定的「前瞻性陈述」。该等前瞻性陈述乃基于中芯国际对未来事件的现行假设、期望及预测。中芯国际使用「相信」、「预期」、「计划」、「估计」、「预计」、「预测」及类似表述为该等前瞻性陈述之标识,但并非所有前瞻性陈述均包含上述字眼。该等前瞻性陈述乃反映中芯国际高级管理层根据最佳判断作出的估计,存在重大已知及未知的风险、不确定性以及其它可能导致中芯国际实际业绩、财务状况或经营结果与前瞻性陈述所载资料有重大差异的因素,包括(但不限于)与半导体行业周期及市况有关风险、激烈竞争、中芯国际客户能否及时接受晶圆产品、能否及时引进新技术、中芯国际量产新产品的能力、半导体代工服务供求情况、行业产能过剩、设备、零件及原材料短缺、制造产能供给、终端市场的金融情况是否稳定和高科技巿场常见的知识产权诉讼。
除本文件所载的资料外,阁下亦应考虑本公司向证券交易委员会呈报的其他存檔所载的资料,包括本公司于二零一五年四月二十八日随表格20-F向证券交易委员会呈报的年报,尤其是「风险因素」一节,以及本公司不时向证券交易委员会或香港联交所呈报的其他文件(包括表格6-K)。其他未知或未能预测的因素亦可能会对本公司的未来业绩、表现或成就造成重大不利影响。鉴于该等风险、不确定性、假设及因素,本文件所讨论的前瞻性事件可能不会发生。阁下务请小心,不应不当依赖该等前瞻性陈述,有关前瞻性陈述仅就该日期所述者发表,倘并无注明日期,则就本文件刊发日期发表。
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。