中国·上海-- Credo Technology(纳斯达克股票代码:CRDO)近日正式宣布推出其基于台积电5nm及4nm制程工艺的112G PAM4 SerDes IP全系列产品,该系列能够全面覆盖客户在高性能计算、交换芯片、人工智能、机器学习、安全及光通信等领域的广泛需求,包括:超长距(LR+)、长距(LR)、中距(MR)、超极短距(XSR+)以及极短距(XSR)。
Credo IP产品业务开发助理副总裁Jim Bartenslager表示, “Credo先进的混合信号以及数字信号处理(DSP)112G PAM4 SerDes架构均早已在台积电12nm 制程工艺下完成研发并投片验证,且已成功应用于Credo全系列铜连接以及光连接解决方案产品之中。如今,我们将Credo独一无二的,为高速领域量身定制的SerDes技术移植到台积电5nm及4nm先进工艺节点,以求帮助我们的合作伙伴和客户能够更顺畅的升级其产品,无缝衔接的集成我们业界领先的112G PAM4 IP在其大型单片或多芯片模组(MCM)主芯片当中。”
图 1 Credo SerDes IP 产品总览
OIP生态系统开发负责人Dan Kochpatcharin表示:“很高兴Credo基于我们台积电5nm和4nm工艺设计新系列112G PAM4 Serdes IP。Credo这套既全面涵盖各种距离(reach)又具有功耗可编程功能的IP,能够满足计算、交换、人工智能、机器学习等众多领域的需求。”
Credo独特的软件可编程创新使架构能够逐车道优化功率和性能,进而使系统级性能得到更好的释放,达到更高标准。此新系列112G PAM4 SerDes IP旨在满足高速、数据密集型应用不断增长的数据需求。早期设计客户可立即通过联系Credo销售团队进行相关预定。Credo N4-N16 112G SerDes的生产、投片、设计套件可用性记录等均可通过台积电官网线上浏览。
Credo先进的SerDes核心科技可以帮助硅芯片解决方案供应商及原始设备制造商(OEM)们针对新兴市场带来的机遇为其客户定制芯片解决方案,并同时满足对系统级的性能以及低功耗方面的要求。Credo所有的IP解决方案均会为客户提供评估板、仿真模型、特性报告、可靠性报告、设计库及全套支持文档。对此新系列IP感兴趣的客户请联系:sales@credosemi.com .
第24届中国国际光电博览会(CIOE 2022)将于2022年9月7-9日在深圳国际会展中心举行,届时Credo将在该活动上展示并介绍其用于数据中心及5G基础建设等多种场景的光电连接解决方案。Credo的展位号为6C21,欢迎业界同仁莅临参观或者预约会议交流。
关于Credo
Credo成立于2008年,我们的使命是不断突破数据基础设施市场中每个有线连接的带宽壁垒,提供高速连接解决方案。Credo是提供安全、高速连接解决方案的创新者。随着整个数据基础设施市场对数据速率和相应带宽需求呈指数级增长,Credo的解决方案可提供更低的功耗和更高的成本效用。Credo的创新在缓解系统带宽瓶颈的同时,降低了系统的功耗、提升了系统的安全性和可靠性。Credo的解决方案优化了以太网应用中的光电连接,服务于包括新兴的100G(或GB/s)、200G、400G和800G端口市场。Credo的产品均基于Credo在串行化/解串行(SerDes)和数字信号处理器(DSP)上的专利技术。Credo的产品主要包括芯片、有源电缆(AEC)以及SerDes Chiplet;IP解决方案主要为SerDes IP许可。
欢迎发送邮件至sales@credosemi.com获取更多产品信息
您也可访问:https://www.credosemi.com或在LinkedIn和Twitter上关注Credo
以及扫描以下二维码关注Credo中国官微,了解Credo最新的相关技术/产品、发布和报道。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
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。