至顶网CIO与应用频道 06月20日 北京消息:博世集团宣布将在德国德累斯顿新建一座半导体晶圆厂。随着物联网和交通出行的发展,为了更好地满足日益增长的产品需求,新工厂落成后将用来生产基于12英寸晶片技术的芯片。这座投资约10亿欧元的高新技术工厂预计在2019年底竣工,2021年底开始投入运营。博世集团董事会主席沃尔克马尔·邓纳尔博士表示:“新的晶圆厂是博世集团130多年历史上最大的单项投资。”位于德累斯顿的新工厂将雇佣700名员工。“半导体是所有电子系统的核心部件。随着互联化和自动化程度的提高,它们的应用领域也越来越广泛。半导体生产能力的扩大,有利于加强我们的市场竞争力,为未来发展提供一个坚实的基础。”邓纳尔补充道。普华永道的一项研究表明,直至2019年,全球半导体市场都将以每年5%以上的速度增长,交通出行和物联网领域的增长将尤为强劲。
投资将促进德国高科技工业区的发展
德国联邦经济和能源部长Brigitte Zypries对博世在德国投建高新技术工厂表示欢迎:“我们非常高兴博世决定选址萨克森州。这项投资将有助于推动德国甚至整个欧洲半导体技术的发展。这项对未来关键技术的投资,也是保持以及提升德国工业竞争力的非常重要一步。”待欧盟委员会的批准后,德国联邦经济与能源部计划对这座新建工厂的建造与投产给予支持。博世集团董事会成员Dirk Hoheisel博士表示:“萨克森州作为一个工业基地,将为我们进一步增强在半导体技术领域的实力提供优越条件。” 德累斯顿是欧洲最重要的微电子产业集聚地,大批汽车与服务供应商以及高等学府均在此落户,故而也被称为“硅谷萨克森”。此外,德国联邦经济和能源部发起的“数字化中心”倡议,致力于构建起德累斯顿的物联网生态系统。博世将与当地企业密切合作,以巩固德国乃至欧洲在工业领域的竞争力。“将工厂选址于此是一项明智的决定。感谢博世对萨克森州、当地的人才以及创新力的信任。物联网和互联制造领域的产品创新是微电子产业最重要的课题之一,在整个欧洲工业都是如此。”萨克森州州长Stanislaw Tillich表示。
12英寸晶片技术为规模生产提供基础
随着制造、交通、家居逐渐迈向互联化、电气化和自动化,半导体正成为一项现代核心技术。半导体芯片的制造是基于一个硅晶片,即俗称的晶片。晶片的直径越大,每一制造周期生产的芯片就越多。与传统的6英寸和8英寸晶片技术相比,12英寸的晶片技术可以实现更好的规模生产效益。这具有非常重要的意义,因为这将使博世能够满足随着互联交通、智能家居和智慧城市发展而日益增长的半导体产品需求。
领先的半导体制造商和MEMS制造的先驱者
博世在各类型半导体制造领域已经拥有超过45年的经验,尤其是专用集成电路、功率半导体、微机电系统(MEMS)。从1970年起,博世生产的专用集成电路就开始应用于汽车,成为如安全气囊等功能的必要组件以及为各种应用进行定制化。平均而言,2016年全球生产的新车每辆都配备了至少有九个博世芯片。
在MEMS传感器领域,博世也是世界领先的先驱者与制造商。20多年前,博世自己就研发出了以“Bosch process”闻名于世的微加工技术。这种技术也被用于半导体制造。在其位于德国罗伊特林根的晶圆厂,以6英寸和8英寸的晶片技术为基础,博世目前每天要生产150万个专用集成电路和400万个MEMS传感器。自1995年至今,博世已经总共制造了80多亿个MEMS传感器。如今,75%的博世MEMS传感器被用于消费和通信电子产品。平均四台智能手机中,就有三台使用了博世的MEMS传感器。目前博世的半导体产品线包括加速度、偏航、流量、压力、环境传感器,以及麦克风、功率半导体和汽车ECU的专用集成电路。
好文章,需要你的鼓励
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。
这项由中国人民大学高瓴人工智能学院研究团队发表的研究解决了大语言模型评判中的自我偏好问题。研究提出了DBG分数,通过比较模型给自身回答的分数与黄金判断的差异来测量偏好度,有效分离了回答质量与自我偏好偏差。实验发现,预训练和后训练模型都存在自我偏好,但大模型比小模型偏好度更低;调整回答风格和使用相同数据训练不同模型可减轻偏好。研究还从注意力分析角度揭示了自我偏好的潜在机制,为提高AI评判客观性提供了重要指导。
这篇研究提出了DenseDPO,一种改进视频生成模型的新方法,通过三大创新解决了传统方法中的"静态偏好"问题:使用结构相似的视频对进行比较,采集细粒度的时序偏好标注,并利用现有视觉语言模型自动标注。实验表明,DenseDPO不仅保留了视频的动态性,还在视觉质量方面与传统方法相当,同时大大提高了数据效率。这项技术有望推动AI生成更加自然、动态的视频内容。