核心观点 - 德州仪器(TI)在2025慕尼黑上海电子展上展示了其在汽车电子、机器人与工业自动化、能源基础设施三大领域的创新技术方案，包括GaN技术和边缘AI技术的应用 [1][2] - 公司通过全栈技术布局和系统级创新方案，推动行业向更智能、高效、可持续的方向发展 [1][41] 机器人与工业自动化领域 - TI推出基于GaN的高功率密度电机控制参考设计，采用48V/16A三相逆变器，体积比传统MOSFET方案缩小50%，解决机器人关节空间受限问题 [3][6] - 该方案采用100V、35A半桥GaN功率模块，集成驱动器和GaN FET，通过"双轨并行"技术实现微伏级电流检测精度 [3][4] - 在80kHz PWM频率下保持低损耗，显著提升机器人续航能力 [4] - 还展出了4kW紧凑型大功率电机控制方案、传感器融合方案、单线对以太网通信方案等多维技术 [7][10] 边缘AI技术应用 - TI推出基于TMS320F28P550SJ的光伏系统电弧故障边缘AI检测方案，检测准确率超过98%，推理速度提升5-10倍 [13][15][16] - 该方案已在多个客户产品中落地，可拓展至电机故障诊断、ECG医疗监测等场景 [17] - 还展示了基于AM62xA处理器的实时监控摄像头方案和基于MSPM0 MCU的可穿戴生命体征监测方案 [18] 能源基础设施领域 - TI展示了覆盖光伏、储能及电动汽车充电的全场景技术矩阵，包括10kW光伏逆变器、1500V电网级BMS平台等 [19][22][23] - 推出基于谐振双有源桥的有源包间均衡参考设计，采用SR-DAB拓扑实现电池组与24V总线间双向能量传输 [25][26] - 该方案通过变频加移相控制策略实现全范围零电压开关，提高系统效率并实现小型化 [26] 汽车电子领域 - TI展示了48V区域架构集成方案，包括电源模块、区域控制模块等，降低成本和复杂性，缩小电路板尺寸 [28][30][31] - 推出新一代DSP系统方案，集成AM62D-Q1处理器和AM275x-Q1微控制器，音频处理性能比传统DSP高出四倍 [33][35][36] - TAS6754-Q1音频放大器采用1L调制技术，每个通道仅需传统D类放大器一半数量的电感器 [37]

高数值孔径EUV光刻技术分析 - 高数值孔径(NA)从0.33提升至0.55，可避免在0.33 NA EUV系统上进行多重图案化，但实际应用中EUV仍实现了双重图案化[1] - 数值孔径增加允许使用更多衍射级数或更宽空间频率范围成像，产生更明亮、更窄的峰值，改善归一化图像对数斜率(NILS)[1][3] - 0.33 NA直接打印图像因散粒噪声更易质量下降，需增加剂量至>100 mJ/cm²，但会降低吞吐量或造成光刻胶损失[3] 多重图案化技术比较 - 将0.33 NA图案分成两次曝光可改善NILS，DUV双重图案化可采用相同分割方法[5] - 按NA比(0.33/0.55)缩放图案后，预期High NA EUV需两次图案化，Low NA EUV需三次，DUV需四次[5] - 通孔图案符合对角网格时，可实现DUV/low NA EUV双重图案化或High NA EUV单重图案化的位置选择[7][9] 高数值孔径的技术挑战 - 数值孔径增大导致焦深减小，光刻胶厚度需小于30纳米，造成50%光刻胶厚度损失[13] - 15纳米离焦即显著影响40纳米间距线路图案，因0.55 NA包含四个衍射级而0.33 NA仅两个[11][13] - High NA EUV曝光难以提供合理光刻胶厚度所需的足够焦深，未来Hyper NA(≥0.75)情况会更差[13] 成像质量影响因素 - 更高空间频率与较低空间频率的相位差增大，导致图像因散焦失去对比度，对线路中断和线切割图案尤其不利[9][11] - 间距30nm的断线情况下，高数值孔径的广泛衍射级次导致焦深相对有限[15]

核心观点 - 嵌入式GPU (e-GPU) 是一个专为超低功耗边缘设备 (TinyAI) 设计的开源可配置RISC-V GPU平台 通过硬件可配置性和轻量级Tiny-OpenCL软件框架解决了传统GPU在功耗、面积和编程兼容性方面的限制 [1][4][5] - e-GPU在台积电16nm工艺下实现300MHz频率和0.8V电压工作 最高配置可实现15.1倍性能加速和3.1倍能耗降低 同时面积开销仅2.5倍且功耗控制在28mW以内 [2][46][49] - 该平台通过与X-HEEP主机集成形成加速处理单元(APU) 采用统一内存架构和定制缓存设计 优化了数据并行处理效率 特别适用于生物信号处理等TinyAI应用场景 [24][26][47] 硬件架构 - 计算单元基于乱序RISC-V架构 支持可配置并行线程(2-8线程/CU)和并发Warp(4个/CU) 通过自定义SLEEP指令实现时钟门控节能 移除浮点单元专注整数运算以降低功耗 [25][45] - 内存层级采用统一架构共享主机物理内存 每个计算单元配备私有指令缓存(2KiB/CU) 共享数据缓存(16KiB)支持多存储体(2-8个)和行交错寻址 最大带宽32位/周期 [26][46][53] - 专用控制器管理电源域和中断 通过OBI总线协议与主机通信 支持精细化的时钟门控和电源门控机制 [29][40] 软件框架 - Tiny-OpenCL框架提供轻量级编程环境 包含SIMT RISC-V扩展API、启动函数和调度函数 通过代码转换将OpenCL内核编译为标准C函数 兼容RISC-V GNU工具链 [31][33] - 运行时执行分为三阶段：启动阶段初始化堆栈指针 调度阶段根据全局/本地大小分配工作项 处理阶段直接执行内核算法 支持动态资源激活/停放以优化能效 [36][37] - 主机端运行时基于Newlib C库实现OpenCL API子集 支持单二进制文件执行 无需操作系统依赖即可完成缓冲区管理、内核调度和同步操作 [42] 性能表现 - 在GeMM基准测试中 对于256×256以上矩阵规模 调度开销占比低于1% 传输开销稳定在总执行时间20%以上 缓存行大小随线程数增加(8B-32B)提升数据预取效率 [46][53][54] - TinyBio基准测试包含FIR滤波(加速15.1倍)、峰值检测(加速13.1倍)和FFT计算(加速14.0倍) 整体应用性能提升达14.3倍 能耗降低2.9倍 [58][59] - 面积范围0.24-0.38mm² 漏电功耗130.13-305.32μW 计算单元面积随线程数增加近翻倍 数据缓存面积因多存储体架构略有增加 [50][51][52] 行业对比 - 商用GPU(如Adreno/Mali/PowerVR)功耗达数百毫瓦至瓦级 缺乏开源性和功耗优化 不适用于毫瓦级TinyAI场景 [11] - 学术GPU解决方案中 Vortex功耗46.8mW但依赖PC级主机 Virgo面向数据中心负载 Ventus专注FPGA部署 均未针对SoC集成优化 [15][16][17] - e-GPU作为首个开源RISC-V GPU平台 提供完整的RTL代码和ISA扩展支持 填补了超低功耗领域可配置GPU的空白 [12][13]

博通Tomahawk 6交换机发布 - 博通推出下一代交换机ASIC Tomahawk 6系列，支持102.4Tbps带宽和64个1.6TbE端口，标志着以太网进入太比特时代 [1] - 新芯片提供两种配置：BCM78910和BCM78914，针对不同应用场景 [1] - 芯片采用SerDes技术为端口供电，并改进负载平衡和遥测性能 [1] 技术规格与功能 - 支持纵向扩展（少数节点间高带宽）和横向扩展（连接大量加速器和节点）两种模式 [3][7] - 提供共封装光学器件选项，支持512x 200G PAM4或1024x 100G PAM4配置 [9] - 使用200G PAM4时单交换机可配置512个XPU（512x200G=102.4Tbps） [11] - 采用认知路由2.0技术优化网络路径负载平衡 [19][21] 性能优势 - 减少网络交换层级可降低延迟，节省光纤/线缆/电源等配套成本 [15] - 横向扩展时使用200GbE可减少所需交换机数量 [13] - 全球互联网带宽约1200-1700Tbps，单台102.4Tbps交换机具有显著性能提升 [33] 行业竞争格局 - NVIDIA通过8-GPU PCIe参考设计限制非NVIDIA网卡和PCIe交换机使用，影响博通传统AI领域市场 [34][35] - 博通在AI加速器领域仍具重要地位，但市场呈现分化趋势 [34] - 历史上博通通过收购PLX获得PEX交换机技术，但收购后组件价格上涨影响行业全NVMe闪存采用 [39] 技术演进 - 早期8-GPU服务器采用PCIe交换机连接GPU，避免通过CPU传输降低延迟 [36] - 现代架构中网卡从连接CPU改为连接PCIe交换机，实现GPU与NIC直接通信 [42] - 当前配置中每两个GPU配备一个网卡，PCIe交换机上可部署NVMe存储 [42]

公司裁员计划 - 预计未来三年将有5,000名员工离职，其中包括今年早些时候宣布的2,800个裁员计划 [1] - 约有2,000名员工将因自然减员离开公司 [1] - 在法国裁减1,000个工作岗位，原计划非自然减员的岗位为2,800个 [2] - 意大利工会表示公司宣布在伦巴第北部地区的阿格拉特工厂裁员1,200人是"不可接受的" [2] 成本削减计划 - 预计到2027年将节省数亿美元，包括裁员和提前退休 [1] - 与利益相关者和当局就实施削减成本计划的讨论正在顺利进行 [1] 市场表现 - 公司股价收盘上涨11.1%，至每股24.94欧元，创下自2020年3月底以来的最大单日涨幅 [2] - 首席执行官看到了今年市场回暖的迹象 [2] 政府关系 - 意大利和法国政府通过一家控股公司持有公司27.5%的股份 [1] - 意大利工业部长否认了有关意大利和法国正在考虑拆分公司的传言，称这些报道"毫无根据" [2] 行业动态 - 公司在其主要市场面临持续低迷 [1] - 意大利政府对首席执行官表示不满，并指控其进行内幕交易，公司否认了这些指控 [1]

如果您希望可以时常见面，欢迎标星收藏哦~ "所有交易都在向好的方向发展，唯一没有达成的交易是那些本来就不应该达成的交易，"卢特尼克 说道，这似乎暗示并非所有奖项都能通过重新谈判获得成功。 拜登于 2022 年签署了《芯片与科学法案》，投入 527 亿美元用于促进美国半导体芯片的制造和 研究，并吸引芯片制造商离开亚洲。 该计划向台湾台积电、韩国三星和 SK 海力士以及美国英特尔和美光等半导体巨头提供了数十亿美 元的资助。 来源：内容综合自路透社 。 美国商务部长霍华德·卢特尼克 (Howard Lutnick) 在周三的听证会上表示，唐纳德·特朗普总统的 政府正在重新谈判前总统乔·拜登向半导体公司提供的一些拨款，暗示一些奖项可能会被取消。 卢特尼克对参议院拨款委员会的议员们表示，拜登时代的一些拨款"似乎过于慷慨，我们已经能够 重新进行谈判"，并补充说，目标是让美国纳税人受益。 这些拨款虽然已签署，但在拜登卸任时才刚刚开始发放。这些计划的细节尚未公开，但预计随着企 业在承诺的工厂扩建方面取得进展，这些资金将会发放。 卢特尼克指出，台积电就是成功重新谈判的一个例子。他表示，这家芯片制造商——赢得了60亿 美元的《芯 ...

公司发展历程 - 苏姿丰从工程师转型为管理者，在IBM积累了13年经验后加入AMD，2014年出任CEO [4][5][12] - 接手时AMD濒临破产股价3美元，通过战略转型实现股价突破200美元 [13] - 公司放弃移动芯片市场，专注高性能计算领域并开发三代产品实现技术突破 [14][15] 战略决策 - 选择高性能计算作为核心方向，认为这是公司"秘密武器"所在 [14] - 判断摩尔定律放缓是行业转折点，提前布局新技术研发 [15] - 建立学习型企业文化，鼓励从错误中学习并保持技术前沿地位 [16] 行业趋势 - 人工智能是过去50年最重要的技术进步，将渗透到各领域 [19] - 推理将成为未来AI工作负载主要部分，需开发不同规模的计算解决方案 [19][20] - 半导体行业兼具技术和地缘政治属性，需平衡全球市场与政策合规 [17] 技术布局 - 采取开放平台策略，通过开源软件构建更庞大的开发者生态 [20] - 聚焦降低AI推理成本和提高准确性两大技术挑战 [26] - 计算能力扩展将持续推动生产力提升和商业模式变革 [23][24] 市场展望 - 数据中心需求将持续增长，当前供应链尚未完全准备好 [28][29] - 半导体制造业将向美国回流，但台湾仍保持先进技术优势 [27] - 未来五年计算技术将推动医疗、气候等重大问题的解决方案 [24]

以太网交换机ASIC市场动态 - 大型AI厂商正寻求将以太网升级为替代InfiniBand的技术，目标是实现100万个GPU端点的超大规模AI集群[1] - 博通推出102.4 Tb/秒的Tomahawk 6 ASIC，并规划204.8 Tb/秒和409.6 Tb/秒的后续产品[2] - 思科、英伟达、Marvell、Xsight Labs和华为等厂商正在追赶博通的技术步伐[3] - 华为面临美国出口管制限制，其7纳米工艺制程发展受阻，正努力向5纳米迈进[3] Tomahawk系列技术演进 - Tomahawk 5采用5纳米工艺，提供51.2 Tb/秒总带宽，支持64个800Gb/秒端口[7] - Tomahawk 6采用3纳米工艺，提供102.4 Tb/秒带宽，支持128个800Gb/秒端口或64个1.6Tb/秒端口[10][11] - 每代ASIC带宽翻倍可减少网络层级，Tomahawk 6相比前代可减少33%交换机数量和47%光器件数量[14][15] - 共封装光学技术将帮助降低未来网络的成本和功耗[2] AI驱动下的网络架构变革 - AI训练和推理需求推动Tomahawk 6设计，要求更高带宽、更低延迟和更高基数[6] - 使用Tomahawk 6构建两层网络可比传统三层网络减少70%的电力消耗[15] - 单个Tomahawk 6可支持512个XPU共享内存映像，超大规模集群可达131,072个GPU[12][14] - 行业正加速向200Gb/秒、400Gb/秒以太网迁移，远超企业市场历史演进速度[2] 市场竞争格局 - 博通凭借3纳米工艺和先发优势占据技术领先地位[3][10] - 超大规模厂商迫切要求提前获得Tomahawk 7和Tomahawk 8产品[8] - OEM厂商预计2026年Q1可提供Tomahawk 6产品，行业正全力加速部署进程[15]

美光第九代3D NAND闪存技术 - 第九代（G9）3D NAND闪存每硅片存储容量为1Tbit，与第八代（G8）相同，但存储单元阵列密度提升40%，硅片存储密度提高30%，最大数据传输速度提升1.5倍[1] - G9字线层数为276层，比G8的232层增加19%，但通过其他创新实现存储密度40%提升[1] - 存储单元阵列密度从G7的17Gbit/平方毫米增至G8的25Gbit/平方毫米，再到G9的35Gbit/平方毫米[3] - 水平尺寸创新包括移除虚拟柱使区块高度降低14%，页面缓冲器数量从G8的16个减至G9的6个，硅片面积缩小至G8一半[3] 存储密度提升技术 - 采用气隙绝缘和局部氮化膜（Confined SN）技术，减少相邻存储单元间干扰[5][7] - Confined SN技术使编程时间缩短10%，相邻单元耦合电容减少约50%，在10,000次重写循环后性能几乎无下降[9] - 存储单元堆栈高度超13μm，由两层组成，每层高度6.5μm，存储孔直径150nm，纵横比超43[7] 未来技术路线 - 第十代（G10）及后续技术将继续增加层数，面临更高纵横比蚀刻挑战[6] - 晶圆键合技术将成为解决方案，可分别优化外围电路和存储单元阵列性能，预计成本将低于单片CuA技术[12][14] - 可能采用铁电薄膜替代传统氮氧化物薄膜，降低介质击穿风险，反转极化所需电压显著低于NAND闪存[16] 行业趋势 - 机器学习/人工智能发展推动对更高密度3D NAND闪存需求[16] - 各大厂商在最新产品中采用阵列下CMOS（CuA）技术减少硅片面积[12] - 未来可能同时开发多种基础技术并进行选择，持续改进3D NAND闪存[16]

如果您希望可以时常见面，欢迎标星收藏哦~ 来源：内容 编译自 IEEE 。 纳文·维尔马在普林斯顿大学的实验室就像一座博物馆，展示了工程师们尝试利用模拟现象而非数 字计算来提高人工智能效率的各种方法。其中一个工作台上摆放着迄今为止最节能的基于磁存储器 的神经网络计算机。在另一个工作台上，你会发现一个基于电阻存储器的芯片，它可以计算迄今为 止任何模拟人工智能系统中最大的数字矩阵。 维尔马表示，这两种材料都没有商业前景。更糟糕的是，他的实验室这部分简直就是一片坟场。 多年来，模拟人工智能一直吸引着芯片架构师的想象力。它结合了两个关键概念，可以大幅降低机 器学习的能耗。首先，它限制了存储芯片和处理器之间昂贵的比特移动。其次，它利用电流流动的 物理原理，而不是逻辑上的1和0，来高效地进行机器学习的关键计算。 在机器学习中，"很偶然地，我们的主要运算是矩阵乘法，"Verma 说。这基本上就是取一个数字 数组，将其与另一个数组相乘，然后将所有这些乘法的结果相加。很早以前，工程师们就注意到了 一个巧合：电气工程的两个基本定律可以精确地完成这样的运算。欧姆定律说，电压乘以电导就能 得到电流。基尔霍夫电流定律说，如果一束电流从 ...