西门子数字工业软件近日宣布,已与英特尔代工(Intel Foundry)合作,为该厂的嵌入式多芯片互连桥接器 (EMIB) 方法开发全面的工作流程,实现异构芯片的封装内高密度互连。
利用西门子业界领先的集成电路和PCB设计方面的专业知识和世界级技术,英特尔的EMIB技术可提供先进的集成电路封装解决方案,涵盖规划和原型设计,直至在FCBGA、2.5/3D IC 等广泛的集成技术中实现签核(signoff)。
Intel Foundry副总裁兼产品与设计生态系统总经理Rahul Goyal表示:“我们正在为客户提供高度创新的先进封装技术。”“与西门子的合作使我们能够定义一个经过认证的、做好生产准备的EMIB技术参考流程,并将其提供给我们的客户,以便他们能够高效、有效地进行设计。”
借助这一新的Intel Foundry工作流程,双方客户可以处理一系列关键任务,包括早期封装装配原型设计、分层器件平面规划、协同设计优化、完整详细实施验证(包括信号和电源完整性分析)以及封装装配设计工具包(PADK)驱动的装配验证。
该参考流程采用的西门子技术包括 Xpedition™ Substrate Integrator 软件、Xpedition™ Package Designer 软件、Hyperlynx™ 软件 SI/PI 和Calibre®nmPlatform 工具(包括 Calibre® 3DSTACK 软件)。
西门子数字工业软件Electronic Board Systems高级副总裁 AJ Incorvaia 表示:“西门子很高兴能够与英特尔代工合作,为英特尔的创新EMIB 技术开发和提供经过认证的参考流程。”作为英特尔的长期供应商,西门子很荣幸被选中参与这个项目,并期待着分享我们的 3D-IC 专业技术,为我们的共同客户带来价值。
好文章,需要你的鼓励
OpenAI明确表示要成为互联网一切事物的主导界面。AI智能体正在改变用户的数字习惯,从健康记录分析到购物指导,ChatGPT已经在多个领域扩展影响力。用户快速采用AI工具,但企业和生态系统的适应速度滞后。电商领域的权力分配尚不明确,用户偏好AI驱动的答案优先体验,品牌则推动生成式引擎优化。研究旨在了解用户与企业在AI变革中的适应差异。
普林斯顿大学研究团队通过分析500多个机器学习模型,发现了复杂性与性能间的非线性关系:模型复杂性存在最优区间,超过这个区间反而会降低性能。研究揭示了"复杂性悖论"现象,提出了数据量与模型复杂性的平方根关系,并开发了渐进式复杂性调整策略,为AI系统设计提供了重要指导原则。
微软亚洲研究院开发出革命性的认知启发学习框架,让AI能够像人类一样思考和学习。该技术通过模仿人类的注意力分配、记忆整合和类比推理等认知机制,使AI在面对新情况时能快速适应,无需大量数据重新训练。实验显示这种AI在图像识别、语言理解和决策制定方面表现卓越,为教育、医疗、商业等领域的智能化应用开辟了新前景。