人不学习枉少年

新思科技ZeBu Server 5首发即实现超4000亿门销量，加速系统级芯片数字孪生

新思科技近日推出了新思科技ZeBu Server 5硬件仿真系统，以应对复杂的十亿门级和多裸晶芯片系统在软件启动、功耗优化和调试等方面的挑战。与上一代产品相比，新思科技ZeBu Server 5的容量扩大了1.6倍，吞吐量和仿真性能各提升了2倍，而功耗却不到一半。

CPU、DSP、GPU，首批AI设计的芯片用在了哪里？

新思科技DSO.ai的首批客户中，有一些已经使用该技术为各种终端应用设计出了非常先进的CPU、DSP和GPU。硬件市场为AI创新留足了空间，但由于其密集的资源需求，加上云和边缘领域都突破了现有芯片技术在PPA上的极限，AI技术也给先锋企业带来了一些独特的挑战。Multi-Die系统设计里程碑：UCIe PHY IP在台积公司N3E工艺上成功流片

新思科技一直与台积公司保持合作，利用台积公司先进的FinFET工艺提供高质量的IP。近日，新思科技宣布在台积公司的N3E工艺上成功完成了Universal Chiplet Interconnect Express （UCIe） PHY IP流片。UCIe IP是Multi-Die系统的一个关键组成部分，它使开发者能够在封装中实现安全和鲁棒的Die-to-Die连接，并提供高带宽、低功耗和低延迟。

新思科技联合台积公司和Ansys升级Multi-Die全方位解决方案，推动系统级创新 新思科技近日宣布，携手台积公司和Ansys持续加强多裸晶芯片系统设计与制造方面的合作，助力加速异构芯片集成以实现下一阶段的系统可扩展性和功能。得益于与台积公司在3DFabric技术和3Dblox标准中的合作，新思科技能够为台积公司先进的7纳米、5纳米和3纳米工艺技术上的多裸晶芯片系统设计，提供业界领先的全方位EDA和IP解决方案。

《麻省理工科技评论》：38%的半导体公司将采用Multi-Die系统

由新思科技牵头，联合MITTRI共同发布了《Multi-Die系统定义半导体的未来》报告，通过调研业内300多位领先公司的半导体从业者，探讨为什么需要一种全新的设计方法，而不再是单单依靠摩尔定律预测的指数级扩展。与此同时，结合新思科技和MITTRI对于产业发展的深刻洞察，该报告还介绍了发生这种转变的原因及其面临的挑战，以及今后会给半导体行业乃至整个世界带来哪些好处。

为何AI需要新的芯片架构？ AI芯片的工作方式与人脑非常相似，能够在复杂且快速变化的世界中执行和处理各种决策及任务。传统芯片与AI芯片之间的真正区别在于所能处理的数据量和数据类型，以及可以同时运行的计算量。与此同时，新的软件AI算法突破正在推动新的AI芯片架构，助力实现高效的深度学习计算。

种AI“小小种子”，开芯片验证“大大的花”

新思科技很早就致力于将AI全面引入EDA，为市场提供改变未来的颠覆性技术，近日更是正式宣布推出业界首个全栈式AI驱动型EDA解决方案Synopsys.ai，涵盖设计、验证、测试和模拟电路设计阶段。

通过合规性测试，实现PCIe生态系统协作的第一步

PCI Express（PCIe）是有史以来应用最为广泛且可扩展的互连技术。作为PCIe IP解决方案的领先供应商，新思科技很高兴地宣布，其PCIe 5.0 IP解决方案（包含数字控制器和物理层（PHY））正式通过了PCI-SIG 5.0合规性测试，成为首个入选5.0集成商名单的IP产品。

做最Young青年，挑战第十八届研电赛新思科技赛题

第十八届中国研究生电子设计竞赛如期而至，今年新思科技的赛题聚焦于智能家居等前沿领域命题，持续助力中国高校培养创新人才，致力于推进技术革新。报名与作品提交截止时间：6月20日。最高可得奖金一万元。参赛者还可优先获得新思科技和相关合作企业实习生岗位机会。

存储器接口，数据安全的关口

随着系统变得越来越复杂，硬件可能会成为不法分子实施攻击的突破口。多芯片设计越来越受欢迎，攻击面也在不断扩大。要想保护数据，就需要保护多个重要领域，其中一个关键部分是片外动态随机存取存储器（DRAM）。本文介绍了黑客如何通过DRAM设备破坏数据和窃取信息，以及在SoC中保护DDR接口安全时可以考虑的一些策略。

顶级组合！新思科技联合三方推出全新射频设计流程，引领自动驾驶新革命

新思科技、Ansys和是德科技近日宣布，推出针对台积公司16纳米精简型工艺技术（16FFC）的全新79GHz毫米波（mmWave）射频（RF）设计参考流程，以加速开发具有高可靠性的先进射频和毫米波设计。

【了不起的芯片】无线充电：手机和汽车都说“真香”！

相比于普通数据线进行充电，无线充电省去插拔数据线的操作，只需把电子设备在指定区域，就能开始充电。这究竟是如何实现的呢？实现无线充电技术主要通过四种方式：电磁感应式、磁场共振式、无线电波式、电场耦合式。

AI走入应用场景：底层算力如何建构？

人工智能应用的背后离不开硬件的支持。虽然神经网络处理器（NPU）在性能、效率和算法灵活性方面已优于可编程的DSP，但这并不意味着 AI 处理中不需要 DSP。恰恰相反，对于许多应用的AI子系统来说，神经网络处理器（NPU）与矢量DSP是绝佳组合。哪些应用需要用到DSP？NPU和DSP该如何更好的配置？行业内是否有现成的解决方案可供选择？

测量材料表面，就可以提升光学设计精确度？

为确保光学系统仿真获得精确的结果，通常需要足够精确的材料和表面特性数据。单靠几何结构并不能确定出光线的分布；光学属性能够表征能量及光的方向是如何变化的。首先我们要了解用于表征表面和材料光学特性的物理量化的指标。