今天,亚马逊云服务(AWS)宣布,半导体设计和知识产权开发与许可的全球领先企业Arm将把AWS云服务应用到包括其绝大部分电子设计自动化(EDA)的工作负载。Arm将利用基于AWS Graviton2处理器的实例(由Arm Neoverse核心提供支持),将EDA工作负载迁移到AWS,引领半导体行业的转型之路。
传统上,半导体行业使用本地数据中心完成半导体设计验证这样的计算密集型任务。为了更有效地执行验证,Arm使用云计算仿真现实世界的计算场景,并利用AWS几乎无限的存储空间和高性能计算基础架构,扩展其可以并行运行的仿真数量。自从开始向AWS云迁移以来,Arm已将AWS上EDA工作流的响应速度提高了6倍。此外,通过在AWS上运行遥测(从远程源收集和集成数据)并进行分析,Arm产生了更强大的工程、业务和运营洞察力,有助于提高工作流程效率,优化整个公司的成本和资源。在完成向AWS迁移后,Arm最终计划将全球数据中心面积至少压缩45%,将本地计算工作负载减少80%。
高度专业化的半导体设备为我们工作、生活中的一切提供着日益强大的动力,从智能手机到数据中心基础设施,从医疗设备到自动驾驶汽车。每个芯片可以包含数十亿个晶体管,这些晶体管的设计水平可以降低到几纳米的水平(比人的头发细约10万倍),可以在最小的空间内实现最佳性能。EDA是使这种极端工程可行的关键技术之一。EDA工作流程非常复杂,包括前端设计、仿真与验证,以及越来越大的后端工作负载(时序和功耗分析、设计规则检查以及其它芯片投入生产准备的应用程序)。传统上,这些高度迭代的工作流程需要花费数月甚至数年才能生产出新设备(例如一个芯片系统),需要大量的计算能力。在本地运行这些工作负载的半导体公司必须不断平衡成本、进度和数据中心资源,才能同时推进多个项目,因此可能会面临计算能力不足的问题,拖慢进度或承担维护空闲算力的成本。
通过将EDA工作负载迁移到AWS,Arm克服了传统的托管EDA工作流程的束缚,通过大规模扩展的算力获得了弹性,使其能够并行运行仿真、简化遥测和分析,减少半导体设计的迭代时间,增加测试周期却不会影响交付进度。Arm利用多种专用的Amazon EC2实例类型优化EDA工作流程,减少了成本和时间。例如,该公司使用基于AWS Graviton2的实例,实现了高性能和可伸缩性,与运行成千上万台本地服务器相比,可实现更具成本效益的运营。Arm使用了AWS Compute Optimizer服务,利用机器学习为特定工作负载推荐最佳的Amazon EC2实例类型,简化了工作流程。
除了成本优势外,Arm还利用AWS Graviton2实例的高性能,提高工程型工作负载的吞吐量,与上一代基于x86处理器的M5实例相比,每美元的吞吐量始终能提高40%以上。此外,Arm使用AWS合作伙伴Databricks的服务,在云中开发和运行机器学习应用程序,通过在Amazon EC2上运行的Databricks平台,Arm可以处理工程工作流中各个步骤的数据,为公司的硬件和软件团队生成可行的见解,在工程效率上实现可观的改进。
Arm IPG总裁Rene Haas表示:“通过与AWS合作,我们专注于提高效率和最大化吞吐量,为工程师节省了宝贵的时间,以便他们专注于创新。现在,我们可以运行基于AWS Graviton2处理器(由Arm Neoverse支持)的Amazon EC2实例,优化工程的工作流程,降低成本,加快项目进度,比以往更快、更经济地向客户提供强大的成果。 ”
AWS全球基础架构和客户支持高级副总裁Peter DeSantis表示:“ AWS提供了真正弹性的高性能计算、卓越的网络性能,以及可扩展的存储,是下一代EDA工作负载之所需。因此,我们很高兴与Arm协作,运用我们基于Arm的、高性能的Graviton2处理器,为对性能要求极其苛刻的EDA工作负载提供动力。与当前基于x86的实例相比,Graviton2处理器可提供高达40%的性价比优势。”
好文章,需要你的鼓励
新加坡国立大学研究人员开发出名为AiSee的可穿戴辅助设备,利用Meta的Llama模型帮助视障人士"看见"周围世界。该设备采用耳机形态,配备摄像头作为AI伴侣处理视觉信息。通过集成大语言模型,设备从简单物体识别升级为对话助手,用户可进行追问。设备运行代理AI框架,使用量化技术将Llama模型压缩至10-30亿参数在安卓设备上高效运行,支持离线处理敏感文档,保护用户隐私。
阿里巴巴联合浙江大学开发的OmniThink框架让AI学会像人类一样慢思考写作。通过信息树和概念池的双重架构,系统能够动态检索信息、持续反思,突破了传统AI写作内容浅薄重复的局限。实验显示该方法在文章质量各维度均显著超越现有最强基线,知识密度提升明显,为长文本生成研究开辟了新方向。
OpenAI推出新AI模型GPT-5-Codex,能够在无用户协助下完成数小时的编程任务。该模型是GPT-5的改进版本,使用额外编码数据训练。测试显示,GPT-5-Codex可独立工作超过7小时,能自动发现并修复编码错误。在重构基准测试中得分51.3%,比GPT高出17%以上。模型可根据任务难度调整处理时间,简单请求处理速度显著提升。目前已在ChatGPT付费计划中提供。
腾讯混元3D 2.0是一个革命性的3D生成系统,能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint,采用创新的重要性采样和多视角一致性技术,在多项评估指标上超越现有技术,并提供用户友好的制作平台。作为开源项目,它将大大降低3D内容创作门槛,推动3D技术的普及应用。