9月16日,“UP·2021展锐线上生态峰会”正式开幕,展锐在会上重申了企业产业定位——数字世界的生态承载者。基于这一战略定位,展锐肩负着为产业提供先进技术、拓展产业发展空间的重任。
展锐高级副总裁夏晓菲在会上分享了服务这一战略的三大底座技术,分别是:马卡鲁通信技术平台,AIactiver技术平台和先进半导体技术平台。

全场景通信技术平台
马卡鲁是展锐的5G通信技术平台,将调制解调器、射频收发器以及射频天线模块集成为统一的5G解决方案,支持3GPP协议演进的同时,针对5G典型的高价值技术特性,开发了网络驱动单元,为客户提供方便快捷的一栈式解决方案。

基于马卡鲁5G技术平台,展锐在2020年携手合作伙伴推出了全球首个5G端到端全策略网络切片选择方案,实现了5G按需服务,满足不同用户个性化需求。
今年7月底,展锐推出全球首个5G R16 Ready平台,完成了全球首个基于R16的eMBB+uRLLC+IIoT端到端业务验证,开启5G To B新征程,继续引领5G先进技术。基于马卡鲁5G技术平台的方案,将港口、钢铁、矿区、制造等垂直行业客户,以及智能机、智能穿戴、AR/VR等消费者应用,带来了5G革命性连接体验,在不同阶段支撑产业变革,帮助5G拓展更广泛的应用和连接。
AI技术重构芯片关键系统
在展锐看来,5G与AI技术是相辅相成的,展锐已在5G和AI技术领域都进行了全面布局。展锐AI技术平台AIactiver,通过异构硬件、全栈软件和业务深度融合,不仅大幅优化了原生用户体验,同时也向客户提供了完整的二次开发平台和定制服务,助力生态合作伙伴高效便捷的开发丰富的AI应用。
平台底层是异构硬件,异构多核的NPU架构为不同类型的算法提供了足够的灵活度和优异的能效。AI编译器将前端框架工作负载直接编译到硬件后端,充分使用现有的硬件资源,兼顾存储和效率,降低开发者的开发难度。AI计算平台和工具链,则为开发者提供了良好的开发环境。

展锐通过AI技术重构了芯片的多个关键子系统,如CPU/GPU处理器子系统和多媒体子系统,为用户提供优异的用户体验。
人机交互的时延和鲁棒性如正态分布,越收敛说明时延和帧率越稳定,用户使用越流畅。通过处理器的调度和调频算法AI化改造,能够使处理器的算法分配,更好的拟合应用场景的算力需求在不同时刻的波动,将人机UI交互的时延和稳定程度大幅度提升,从而给用户带来更流畅的用户体验。
基于AI的语音检测和语音识别技术,将准确率提升到了95%以上(注1),保障了人机语音交互体验。此外,行为和场景识别,使芯片平台具备对用户操作的主动服务能力。
在多媒体领域,展锐重构了50%以上的算法,基于AI 的AI RAW、AI 3A、AI NR、AI FDR、AI SR等算法,大幅度了提升了拍照画质。
通过对显示内容的动态识别,选择合适的参数配置,对画质进行动态补偿,对色彩、对比度、锐度进行调整,从而实现更精致的显示画质。展锐正在将AI作为一项弥散型技术,全面融入到所有的产品规划中去。
先进半导体技术为整体套片提升竞争力
先进半导体技术平台的两个支柱是工艺制程和封装。展锐提供整体套片方案,包括主芯片在内的所有可见IC,均自研开发,组合成套片方案提供给客户。
在半导体技术方面,包括SoC、射频、电源芯片等多个领域,都会根据芯片集成度、功耗和数模混合的架构需求,在工艺上各自演进。所以,展锐采用的工艺制程非常广泛,涉及到的大规模数字、数模混合、高频模拟等方面的技术也十分复杂。

与此同时,展锐积极发展先进封装技术,为智能穿戴、物联网等设备提供集成度更高、无线性能更优的解决方案。比如SiP封装技术,我们将LTE Cat.1的整体方案做到了一个一元硬币的大小。SiP封装技术,是后摩尔时代实现超高密度和多功能集成的关键技术,可以将芯片算力密度提升10倍以上,展锐在SiP封装技术上也在持续投入。
作为国内领先的芯片设计企业,展锐将持续投入底座技术的创新和迭代,携手合作伙伴共同构建健康良好的产业发展生态。
注1:该数据由展锐实验室基于实际样本、多人测试所得
好文章,需要你的鼓励
这篇论文提出一种插件式2D动作接口,让已训练好的3D运动语言模型无需修改或微调即可直接理解2D姿态输入。实验证明2D输入效果媲美3D输入,且在真实视频场景下配合专门的降噪适配器,2D方案比3D姿态估计更省算力、更实用,为动作理解模型的现实部署提供了新路径。
研究团队让8种AI智能体独立完成100项真实科研任务,深度剖析800份研究轨迹后发现,即便是最强模型,也普遍存在"发现问题却不修正"的现象,背后根源指向AI缺乏检验自身产出、主动纠错的元认知能力。
WorldRover是一套面向可探索世界建模的合成视频数据引擎,基于虚幻引擎构建,能让同一段探索轨迹在保持路线与场景一致的前提下,重新渲染为多种视角和外观状态,并同步提供深度、光流、长程点追踪等丰富标注,最终发布WorldRover-10M数据集,含2190万帧、202.7小时视频。
这篇论文指出,现有多目标强化学习训练大模型时存在"一刀切"分配优化精力的问题,提出SA-MRPO方法,根据每个奖励目标的饱和程度动态调整其权重,在数学推理、自适应推理、代码生成等任务上均取得优于现有方法GDPO的效果。