【免费流片还包邮到家，谷歌「拼团」芯片项目推出了官方教程网站】Open MPW shuttle 于 2020 年 11 月在

【免费流片还包邮到家，谷歌「拼团」芯片项目推出了官方教程网站】Open MPW shuttle 项目于 2020 年 11 月在芯片设计服务平台 Efabless 上展开，流片在开源的 SkyWater 130nm 工艺上完成。该项目对所有人开放，只要你的项目是完全开源的，并满足其他一些要求。项目的制造、包装、评估 PCB 板和运输费用均由谷歌承担。 #抽屉IT

俄罗斯开发者被阻止向“自由及开源软件”贡献

俄罗斯开发者被阻止向“自由及开源软件”贡献 最近有两起俄罗斯开发者被阻止贡献 FOSS (Free and Open Source Software) 代码的事件。在 Linux 内核邮件列表上，俄罗斯芯片制造商贝加尔电子公司的 Sergey Semin 的贡献被拒绝了，“我们对接受来自贵组织生产的硬件或与之相关的补丁感到不舒服。”另外一件也是针对俄罗斯开发者的，他的 GitHub 账户已被封锁。他开发的 “一个管理和配置支持智能平台管理界面的设备的工具”，，被标记为只读“存档”。原因是他为俄罗斯芯片制造商 Yadro 工作，该公司正在研发 RISC-V 芯片，被列入了乌克兰的战争与制裁数据库。来源 ， 来自：雷锋 频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

NVIDIA的AI芯片优势正成为谷歌、英特尔和Arm的目标

NVIDIA的AI芯片优势正成为谷歌、英特尔和Arm的目标 这个名为"统一加速基金会"（UXL）的组织表示，该项目的技术细节应在今年下半年达到"成熟"状态，但没有给出最终的发布目标。该项目目前包括英特尔开发的OneAPI开放标准，旨在消除特定编码语言、代码库和其他工具等要求，使开发人员不再受使用特定架构（如 NVIDIA 的 CUDA 平台）的束缚。上个月，英伟达（NVIDIA）成为首家市值达到 2 万亿美元的芯片制造商，在专注于为人工智能模型提供动力的硬件（如H100和即将推出的H200 GPU）之后，英伟达实现了快速增长。这些英伟达（NVIDIA）芯片将开发者锁定在使用英伟达（NVIDIA）的CUDA架构上，比其他芯片制造商目前生产的任何产品都要优越，但爆炸性的需求造成了产品稀缺，而竞争对手却在继续开发自己的替代品。在 2023 年的 Computex 主题演讲中，NVIDIA 首席执行官黄仁勋表示，有 400 万开发者正在使用 CUDA计算模型。UXL表示，该项目最初的目标是为人工智能应用和高性能计算应用开放选项，但该小组计划最终也支持NVIDIA的硬件和代码。UXL 正在寻求更多芯片制造商以及微软和亚马逊等云计算公司的援助，以确保该解决方案可以部署在任何芯片或硬件上。据传，微软去年曾与 AMD合作开发替代人工智能芯片，以挑战 NVIDIA 在该行业的有效垄断地位。 ... PC版： 手机版：

英伟达谷歌NYU齐上阵 用LLM完成芯片设计

英伟达谷歌NYU齐上阵 用LLM完成芯片设计 它们分别开发出一款AI工具旨在通过⾃动编写硬件代码和验证代码，加快⼯程师的⼯作速度，并通过总结笔记和状态更新来帮助⼤型设计团队协同⼯作。让AI参与芯片设计，全都是因2023年⼈⼯智能热潮掀起，专用AI芯片的供应一直处于紧张状态。与此同时，摩尔定律（即芯⽚中的晶体管数量⼤约每两年翻⼀番）的预言终结，也促使许多公司开始探索全新的芯⽚架构，以⽣产更多专⽤芯⽚。专家表⽰，美国没有⾜够的⼯程师能够为AI以及⾃动驾驶汽车和⽆⼈机等特定应⽤设计这些先进的芯⽚，而当前这些应⽤的需求都在不断增长。英伟达ChipNeMo，专供AI芯设计英伟达应⽤深度学习研究的副总裁Bryan Catanzaro表示，由于GPU能够同时处理成千上万的任务，因此需要近千⼈来制造，⽽且每个⼈都必须了解设计的各个部分是如何协同⼯作的，同时还要不断改进。对此，英伟达团队开发了一种全新定制化大模型ChipNeMo，能够执行诸如回答有关GPU架构的问题，或⽣成芯⽚设计语⾔代码等任务。研究人员在开源Llama 2模型的基础上，对这款AI系统进行了训练。与此同时，该AI系统也是为了与Synopsys等现有设计⾃动化⼯具配合使⽤。英伟达的内部⼯程师开始使⽤ChipNeMo一年以来，Catanzaro称，他们发现该系统在培训初级⼯程师、总结100个不同团队的笔记，状态更新⽅⾯⾮常有⽤。Google、芯片设计AI公司上阵对于⾕歌DeepMind，他们也开发了⼀套AI系统来改进逻辑合成。这是芯⽚设计的⼀个阶段，包括将电路⾏为描述转化为实际电路。⾕歌表⽰，这些技术可能会被⽤于改进⾃⼰的定制⼈⼯智能芯⽚，即“张量处理单元”（TPU）。另外，芯片设计公司Synopsys去年发布了一款AI工具名为Synopsys.ai Copilot。这是与微软合作通过OpenAI的⼤模型开发的工具，旨在帮助工程师们开展合作。该公司表示，微软的内部硅团队正在使用该工具来支持其工程需求。这款AI⼯具可以回答有关如何使⽤公司设计⼯具的问题，并能创建⼯作流程脚本。它还可以生成RTL（一种芯片设计语言，用于规范芯片架构），只需用简单的英语进行对话即可。学术界研究爆发在学术界，也有诸多研究朝着这个方向开展。包括纽约大学在内多所大学进行的研究，致力于发现确定生成式AI加速芯片设计的其他方法。其中一些研究得到了Synopsys，以及芯片巨头⾼通等公司的资助。QTcore-C1，⼀种由纽约⼤学研究⼈员通过与ChatGPT对话命名和设计的芯⽚纽约⼤学坦登⼯程学院的⼀个团队通过与ChatGPT对话，在⼤约⼀个⽉的时间⾥设计出了⼀款芯⽚。这项技术被称为“Chip Chat”，研究⼈员只需与ChatGPT对话， 就能⾃动编写描述芯⽚功能的芯⽚设计语⾔ Verilog。纽约⼤学坦登⼯程学院电⽓与计算机⼯程研究所副教授Siddharth Garg表示，“通过使用与ChatGPT相关的AI系统，研究人员希望将硬件设计时间加速到⼀个⽉或更短的时间”。通常来说，设计一款最复杂的微芯⽚，可能需要耗费长达半年，甚至更长的时间。但这些AI工具并非，无所不能。德克萨斯大学奥斯汀分校电气与计算机工程学教授David Pan说，目前，这些工具主要用于培训年轻的芯片设计师、编写硬件语言和报告错误等方面。⽬前的⼯具还有其他局限性。⼯程师必须仔细验证AI⽣成的输出结果， ⽽且⽬前还没有⼀种解决⽅案可以⾃动完成从设计到验证、实现设计的晶体管以及检查设计的电⽓特性等整个芯⽚设计流程。Synopsys公司的Krishnamoorthy估计，利⽤⽣成式AI⾃主创建功能芯⽚的能⼒⼤约还需要5年时间。参考资料： ... PC版： 手机版：

消息称英特尔取消 10 亿美元 RISC-V 开发者资助，将资金用于芯片工艺领域

消息称英特尔取消 10 亿美元 RISC-V 开发者资助，将资金用于芯片工艺领域 IT之家 3 月 5 日消息，据行业分析师 Ian Cutress 的 X 平台动态，英特尔取消了价值 10 亿美元（IT之家备注：当前约 72 亿元人民币）的 RISC-V 开发者资助，将这笔资金用于资助芯片制造 PDK 的开发。

谷歌推出基于 Arm 的数据中心处理器 Axion 和下一代 TPU 芯片

谷歌推出基于 Arm 的数据中心处理器 Axion 和下一代 TPU 芯片 谷歌9日在其年度云计算会议上公布了其下一代数据中心 AI 加速芯片 TPU 的细节，并宣布推出自行设计的基于 ARM 架构的数据中心 CPU。 谷歌的张量处理单元 (TPU) 是英伟达制造的先进 AI 芯片的少数可行替代品之一，但开发人员只能通过谷歌云访问它们，而不能直接购买。谷歌表示，下一代 TPU v5p 芯片可在8,960个芯片的芯片集群中运行，原始性能可达到上一代 TPU 的两倍。为了确保芯片组以最佳性能运行，谷歌采用了液体冷却技术。TPU v5p 将于9日在谷歌云正式发布。 谷歌计划通过谷歌云提供被称为 Axion 的基于 ARM 的 CPU。Axion 芯片的性能比通用 ARM 芯片高出30%，比英特尔和 AMD 生产的当前一代 x86 芯片高出50%。Axion 已在多项谷歌服务中使用，并计划于今年晚些时候向公众开放。