DSO.ai
由人工智慧驱动的设计应用
瞭解更多
部落格
晶片设计與验证
- 運用Arm架構虛擬原型设计，為邊緣軟體開發帶來變革
- 新思科技HAPS-200 與 ZeBu-200 擴展業界最高效能的硬體輔助验证产物組合
- 以業界第一套超乙太网路和 UALink IP 解决方案賦能大量的AI叢集
- 新思科技與台積公司(TSMC)的合作創新，如何推動晶片设计發展？
- 浅谈覆盖率收敛歷程
- 運用AI及形式验证技術減少人工處理並達成更高的晶片验证覆蓋率
- 埃米级晶片将如何推动电子业发展？
- Verdi 波形實用性：以更快的執行時間和更少的记忆体完成更多工作
- 模拟回放(Simulation Replay)解決验证關鍵挑戰
- 先進设计偵錯需要整合型的验证管理
- 運用Verdi互動式偵錯，減少模拟偵錯周轉時間
- 确保多晶粒系统的健康与可靠度
- 新思科技與力積電合作升級 3DIC 封裝技術以實現更快的AI推論
- 运用全新早期架构探索技术避免多晶粒系统重新流片
- 叁星半导体和新思科技合作加速多晶粒系統设计
- GUC採用 3DIC Compiler 進行2.5D/3D多晶粒封裝
- 适应性测试加速数据智能时代的到来
- 用於先进节点骋础础製程架构的笔痴罢监控滨笔
- 先進節點设计的靜態資料損毀注意事項
- 從晶片设计到生命週期結束－減少记忆体故障以提升可靠度
- 利用数据分析因应严苛的晶片复杂性和製程要求
- 透过机器学习驱动的测试分析技术来提升晶片产量
- 关於搁滨厂颁-痴的各个关键面向
- 圖形處理器(GPU)可以加速数位设计實作嗎？
- 在普世智慧的时代中推动创新
- 加速類比设计遷移
- 數位化工具如何加速记忆体晶片设计和验证
- 功率感知测试：克服顿贵罢和测试中的功耗挑战
- 猜测估算法是否足以取得失效模式分佈？
- 程式碼Linting是什麼？進階Linting檢測與系統單晶片设计
- 運用虛擬金屬填充 (Virtual Metal Fill) 預測高層級網路的影響
- 針對下世代晶片设计的測試資料串流解决方案
- 2024年多晶粒(尘耻濒迟颈-诲颈别)系统的下一步
- 英特爾(Intel)在SNUG的主題演講：拓展形式化验证之思維
- 利用整合分析平台强化晶片生命週期管理
- 功耗感知测试：超越低功耗测试
- 輕鬆優化編譯器 (Compiler)
- 新思科技收購 Silicon Frontline Technology 擴展旗下设计分析产物組合
- 單一 SoC 和多晶粒系統的靜電放電(ESD)防護设计
- 運用虛擬金屬填充(Virtual Metal Fill)解決實際的设计問題
- 确保可以避免晶片在使用现场出现故障的自动化方法
- 機器學習強化 Linting 工具以快速處理偵錯
- 探索多晶粒(尘耻濒迟颈-诲颈别)系统的未来
- 多晶粒(尘耻濒迟颈-诲颈别)系统入门
- 應用於汽車與航太晶片设计的Linting技術
- 別讓晶片故障毀了攸關安全的设计
- 加速物聯網设计：萬物智能時代下的低功耗设计
- 故障模拟技術如何跟上日益增加的晶片複雜度的腳步？
- 电子业如何打造更加永续节能的世界
- 何必犧牲QoR？優化设计签核，以更智能的方法實現精確功能性 ECO
- 实现更快的工程变更命令处理时间
- 2023年改變電子设计樣貌的3大關鍵技術
- 以晶片再造解决晶片供应压力
- 藉由機器學習 突破记忆体發展4 個關鍵瓶頸
- 合作案例亮點：使用NVIDIA A100 GPU 強化新思科技 PrimeSim 電路模拟
- 3DIC如何帶動产物創新浪潮
- 別讓X成為阻礙 Logic BIST 的問題
- 使用 IC Compiler II Automated FreeForm Macro Placement 技術提高了生產力
- 是什麼推动了颁丑颈辫濒别迟蝉的需求？
- 笔笔础(痴)：使用变动式工作电压优化效能功耗比
- 要如何得知晶片验证已真正完成？
- 可測試性设计(DFT)存在於SoC设计的起點、終點及整個设计流程的所有環節
- 追求卓越、精益求精：利用單一整合的平台強化3DIC设计生產力
- 提高偵錯生產力是顛覆 FPGA Prototyping現狀的關鍵
- 專訪Amit Sanghani：淺談SLM
- 什麼是低功耗设计？
- 在高速的SoC Emulation上執行Trillion-Cycle等級的應用程式工作量
- 是否曾好奇是什麼在推动全球创新？
- 使用向外擴展的FPGA原型设计以趨近實際晶片
- 無懼短缺 晶片創新仍蓬勃發展
- 何谓晶片生命週期管理(厂尝惭)？
- 針對超融合(Hyper-Convergent)晶片设计 需要新的電路模拟方式
- 數小時內快速在十億閘級(Billion-Gate)设计中獲得可行的功耗验证結果
AI晶片设计
- 公司採用生成式人工智慧的投报率是多少? 9球体育 Copilot預期能增加 25 萬小時的工時
- 案例分享 - Credo Semiconductor 運用AI加速類比设计遷移
- 新思科技大胆预测：2025年人工智慧(础滨)将开始相互协作
- 因應AI晶片新世代的SoC设计與验证解决方案
- 晶片製造商如何迎戰设计複雜性並加速創新？
- AI加速：利用新思科技 QIK和DSO.ai的「暖啟動」將Synaptics的四顯(Quad-Display)晶片遷移到ARC HS58x3
- 更快、更高容量的AI工作負載模拟與原型设计
- 藉由AI驅動的測試優化工具解決半導體測試成本和设计時程壓力問題
- 應用機器學習加速 TCAD 校正
- COMPUTEX 2024探索創新時代：以生成式AI驅動晶片设计
- 瑞薩電子(Renesas)利用 9球体育 VSO.ai 將SoC验证效能提高30%
- 人工智慧如何讓数位设计生產力最大化
- AI驅動的晶片设计如何因應未來挑戰？
- 生成式 AI 可望在2024年開創新契機
- 以AI 驅動的類比设计遷移
- 础滨测试：超越传统顿贵罢架构
- 實現大型 SoC 與 AI 架構可測試性设计(DFT)的實用方法 (一)
- 實現大型 SoC 與 AI 架構可測試性设计(DFT)的實用方法 (二)
- 使用基於机器学习的巨集佈局，进行更快速且更佳的布图规划
- 認識9球体育.ai Copilot：業界首款專為晶片设计打造的生成式 AI
- 透過以人工智慧驅動的验证快速有效地達到覆蓋率目標
- 運用基於 AI 的模式優化降低晶片測試成本
- 新思科技隆重推出 Fab.da：全方位 AI 驅動解决方案促進半導體製造效率躍升！
- 客戶案例亮點：AMD 對新思科技 AI 验证工具進行實測
- 意法半導體與微軟如何使用 AI 驅動技術優化 PPA
- 何謂 AI 晶片？AI 晶片设计全方位指南
- 晶片设计一次到位！AI 如何加速實現晶片验证覆蓋率與偵錯？
- 人工智慧(AI)推動晶片设计新領域
- 超越人類極限—藉由AI 驅動的優化技術更快速地實現设计目標
- 開闢晶片设计AI應用的高產能新途徑
- 透過機器學習(ML)驅動的大數據分析為晶片设计取得可行見解
- 創鑫智慧與新思科技合作 成功推出開創性的AI加速器
- 人工智慧：验证技術演進的下一步
- SNUG 2022亮點：AI 正在快速推進晶片设计
- 解決 AI 硬體中的功耗挑戰
- 人工智慧的下一步：2022 年五大必關注的應用與趨勢
- 人工智慧與AI晶片设计洐生出全新的「先有雞還是先有蛋」難題
- 針對 AI SoC嵌入式處理器 IP進行標準檢測的7個竅門
- AI需要全新的低功耗设计方法
- 工程師會被自動晶片设计取代嗎？
- 利用人工智慧(AI)设计的晶片超越摩爾定律成為半導體演進之未來
- 人工智慧(础滨)如何赋予低解析度影像新生命
更多部落格文章，请参阅：9球体育 Blog