新思科技ZeBu Server 5首發即實現超4000億門銷量，加速系統級芯片數字孿生

新思科技近日推出了新思科技ZeBu Server 5硬件仿真系統，以應對復雜的十億門級和多裸晶芯片系統在軟件啟動、功耗優化和調試等方面的挑戰。與上一代產品相比，新思科技ZeBu Server 5的容量擴大了1.6倍，吞吐量和仿真性能各提升了2倍，而功耗卻不到一半。

CPU、DSP、GPU，首批AI設計的芯片用在了哪里？

新思科技DSO.ai的首批客戶中，有一些已經使用該技術為各種終端應用設計出了非常先進的CPU、DSP和GPU。硬件市場為AI創新留足了空間，但由于其密集的資源需求，加上云和邊緣領域都突破了現有芯片技術在PPA上的極限，AI技術也給先鋒企業帶來了一些獨特的挑戰。Multi-Die系統設計里程碑：UCIe PHY IP在臺積公司N3E工藝上成功流片

新思科技一直與臺積公司保持合作，利用臺積公司先進的FinFET工藝提供高質量的IP。近日，新思科技宣布在臺積公司的N3E工藝上成功完成了Universal Chiplet Interconnect Express （UCIe） PHY IP流片。UCIe IP是Multi-Die系統的一個關鍵組成部分，它使開發者能夠在封裝中實現安全和魯棒的Die-to-Die連接，并提供高帶寬、低功耗和低延遲。

新思科技聯合臺積公司和Ansys升級Multi-Die全方位解決方案，推動系統級創新 新思科技近日宣布，攜手臺積公司和Ansys持續加強多裸晶芯片系統設計與制造方面的合作，助力加速異構芯片集成以實現下一階段的系統可擴展性和功能。得益于與臺積公司在3DFabric技術和3Dblox標準中的合作，新思科技能夠為臺積公司先進的7納米、5納米和3納米工藝技術上的多裸晶芯片系統設計，提供業界領先的全方位EDA和IP解決方案。

《麻省理工科技評論》：38%的半導體公司將采用Multi-Die系統

由新思科技牽頭，聯合MITTRI共同發布了《Multi-Die系統定義半導體的未來》報告，通過調研業內300多位領先公司的半導體從業者，探討為什么需要一種全新的設計方法，而不再是單單依靠摩爾定律預測的指數級擴展。與此同時，結合新思科技和MITTRI對于產業發展的深刻洞察，該報告還介紹了發生這種轉變的原因及其面臨的挑戰，以及今后會給半導體行業乃至整個世界帶來哪些好處。

為何AI需要新的芯片架構？ AI芯片的工作方式與人腦非常相似，能夠在復雜且快速變化的世界中執行和處理各種決策及任務。傳統芯片與AI芯片之間的真正區別在于所能處理的數據量和數據類型，以及可以同時運行的計算量。與此同時，新的軟件AI算法突破正在推動新的AI芯片架構，助力實現高效的深度學習計算。

種AI“小小種子”，開芯片驗證“大大的花”

新思科技很早就致力于將AI全面引入EDA，為市場提供改變未來的顛覆性技術，近日更是正式宣布推出業界首個全棧式AI驅動型EDA解決方案Synopsys.ai，涵蓋設計、驗證、測試和模擬電路設計階段。

通過合規性測試，實現PCIe生態系統協作的第一步

PCI Express（PCIe）是有史以來應用最為廣泛且可擴展的互連技術。作為PCIe IP解決方案的領先供應商，新思科技很高興地宣布，其PCIe 5.0 IP解決方案（包含數字控制器和物理層（PHY））正式通過了PCI-SIG 5.0合規性測試，成為首個入選5.0集成商名單的IP產品。

做最Young青年，挑戰第十八屆研電賽新思科技賽題

第十八屆中國研究生電子設計競賽如期而至，今年新思科技的賽題聚焦于智能家居等前沿領域命題，持續助力中國高校培養創新人才，致力于推進技術革新。報名與作品提交截止時間：6月20日。最高可得獎金一萬元。參賽者還可優先獲得新思科技和相關合作企業實習生崗位機會。

存儲器接口，數據安全的關口

隨著系統變得越來越復雜，硬件可能會成為不法分子實施攻擊的突破口。多芯片設計越來越受歡迎，攻擊面也在不斷擴大。要想保護數據，就需要保護多個重要領域，其中一個關鍵部分是片外動態隨機存取存儲器（DRAM）。本文介紹了黑客如何通過DRAM設備破壞數據和竊取信息，以及在SoC中保護DDR接口安全時可以考慮的一些策略。

頂級組合！新思科技聯合三方推出全新射頻設計流程，引領自動駕駛新革命

新思科技、Ansys和是德科技近日宣布，推出針對臺積公司16納米精簡型工藝技術（16FFC）的全新79GHz毫米波（mmWave）射頻（RF）設計參考流程，以加速開發具有高可靠性的先進射頻和毫米波設計。

【了不起的芯片】無線充電：手機和汽車都說“真香”！

相比于普通數據線進行充電，無線充電省去插拔數據線的操作，只需把電子設備在指定區域，就能開始充電。這究竟是如何實現的呢？實現無線充電技術主要通過四種方式：電磁感應式、磁場共振式、無線電波式、電場耦合式。

AI走入應用場景：底層算力如何建構？

人工智能應用的背后離不開硬件的支持。雖然神經網絡處理器（NPU）在性能、效率和算法靈活性方面已優于可編程的DSP，但這并不意味著 AI 處理中不需要 DSP。恰恰相反，對于許多應用的AI子系統來說，神經網絡處理器（NPU）與矢量DSP是絕佳組合。哪些應用需要用到DSP？NPU和DSP該如何更好的配置？行業內是否有現成的解決方案可供選擇？

測量材料表面，就可以提升光學設計精確度？

為確保光學系統仿真獲得精確的結果，通常需要足夠精確的材料和表面特性數據。單靠幾何結構并不能確定出光線的分布；光學屬性能夠表征能量及光的方向是如何變化的。首先我們要了解用于表征表面和材料光學特性的物理量化的指標。