。
如果能把这些陈旧芯片,代工设施升级为新的可用产能,会不会成为攻克芯片短缺难题的关键?没准有戏。
产能与需求的再平衡
”
多年驻扎AI芯片设计领域的厂商Synopsys公司正在跃跃欲试。
芯片重制
Synopsys将这项计划命名为「芯片重制」,基本思路是:使用AI算法,自动针对不同节点重新设计芯片,把以往需要数月甚至数年的工作,压缩到短短几周,进而帮助客户节约下数亿美元研发成本。
”
工程师们可以利用新的音频技术处理旧录音,进而创造出音质更高的全新版本。此外,他们还能够添加新的音轨,例如背景乐,由此二次制作出新产品。整个过程的成本,只相当于重新录制的一小部分。太阳马戏团的《Love》配乐就是个典型案例,而同样的思路,也完全可以在芯片领域发挥作用。只需要引入新的制程节点,我们就能在旧的设施中解锁新产能,并做出进一步优化。
。更重要的是,整个重制流程只需要几个礼拜外加一名工程师,这就告别了以往动辄长达数月、要求一组设计师团队参与的复杂规划。这种便捷的升级方法,应该能够吸引英特尔等厂商将旧有芯片生产线转化至Intel 16等中端产能。
图:芯片重制,将陈旧设备升级为新的工艺节点,并用AI技术降低芯片功耗、提高芯片主频。
海外来电是科技行者旗下编译团队,聚焦海外新技术、新观点、新风向。
好文章,需要你的鼓励
Queen's大学研究团队提出结构化智能体软件工程框架SASE,重新定义人机协作模式。该框架将程序员角色从代码编写者转变为AI团队指挥者,建立双向咨询机制和标准化文档系统,解决AI编程中的质量控制难题,为软件工程向智能化协作时代转型提供系统性解决方案。
西北工业大学与中山大学合作开发了首个超声专用AI视觉语言模型EchoVLM,通过收集15家医院20万病例和147万超声图像,采用专家混合架构,实现了比通用AI模型准确率提升10分以上的突破。该系统能自动生成超声报告、进行诊断分析和回答专业问题,为医生提供智能辅助,推动医疗AI向专业化发展。
上海AI实验室团队发现自回归图像生成模型存在局部依赖、语义不一致和空间不变性缺失三大问题,提出ST-AR训练方法。该方法通过掩码注意力、跨步骤对比学习和跨视角对比学习,让AI"先理解再生成"。实验显示,ST-AR将LlamaGen模型的图像理解准确率提升一倍以上,图像生成质量提升42-49%,为构建更智能的多模态AI系统开辟新路径。