西门子数字工业软件公司正在扩大与亚马逊网络服务(AWS)的战略合作协议(SCA)。目标主要是帮助双方共同的集成电路 (IC)和电子设计客户利用AWS先进的云服务来缩短设计周期、优化工程资源并使用西门子当前和即将推出的EDA产品提高验证覆盖率。SCA的这次扩展建立在两家公司为客户提供其需要的敏捷性、灵活性和适应性的优良记录之上。
高性能云计算为集成电路和系统开发人员提供了解决设计复杂性、计算能力需求以及分布式跨组织协作的方法。
西门子和 AWS 正在合作开发云飞行计划(Cloud Flight Plans),这是一种著名的方法(BKM)和技术,可以在客户的AWS环境中运行西门子的EDA。云飞行计划的目标客户是希望自我管理其 AWS环境的客户。
西门子数字工业软件公司EDA云解决方案副总裁 Craig Johnson 表示:“集成电路开发是一个计算密集型过程,因此能够随时获得额外的容量和替代系统配置对我们的客户来说极具价值。”“部署的复杂性历来是一大挑战。我们与 AWS 合作拓展的重点是将我们对电子设计的精通和AWS的基础设施、咨询和云部署协助结合起来,加快我们共同客户的产出。”
AWS工程副总裁 Bill Vass表示:“AWS为最先进的EDA解决方案提供弹性、高性能计算 (HPC),从而提高了集成电路和电子设计工作负载的性能。”“我们与西门子的战略合作使双方共同的客户能够在云中创建创新的新产品,现在还包含了西门子 EDA 的重大半导体创新。”
好文章,需要你的鼓励
OpenAI CEO描绘了AI温和变革人类生活的愿景,但现实可能更复杂。AI发展将带来真正收益,但也会造成社会错位。随着AI系统日益影响知识获取和信念形成,共同认知基础面临分裂风险。个性化算法加剧信息茧房,民主对话变得困难。我们需要学会在认知群岛化的新地形中智慧生存,建立基于共同责任而非意识形态纯洁性的社区。
杜克大学等机构研究团队通过三种互补方法分析了大语言模型推理过程,发现存在"思维锚点"现象——某些关键句子对整个推理过程具有决定性影响。研究表明,计划生成和错误检查等高层次句子比具体计算步骤更重要,推理模型还进化出专门的注意力机制来跟踪这些关键节点。该发现为AI可解释性和安全性研究提供了新工具和视角。
传统数据中心基础设施虽然对企业至关重要,但也是预算和房地产的重大负担。模块化数据中心正成为强有力的替代方案,解决企业面临的运营、财务和环境复杂性问题。这种模块化方法在印度日益流行,有助于解决环境问题、满足人工智能的电力需求、降低成本并支持新一代分布式应用。相比传统建设需要数年时间,工厂预制的模块化数据中心基础设施可在数周内部署完成。
法国索邦大学团队开发出智能医学文献管理系统Biomed-Enriched,通过AI自动从PubMed数据库中识别和提取高质量临床案例及教育内容。该系统采用两步注释策略,先用大型AI模型评估40万段落质量,再训练小型模型处理全库1.33亿段落。实验显示该方法仅用三分之一训练数据即可达到传统方法效果,为医学AI发展提供了高效可持续的解决方案。