在这个AI算力竞赛白热化的时代，显存技术的选择往往决定了整个系统的命运。业界正在见证一个看似矛盾的现象：单pin速度更慢的HBM正在某些领域击败速度更快的GDDR。GDDR内存专门为GPU和加速器而生，从游戏显卡到AI训练卡，都能看到它的身影。目前市场上GDDR5和GDDR6是主流选择，数据传输速率分别达到8Gb/s和16Gb/s。GDDR6 16Gb/s的传输速率配合1.35V的较低工作电压（相

在x86这个看似被垄断的领域，兆芯集成选择了一条最难走的路，但可能也是最有价值的路。更重要的是，在x86这个技术壁垒极高的领域，想要追赶英特尔和AMD，没有持续的大量投入是不可能的。海光有海光的优势，兆芯有兆芯的特色，龙芯、飞腾、华为鲲鹏各有各的技术路线。国产CPU中，海光与兆芯是唯二的X86赛道选手，因其兼容主流的生态优势，近年来在大规模国产替代中备受关注。说实话，在x86这个被英特尔和AMD几

数据中心与云计算AI芯片市场即将迎来前所未有的增长。根据市场研究机构IDTechEx最新发布的报告，到2030年，这一市场规模将突破4000亿美元。随着AI数据中心建设加速、人工智能商业化普及，以及大型AI模型对性能要求不断提高，市场增长势头将持续走强。目前，全球人工智能领域每年吸引着数千亿美元的投资。各国政府和大型科技公司都在争相在药物研发、自动化基础设施等领域取得领先地位。在这场竞争中，图形处

EDA正在从一个沉淀已久的领域转变为一个热门的市场，这得益于市场中对定制设计的呼声，以及人工智能等先进技术的推出，这些工具将需要开发具有更高性能的芯片架构。因为市场更需要定制芯片，这意味着更多的芯片设计工作正在发生，这对EDA行业来说是个好消息。这种转变是由几个因素驱动的。ChatGPT的大规模增长始于去年，需要大幅增加算力，以及多样化的计算引擎来满足这一需求。1、CPU正在被异构计算所取代，我.

近年来，DDR4内存逐渐成为嵌入式系统的核心组件。与DDR3相比，DDR4在降低功耗、提升带宽方面表现突出，但其设计复杂性也显著增加。其中，Bank Groups（存储体组）的引入尤为关键。这一特性直接影响了内存的预取机制与带宽利用率，是DDR4高效运行的核心技术之一。为什么DDR4需要Bank Groups？要理解Bank Groups的意义，首先需回顾DDR内存的预取（Prefetch）机制。

高算力芯片正处于转折点。功耗一直是二等公民，但正在成为芯片技术走向未来的最大限制因素。在基于RTL的芯片研发流程中，我们对于RTL开发时的功耗优化投入了大量精力，但这只是可以节省的功耗的一小部分。该行业转向更大算力系统的愿望受到热量的限制，因此越来越关注减少每个操作所消耗的能源。要取得重大进展，就必须打破孤岛。在许多情况下，系统需要硬件和软件、数字和模拟、半导体架构师和封装等团队齐心协力创建解决方

每隔一段时间，就有公司跳出来说自己"超越了英伟达"。这次轮到了一家叫DataPelago的加州创业公司，他们声称用软件让英伟达的GPU跑得比英伟达自己的软件快38倍。听起来像是在吹牛？我一开始也是这么想的。

太多的硬核IP，或者形状不合适的宏单元，可能会导致芯片无法走线、面积过大，或者在关键网络上产生无法接受的延迟。这种感觉，就像是你精心设计的公寓突然被告知必须容纳几个不规则形状的大型家具，而这些家具还不能随意移动位置。因为当理想的电路图需要被转化为实际的芯片布局时，问题就接踵而来了。硬核IP就像是芯片上那些不愿意挪地方的"房客"。在开始设计或选择芯片的硬核IP之前，因为它们会像障碍物一样阻碍整个芯片

在数字芯片开发中，验证往往是最头疼的环节。我们花了数周精心设计一个功能模块，却可能要花数月时间来验证它是否真的按照预期工作。特别是对于可重用的IP设计，验证的复杂性更是呈指数级增长。听起来就很累，对吧？这些挑战不仅仅是技术问题，更是时间和人力资源的巨大消耗。

最近关于iPhone 17 Pro Max的消息满天飞，什么"改变一切的芯片"、"史上最强"之类的话听得耳朵都起茧了。但作为一个关注技术的人，我更想聊聊A19 Pro背后那些真正值得注意的技术点。先说说制程工艺。A19 Pro用的是台积电的N3P，也就是所谓的"第三代3纳米"。N3P最大的改进在于功耗控制。简单说就是：同样的性能下更省电，或者同样功耗下性能更强。但现实中苹果会怎么选择呢？从以往经验