CNET科技資訊網(wǎng) 10月14日 北京報道 (文/陶婧婕) 可能很多人對Spansion這家公司還是很陌生,這是一家嵌入式市場閃存解決方案創(chuàng)新廠商。據(jù)悉,Spansion的全年營收在13億美元左右,員工數(shù)達(dá)到4000人。
去年年初,Spansion公司與富士通聯(lián)合宣布,Spansion斥資1.1億美元收購富士通半導(dǎo)體公司的微控制器和模擬業(yè)務(wù)部門,另出資6500萬美元收購兩部門庫存。收購的富士通半導(dǎo)體公司的微控制器和模擬業(yè)務(wù)部門平移至Spansion,也就是現(xiàn)在的微控制器與模擬業(yè)務(wù)部門,而且Spansion的產(chǎn)品線不在只有閃存,新加入了MCU產(chǎn)品線以及模擬產(chǎn)品線。
今日,Spansion在京發(fā)布了Traveo微控制器系列的新品,該產(chǎn)品是面向汽車儀表系統(tǒng)內(nèi)豐富的人機(jī)接口(HMI)技術(shù)。
Spansion也首次將HyperBus接口與基于ARM Cortex-R5的嵌入式Traveo MCU相結(jié)合,實現(xiàn)了與HyperFlash閃存技術(shù)的無縫連接。(HyperBus是今年年初Spansion推出的12針的接口,包括一個8針腳地址/數(shù)據(jù)總線、一個差分時鐘、一個片選和一個讀數(shù)據(jù)選通控制器,該接口適用于閃存、RAM和外設(shè)。)
Spansion公司微控制器與模擬業(yè)務(wù)部門市場部營銷總監(jiān)王鈺對汽車領(lǐng)域業(yè)務(wù)的全球分布進(jìn)行了說明,并表示Traveo系列擁有四個優(yōu)勢,分別為:第一,首款支持3D圖形的ARM Cortex-R5,旨在打造功能豐富的汽車儀表盤HMI;第二,Spansion將其創(chuàng)新型的HyperBus接口和Traveo MCU整合在一起;第三,支持CAN-FD、Ethernet AVB等一系列廣泛的通信協(xié)議以及LVDS PHY、RSDS等高級圖形接口;第四,先進(jìn)的音響系統(tǒng)提供對多媒體的廣泛支持。
此次Spansion推出了兩種不同的Traveo圖形解決方案,S6J324C系列可實現(xiàn)2D圖形處理,而S6J326C系列則支持2D和3D圖形處理。
王鈺表示,Traveo MCU產(chǎn)品一個芯片可以控制兩個顯示系統(tǒng),其中S6J324C系列適用于中檔車,而S6J326C系列符合高端車的需求(如果符合成本預(yù)算,S6J324C系列也可以適用于中檔車)。
據(jù)悉,S6J324C系列與S6J326C系列樣品都將于今年第四季度供應(yīng)。
好文章,需要你的鼓勵
新加坡國立大學(xué)研究團(tuán)隊開發(fā)了SPIRAL框架,通過讓AI與自己對弈零和游戲來提升推理能力。實驗顯示,僅訓(xùn)練AI玩簡單撲克游戲就能讓其數(shù)學(xué)推理能力提升8.6%,通用推理提升8.4%,且無需任何數(shù)學(xué)題目作為訓(xùn)練材料。研究發(fā)現(xiàn)游戲中的三種推理模式能成功轉(zhuǎn)移到數(shù)學(xué)解題中,為AI訓(xùn)練提供了新思路。
同濟(jì)大學(xué)團(tuán)隊開發(fā)的GIGA-ToF技術(shù)通過融合多幀圖像的"圖結(jié)構(gòu)"信息,創(chuàng)新性地解決了3D相機(jī)噪聲問題。該技術(shù)利用圖像間的不變幾何關(guān)系,結(jié)合深度學(xué)習(xí)和數(shù)學(xué)優(yōu)化方法,在合成數(shù)據(jù)集上實現(xiàn)37.9%的精度提升,并在真實設(shè)備上展現(xiàn)出色泛化能力,為機(jī)器人、AR和自動駕駛等領(lǐng)域提供更可靠的3D視覺解決方案。
伊利諾伊大學(xué)研究團(tuán)隊通過對比實驗發(fā)現(xiàn),經(jīng)過強化學(xué)習(xí)訓(xùn)練的視覺語言模型雖然表現(xiàn)出"頓悟時刻"現(xiàn)象,但這些自我糾錯行為并不能實際提升推理準(zhǔn)確率。研究揭示了AI模型存在"生成-驗證差距",即生成答案的能力強于驗證答案質(zhì)量的能力,且模型在自我驗證時無法有效利用視覺信息,為AI多模態(tài)推理發(fā)展提供了重要啟示。
MIT等頂尖機(jī)構(gòu)聯(lián)合提出SparseLoRA技術(shù),通過動態(tài)稀疏性實現(xiàn)大語言模型訓(xùn)練加速1.6倍,計算成本降低2.2倍。該方法使用SVD稀疏性估計器智能選擇重要計算部分,在保持模型性能的同時顯著提升訓(xùn)練效率,已在多個任務(wù)上驗證有效性。