Toshiba представила новые решения для управления двигателями, включая микроконтроллеры на базе Arm Cortex-M4 и драйвер для бесщеточных DC двигателей, что позволяет упростить проектирование систем и повысить эффективность для высокомощных приложений.
1. Микроконтроллеры M470: Новый TMPM471F10FG работает на частоте до 160 МГц, включает высокопроизводительный блок с плавающей точкой и блок защиты памяти. Поддерживает до двух функций управления двигателями с использованием продвинутого программируемого драйвера Toshiba. Объем Flash-памяти увеличен до 1 МБ, что вдвое превышает предыдущие модели.
2. Микроконтроллеры M4K: Эти устройства предназначены для основных систем управления и управления двигателями, работают на частоте до 120 МГц и имеют от 128 до 256 КБ Flash-памяти. Включают операционный усилитель и выделенный интерфейс I2C.
3. Драйвер TB67H482FNG: Высоковольтный H-мост (до 50 В) с регулируемым током и 16 уровнями крутящего момента. Поддерживает два режима затухания и имеет встроенные функции защиты от перегрева и превышения тока.
Ссылка на источник: https://www.allaboutcircuits.com/news/toshiba-buckles-down-motor-control-new-mcus-dc-motor-driver/
1. Микроконтроллеры M470: Новый TMPM471F10FG работает на частоте до 160 МГц, включает высокопроизводительный блок с плавающей точкой и блок защиты памяти. Поддерживает до двух функций управления двигателями с использованием продвинутого программируемого драйвера Toshiba. Объем Flash-памяти увеличен до 1 МБ, что вдвое превышает предыдущие модели.
2. Микроконтроллеры M4K: Эти устройства предназначены для основных систем управления и управления двигателями, работают на частоте до 120 МГц и имеют от 128 до 256 КБ Flash-памяти. Включают операционный усилитель и выделенный интерфейс I2C.
3. Драйвер TB67H482FNG: Высоковольтный H-мост (до 50 В) с регулируемым током и 16 уровнями крутящего момента. Поддерживает два режима затухания и имеет встроенные функции защиты от перегрева и превышения тока.
Ссылка на источник: https://www.allaboutcircuits.com/news/toshiba-buckles-down-motor-control-new-mcus-dc-motor-driver/
Allaboutcircuits
Toshiba Buckles Down on Motor Control With New MCUs and DC Motor Driver - News
The new solutions from Toshiba target high-power and industrial motor applications.
Технология чиплетов: будущее полупроводниковой отрасли
Технология чиплетов, согласно отчету IDTechEx, может открыть рынок на сумму около 411 миллиардов долларов США в течение следующего десятилетия. Авторы, доктора Сяоси Хэ и Юй-Хан Чанг, подчеркивают, что инвестиции в эту область значительно изменят развитие полупроводниковой отрасли.
Чиплеты представляют собой архитектуру чипов, позволяющую более эффективно использовать площадь кремниевых пластин, организуя транзисторы в функциональные группы. Это решение помогает преодолеть ограничения, возникающие в результате закона Мура, и позволяет получать лучшие показатели функциональной плотности, что повышает гибкость конечного продукта.
Чиплеты составляют основную конкуренцию системам на чипе (SoC). В отличие от SoC, которые требуют строительства всего чипа на высоком разрешении (например, 5 нм), чиплеты позволяют производить модули отдельно (например, часть 9нм, а часть 20нм), что приводит к сокращению затрат и снижению рисков при дефектах компонентов. Чиплеты могут комбинировать разные технологии и химические составы, увеличивая выход и снижая затраты на производство.
В связи с явными финансовыми преимуществами и высоким потенциалом роста, чиплетная технология станет важным направлением в полупроводниковой индустрии.
Ссылка на источник: https://www.allaboutcircuits.com/news/market-forecasts-stack-up-favorably-for-chiplet-technology/
Технология чиплетов, согласно отчету IDTechEx, может открыть рынок на сумму около 411 миллиардов долларов США в течение следующего десятилетия. Авторы, доктора Сяоси Хэ и Юй-Хан Чанг, подчеркивают, что инвестиции в эту область значительно изменят развитие полупроводниковой отрасли.
Чиплеты представляют собой архитектуру чипов, позволяющую более эффективно использовать площадь кремниевых пластин, организуя транзисторы в функциональные группы. Это решение помогает преодолеть ограничения, возникающие в результате закона Мура, и позволяет получать лучшие показатели функциональной плотности, что повышает гибкость конечного продукта.
Чиплеты составляют основную конкуренцию системам на чипе (SoC). В отличие от SoC, которые требуют строительства всего чипа на высоком разрешении (например, 5 нм), чиплеты позволяют производить модули отдельно (например, часть 9нм, а часть 20нм), что приводит к сокращению затрат и снижению рисков при дефектах компонентов. Чиплеты могут комбинировать разные технологии и химические составы, увеличивая выход и снижая затраты на производство.
В связи с явными финансовыми преимуществами и высоким потенциалом роста, чиплетная технология станет важным направлением в полупроводниковой индустрии.
Ссылка на источник: https://www.allaboutcircuits.com/news/market-forecasts-stack-up-favorably-for-chiplet-technology/
Allaboutcircuits
Market Forecasts Stack Up Favorably for Chiplet Technology - News
Chiplet technology may transform the semiconductor industry to the tune of $411B.
👆Обожаю документы от производителей чипов, которые упрощают разработку продуктов
Недавно рассказывал студентам, что есть прекрасные Application Notes, Design Guide, Reference design и прочие документы кроме Datasheet. Иногда можно найти очень хорошие мануалы, по которым можно поэкспериментировать с каким либо чипом, где и обвязка тебе есть, и пример разводки PCB, и гайд по подбору номиналов. Производители, естественно, делают это для личной выгоды: если один тебе все разжует "бери и делай", а другой предоставит пинаут и ТТХ - естественно ты выберешь тот который быстрее запускать.
Вот пример очередного документа и ещё вариация в копилочку, как они могут называться - Application Report.
HiFi Audio Circuit Design от Texas Instruments.
Недавно рассказывал студентам, что есть прекрасные Application Notes, Design Guide, Reference design и прочие документы кроме Datasheet. Иногда можно найти очень хорошие мануалы, по которым можно поэкспериментировать с каким либо чипом, где и обвязка тебе есть, и пример разводки PCB, и гайд по подбору номиналов. Производители, естественно, делают это для личной выгоды: если один тебе все разжует "бери и делай", а другой предоставит пинаут и ТТХ - естественно ты выберешь тот который быстрее запускать.
Вот пример очередного документа и ещё вариация в копилочку, как они могут называться - Application Report.
HiFi Audio Circuit Design от Texas Instruments.
👍1
🛠RISC-V: путь к гибкости и независимости
Изначально RISC-V применялся только в микроконтроллерах и энергоэффективных устройствах, но за последние несколько лет он начал стремительно проникать в области искусственного интеллекта (AI) и высокопроизводительных вычислений (HPC). Открытая архитектура позволила компаниям кастомизировать процессоры под конкретные задачи, обходя ограничения лицензированных решений от Arm и x86.
Почему RISC-V привлекает внимание в AI и HPC?
Основное преимущество RISC-V – гибкость и возможность быстрого внедрения новых инструкций. В то время как добавление поддержки новых форматов данных в x86 или Arm может занять годы, компании, работающие с RISC-V (например, SemiDynamics, SiFive, Ventana Micro), адаптируют свои ядра гораздо быстрее. Это особенно важно для AI, где архитектурные требования меняются с каждым поколением моделей машинного обучения.
Прорывом стало утверждение RISC-V Vector Extension (RVV) 1.0 в 2021 году, после чего ISA начала активно применяться в AI и HPC. Многие скептики утверждали, что RISC-V не сможет справляться с графическими или AI-нагрузками, но внедрение векторных расширений изменило ситуацию. Уже сегодня RISC-V находит применение в AI-ускорителях, таких как Tenstorrent Grayskull, а также в разработке кастомных процессоров для дата-центров.
Интерес к RISC-V растёт
Компании разного уровня, от технологических гигантов до стартапов, рассматривают RISC-V как основу для AI-решений. Вендоры ищут альтернативу x86 и Arm, чтобы снизить зависимость от монопольных поставщиков и уменьшить затраты на лицензирование.
Крупные игроки уже интегрируют RISC-V в свои продукты:
- Nvidia использует RISC-V в микроконтроллерах для своих GPU.
- Qualcomm применяет RISC-V в модемах для 5G.
- Western Digital и Seagate разрабатывают SSD и HDD-контроллеры на основе RISC-V.
- Meta создала RISC-V процессоры MSVP для видеообработки и MTIA для AI-инференса.
- Google объявил RISC-V одной из первичных архитектур для Android.
По словам аналитиков, сейчас RISC-V переживает фазу активного внедрения, но его массовое распространение в AI и HPC ожидается в долгосрочной перспективе. Гибкость архитектуры и независимость от закрытых экосистем делают его особенно привлекательным для кастомных решений в облачных вычислениях и нейросетевых процессорах.
AMD и Intel объединяются против RISC-V и ARM
Понимая, что их традиционная x86-архитектура теряет позиции, AMD и Intel создали консультативную группу, в которую вошли видные эксперты, включая Линуса Торвальдса, создателя Linux, и Тима Суинни, основателя Epic Games. Главная цель этой инициативы — ускорить развитие x86, обеспечить совместимость и упростить разработку программного обеспечения.
Основные угрозы для x86:
- ARM-процессоры уже завоевывают рынок ноутбуков и серверов благодаря энергоэффективности.
- RISC-V дает разработчикам свободу кастомизации без лицензионных ограничений.
- Компании, такие как Ampere, Qualcomm и Apple, создают ARM-чипы, превосходящие традиционные x86-процессоры.
Источники:
https://www.cnews.ru/news/top/2024-10-16_ispugalis_konkretnoamd_i
https://www.eetimes.com/risc-v-in-ai-and-hpc-part-1-per-aspera-ad-astra/
https://www.eetimes.com/risc-v-in-ai-and-hpc-part-2-per-aspera-ad-astra/
Ссылка на источник: https://www.eetimes.com/risc-v-in-ai-and-hpc-part-1-per-aspera-ad-astra/
Изначально RISC-V применялся только в микроконтроллерах и энергоэффективных устройствах, но за последние несколько лет он начал стремительно проникать в области искусственного интеллекта (AI) и высокопроизводительных вычислений (HPC). Открытая архитектура позволила компаниям кастомизировать процессоры под конкретные задачи, обходя ограничения лицензированных решений от Arm и x86.
Почему RISC-V привлекает внимание в AI и HPC?
Основное преимущество RISC-V – гибкость и возможность быстрого внедрения новых инструкций. В то время как добавление поддержки новых форматов данных в x86 или Arm может занять годы, компании, работающие с RISC-V (например, SemiDynamics, SiFive, Ventana Micro), адаптируют свои ядра гораздо быстрее. Это особенно важно для AI, где архитектурные требования меняются с каждым поколением моделей машинного обучения.
Прорывом стало утверждение RISC-V Vector Extension (RVV) 1.0 в 2021 году, после чего ISA начала активно применяться в AI и HPC. Многие скептики утверждали, что RISC-V не сможет справляться с графическими или AI-нагрузками, но внедрение векторных расширений изменило ситуацию. Уже сегодня RISC-V находит применение в AI-ускорителях, таких как Tenstorrent Grayskull, а также в разработке кастомных процессоров для дата-центров.
Интерес к RISC-V растёт
Компании разного уровня, от технологических гигантов до стартапов, рассматривают RISC-V как основу для AI-решений. Вендоры ищут альтернативу x86 и Arm, чтобы снизить зависимость от монопольных поставщиков и уменьшить затраты на лицензирование.
Крупные игроки уже интегрируют RISC-V в свои продукты:
- Nvidia использует RISC-V в микроконтроллерах для своих GPU.
- Qualcomm применяет RISC-V в модемах для 5G.
- Western Digital и Seagate разрабатывают SSD и HDD-контроллеры на основе RISC-V.
- Meta создала RISC-V процессоры MSVP для видеообработки и MTIA для AI-инференса.
- Google объявил RISC-V одной из первичных архитектур для Android.
По словам аналитиков, сейчас RISC-V переживает фазу активного внедрения, но его массовое распространение в AI и HPC ожидается в долгосрочной перспективе. Гибкость архитектуры и независимость от закрытых экосистем делают его особенно привлекательным для кастомных решений в облачных вычислениях и нейросетевых процессорах.
AMD и Intel объединяются против RISC-V и ARM
Понимая, что их традиционная x86-архитектура теряет позиции, AMD и Intel создали консультативную группу, в которую вошли видные эксперты, включая Линуса Торвальдса, создателя Linux, и Тима Суинни, основателя Epic Games. Главная цель этой инициативы — ускорить развитие x86, обеспечить совместимость и упростить разработку программного обеспечения.
Основные угрозы для x86:
- ARM-процессоры уже завоевывают рынок ноутбуков и серверов благодаря энергоэффективности.
- RISC-V дает разработчикам свободу кастомизации без лицензионных ограничений.
- Компании, такие как Ampere, Qualcomm и Apple, создают ARM-чипы, превосходящие традиционные x86-процессоры.
Источники:
https://www.cnews.ru/news/top/2024-10-16_ispugalis_konkretnoamd_i
https://www.eetimes.com/risc-v-in-ai-and-hpc-part-1-per-aspera-ad-astra/
https://www.eetimes.com/risc-v-in-ai-and-hpc-part-2-per-aspera-ad-astra/
Ссылка на источник: https://www.eetimes.com/risc-v-in-ai-and-hpc-part-1-per-aspera-ad-astra/
CNews.ru
Испугались конкретно. AMD и Intel объединяются против ARM и RISC-V. На помощь позвали создателя Linux - CNews
AMD и Intel, два непримиримых конкурента на рынке х86-процессоров, объединились против общего врага в лице разрастающейся экосистемы процессоров с более современными и перспективными архитектурами...
👍2
Infineon представила новые PSOC Control MCUs на базе процессора Arm Cortex-M33, предназначенные для безопасного управления моторами и преобразования энергии.
Ключевые технические моменты:
- Новая линейка включает два типа контроллеров: C3M для управления моторами и C3P для преобразования энергии.
- Чипы поддерживают различные приложения, включая бытовую технику, промышленные приводы и солнечные системы.
- Процессор Cortex-M33 работает на частоте до 180 МГц и оснащен DSP, FPU и CORDIC для ускорения вычислений в управлении.
- Контроллеры представляют собой две линии: начальную (C3M2, C3P2) с высокоточным АЦП и таймерами, и основную (C3M5, C3P5) с высокоразрешающими ШИМ для быстрой реакции.
- Все устройства сертифицированы по стандарту PSA Level 2/EPC2 и включают библиотеки безопасности Class B и SIL 2.
- Обеспечивается защита интеллектуальной собственности и обновлений прошивки за счет криптоускорителя, Arm TrustZone и защищенного хранения ключей.
Ссылка на источник: https://www.edn.com/mcus-target-motor-control-and-power-conversion/
Ключевые технические моменты:
- Новая линейка включает два типа контроллеров: C3M для управления моторами и C3P для преобразования энергии.
- Чипы поддерживают различные приложения, включая бытовую технику, промышленные приводы и солнечные системы.
- Процессор Cortex-M33 работает на частоте до 180 МГц и оснащен DSP, FPU и CORDIC для ускорения вычислений в управлении.
- Контроллеры представляют собой две линии: начальную (C3M2, C3P2) с высокоточным АЦП и таймерами, и основную (C3M5, C3P5) с высокоразрешающими ШИМ для быстрой реакции.
- Все устройства сертифицированы по стандарту PSA Level 2/EPC2 и включают библиотеки безопасности Class B и SIL 2.
- Обеспечивается защита интеллектуальной собственности и обновлений прошивки за счет криптоускорителя, Arm TrustZone и защищенного хранения ключей.
Ссылка на источник: https://www.edn.com/mcus-target-motor-control-and-power-conversion/
EDN
MCUs target motor control and power conversion - EDN
Infineon’s first PSOC Control MCUs, based on an Arm Cortex-M33 processor, enable secured motor control and power conversion.
Предсказания крупных компаний, что ожидать на рынке микроэлектроники и полупроводников в 2025 году.
Часть1: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-predictionspart-1-general-predictions/
Часть1: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-forecastspart-2-company-predictions/
Просто оставлю это здесь...
Ссылка на источник: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-predictionspart-1-general-predictions/
Часть1: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-predictionspart-1-general-predictions/
Часть1: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-forecastspart-2-company-predictions/
Просто оставлю это здесь...
Ссылка на источник: https://www.allaboutcircuits.com/news/industry-weighs-in-with-2025-predictionspart-1-general-predictions/
Allaboutcircuits
Industry Weighs in With 2025 Forecasts—Part 1: General Predictions - News
On this New Years Day, we share 2025 predictions from leading companies in our industry.
В IBM представили новую технологию коупакованных оптических систем, направленную на решение проблем с пропускной способностью и энергоэффективностью современных дата-центров. С ростом нагрузки от больших языковых моделей и приложений ИИ традиционные медные соединения достигли предела своих возможностей. Переход на оптические технологии позволит обойти эти ограничения и создать инфраструктуру для нового поколения ИИ.
Ключевыми достижениями новинки являются интеграция оптических связей непосредственно на печатные платы и чипы с использованием полимерных волоконных направляющих. Это позволяет добиться плотности размещения для оптических каналов в 50 микрон — что на 80% меньше традиционных 250 микрон. Такой шаг обеспечил рост пропускной способности на 1000-1200% и снизил потребление энергии на 80%, достигнув менее одного пикоджоуля на бит.
Однако интеграция оптических систем сталкивается с техническими вызовами, включая требования к точности, совместимости с существующими процессами и термостойкости. Высокое качество соединений требует подмикронных допусков, а устойчивость к температурным колебаниям становится критически важной для передачи сигналов.
Технология коупакованных оптических систем в стадии прототипирования, и IBM активно работает над её коммерческим внедрением. Ожидается, что это решение поможет создать более устойчивую и масштабируемую инфраструктуру для ИИ-приложений. Рекомендуется следить за развитием данной технологии и готовить свои системы к переходу на новые стандарты оптической передачи данных.
Ссылка на источник: https://www.allaboutcircuits.com/news/ibm-introduces-co-packaged-optics-an-optical-link-packaging-scheme/
Ключевыми достижениями новинки являются интеграция оптических связей непосредственно на печатные платы и чипы с использованием полимерных волоконных направляющих. Это позволяет добиться плотности размещения для оптических каналов в 50 микрон — что на 80% меньше традиционных 250 микрон. Такой шаг обеспечил рост пропускной способности на 1000-1200% и снизил потребление энергии на 80%, достигнув менее одного пикоджоуля на бит.
Однако интеграция оптических систем сталкивается с техническими вызовами, включая требования к точности, совместимости с существующими процессами и термостойкости. Высокое качество соединений требует подмикронных допусков, а устойчивость к температурным колебаниям становится критически важной для передачи сигналов.
Технология коупакованных оптических систем в стадии прототипирования, и IBM активно работает над её коммерческим внедрением. Ожидается, что это решение поможет создать более устойчивую и масштабируемую инфраструктуру для ИИ-приложений. Рекомендуется следить за развитием данной технологии и готовить свои системы к переходу на новые стандарты оптической передачи данных.
Ссылка на источник: https://www.allaboutcircuits.com/news/ibm-introduces-co-packaged-optics-an-optical-link-packaging-scheme/
Allaboutcircuits
IBM Introduces Co-Packaged Optics, an Optical Link Packaging Scheme - News
IBM believes its new research may increase the efficiency and density of generative AI computing.
💡 Microsoft Majorana 1: Новый уровень квантовых вычислений
🔹 Microsoft представила Majorana 1 — первый квантовый чип с архитектурой Topological Core. Он использует майорановские кубиты, которые обещают стабильность и масштабируемость.
🔹 В отличие от других квантовых процессоров, Majorana 1 делает ставку не на количество кубитов, а на их устойчивость к ошибкам. Сейчас их всего 8, но технология позволяет масштабировать систему до миллиона кубитов.
🔹 Как это работает?
📌 Используются топологических сверхпроводники, где создаются фермионы Майораны – частицы, являющиеся своей собственной античастицей. Они снижают декогеренцию (потерю квантового состояния) и повышают надёжность вычислений.
🔹 Сомнения учёных
Некоторые рецензенты отмечают, что:
❗️ Связь с Майораной не доказана окончательно
❗️ Кубиты пока не демонстрируют необходимую устойчивость
💭 Что дальше?
Даже если Majorana 1 пока не совершил революцию, он открывает путь к квантовым системам нового поколения.
🔹 Microsoft представила Majorana 1 — первый квантовый чип с архитектурой Topological Core. Он использует майорановские кубиты, которые обещают стабильность и масштабируемость.
🔹 В отличие от других квантовых процессоров, Majorana 1 делает ставку не на количество кубитов, а на их устойчивость к ошибкам. Сейчас их всего 8, но технология позволяет масштабировать систему до миллиона кубитов.
🔹 Как это работает?
📌 Используются топологических сверхпроводники, где создаются фермионы Майораны – частицы, являющиеся своей собственной античастицей. Они снижают декогеренцию (потерю квантового состояния) и повышают надёжность вычислений.
🔹 Сомнения учёных
Некоторые рецензенты отмечают, что:
❗️ Связь с Майораной не доказана окончательно
❗️ Кубиты пока не демонстрируют необходимую устойчивость
💭 Что дальше?
Даже если Majorana 1 пока не совершил революцию, он открывает путь к квантовым системам нового поколения.
Google представила ИИ для роботов. Доступна запись в waitlist для тестирования.
Google DeepMind представила две новые модели искусственного интеллекта: Gemini Robotics и Gemini Robotics-ER. Эти модели расширяют возможности роботов, позволяя им лучше понимать окружающий мир и выполнять сложные физические задачи. В демонстрационных видео роботы выполняли действия по голосовым командам, такие как подключение устройств к розетке, наполнение ланч-бокса и застегивание сумки. Google сотрудничает с техасской компанией Apptronik для создания следующего поколения гуманоидных роботов на базе Gemini 2.0.
https://www.youtube.com/watch?v=4MvGnmmP3c0
Google DeepMind представила две новые модели искусственного интеллекта: Gemini Robotics и Gemini Robotics-ER. Эти модели расширяют возможности роботов, позволяя им лучше понимать окружающий мир и выполнять сложные физические задачи. В демонстрационных видео роботы выполняли действия по голосовым командам, такие как подключение устройств к розетке, наполнение ланч-бокса и застегивание сумки. Google сотрудничает с техасской компанией Apptronik для создания следующего поколения гуманоидных роботов на базе Gemini 2.0.
https://www.youtube.com/watch?v=4MvGnmmP3c0
YouTube
Gemini Robotics: Bringing AI to the physical world
Our Gemini Robotics model brings Gemini 2.0 to the physical world. It's our most advanced vision language action model, enabling robots that are interactive, dexterous, and general. Learn more about how we're enabling the next generation of robotic AI agents…
В Китае представили первый серверный процессор RISC-V полностью собственной разработки. Это 32-ядерный RiVAI Lingyu
https://www.ixbt.com/news/2025/04/05/risc-v-32-rivai-lingyu.html
https://www.ixbt.com/news/2025/04/05/risc-v-32-rivai-lingyu.html
iXBT.com
В Китае представили первый серверный процессор RISC-V полностью собственной разработки. Это 32-ядерный RiVAI Lingyu
Архитектура Arm активно захватывает рынок во всех направлениях, однако она является закрытой и зависит от одноимённой компании. Что не очень удобно для Китая из-за потенциальных санкций.
Почему NPU Quadric Chimera отличается от обычных AI-ускорителей?
Quadric делает лицензируемое IP для нейропроцессоров (NPU), чтобы компании могли встроить их “движок” в свои SoC и ускорять edge AI, включая LLM/генеративные модели. Их ключевой продукт, Chimera, это программируемая архитектура NPU (масштабируется по производительности) плюс SDK/компилятор, чтобы переносить и запускать модели без разработки собственного “железа” с нуля.
В статье CMO прямо говорит, что Quadric была прибыльной последние 2 квартала и что рост выручки идёт “на лицензировании, не на сервисах”, а выручка за 2025 год — “двузначные миллионы долларов”. Это редкость для IP-стартапов, где часто всё держится на кастомной разработке под клиента. «стартап привлек $30 миллионов в рамках раунда Series C. Суммарные инвестиции составили $72 миллионов, а оценка компании удвоилась с последнего раунда»
У большинства NPU внутри есть много одинаковых “кирпичиков” вычислений. Каждый такой кирпичик называется PE (Processing Element) — маленький вычислительный блок, и их много, они работают параллельно. Проблема типичных NPU в том, что они хорошо ускоряют только “стандартные” операции нейросетей. Всё, что нестандартное, обычно уходит на CPU или DSP, и это сразу добавляет задержки и лишнее энергопотребление из-за передачи данных туда-сюда.
В Chimera каждый PE содержит не только блоки для быстрых нейросетевых вычислений, но и полноценный 32-битный вычислительный блок, похожий на мини-CPU. Поэтому нестандартные операции, активации и постобработка могут выполняться прямо внутри NPU, без “провала” на внешний процессор.
Модели компилируются в C/C++ и запускаются на NPU. Если в модели есть что-то особенное, разработчик может дописать свой кусок вычислений как C/C++ kernel (по смыслу похоже на CUDA-kernel), и это тоже выполнится внутри NPU.
Идея Chimera — не только скорость, но и программируемость, чтобы ускоритель не ломался при появлении новых моделей и новых операторов.
Ссылка на источник
Quadric делает лицензируемое IP для нейропроцессоров (NPU), чтобы компании могли встроить их “движок” в свои SoC и ускорять edge AI, включая LLM/генеративные модели. Их ключевой продукт, Chimera, это программируемая архитектура NPU (масштабируется по производительности) плюс SDK/компилятор, чтобы переносить и запускать модели без разработки собственного “железа” с нуля.
В статье CMO прямо говорит, что Quadric была прибыльной последние 2 квартала и что рост выручки идёт “на лицензировании, не на сервисах”, а выручка за 2025 год — “двузначные миллионы долларов”. Это редкость для IP-стартапов, где часто всё держится на кастомной разработке под клиента. «стартап привлек $30 миллионов в рамках раунда Series C. Суммарные инвестиции составили $72 миллионов, а оценка компании удвоилась с последнего раунда»
У большинства NPU внутри есть много одинаковых “кирпичиков” вычислений. Каждый такой кирпичик называется PE (Processing Element) — маленький вычислительный блок, и их много, они работают параллельно. Проблема типичных NPU в том, что они хорошо ускоряют только “стандартные” операции нейросетей. Всё, что нестандартное, обычно уходит на CPU или DSP, и это сразу добавляет задержки и лишнее энергопотребление из-за передачи данных туда-сюда.
В Chimera каждый PE содержит не только блоки для быстрых нейросетевых вычислений, но и полноценный 32-битный вычислительный блок, похожий на мини-CPU. Поэтому нестандартные операции, активации и постобработка могут выполняться прямо внутри NPU, без “провала” на внешний процессор.
Модели компилируются в C/C++ и запускаются на NPU. Если в модели есть что-то особенное, разработчик может дописать свой кусок вычислений как C/C++ kernel (по смыслу похоже на CUDA-kernel), и это тоже выполнится внутри NPU.
Идея Chimera — не только скорость, но и программируемость, чтобы ускоритель не ломался при появлении новых моделей и новых операторов.
Ссылка на источник
EE Times
Quadric Raises Series C For Programmable NPU IP
Former chip startup Quadric, now an AI IP supplier, has raised a $30 million Series C to rapidly expand its headcount
Edge AI и KWS: как работает голос “на устройстве”
KWS (Keyword Spotting) это распознавание ключевого слова или короткой команды в аудиопотоке. Типичный сценарий: устройство постоянно слушает “пробуждающее слово”, а после него понимает короткую команду типа “включи свет”, “выключи свет”, “старт пылесос”.
Как устроен workflow KWS
С микрофона идет сырое аудио. Нейросеть почти никогда не ест его напрямую, сначала нужна DSP-подготовка.
Схема обычно такая: микрофон → буфер аудио в RAM → DSP (окно, FFT, MFCC или похожие признаки) → модель → постобработка (порог, подтверждение) → событие “ключевое слово/команда”.
DSP важна, потому что превращает поток сэмплов в компактные признаки и делает распознавание устойчивее к шуму и громкости. Часто DSP по нагрузке сопоставима с самой нейросетью.
MLP и CNN
MLP это простой “многослойный классификатор”, обычно быстрый и легкий, подходит для 1–3 команд и очень ограниченной памяти.
CNN это модель, которая лучше ловит шаблоны во времени и частотах (например на MFCC-матрице), обычно точнее в шуме, но требует больше RAM и CPU.
Где лежит модель и что настраивается
Модель хранится во Flash как константный массив весов, это часть прошивки. В RAM живут аудиобуферы, буферы DSP и рабочая область инференса (arena), её размер задается настройками проекта.
Никаких “отдельных прошивок для ML” обычно нет: ты собираешь одну прошивку, в которую входит DSP-код, runtime (например TFLite Micro) и сама модель. Платформы обучения (Edge Impulse, TensorFlow) дают артефакт для деплоя: либо C/C++ код и веса для прошивки MCU, либо пакет/прошивку для специализированного AI-чипа.
Как это делают в реальных устройствах: 3 архитектуры
1. Один чип, всё локально на MCU (nRF/STM)
KWS и команды считаются прямо на Cortex-M. Плюс: проще и дешевле, минус: ограниченный словарь и нужно аккуратно следить за RAM и энергией.
2. Два чипа: always-on AI-чип + MCU
AI-чип постоянно слушает на очень низком потреблении и будит MCU только когда поймал wake word или простую команду. MCU уже включает радио, управляет устройствами, выполняет бизнес-логику. Это частый вариант для батарейных устройств.
3. Wake word локально, команды в облаке
Ключевое слово распознается на устройстве, чтобы не стримить микрофон постоянно. После пробуждения 2–5 секунд аудио отправляются в сервис распознавания речи, и назад приходит готовая команда (что сделать и с чем). Плюс: качество “естественной речи”, минус: зависимость от сети и приватность.
Энергоэффективность
Энергоэффективность достигается тем, что всегда включен только самый дешевый слой.
Always-on слой ловит wake word, остальное “просыпается” только по событию и на короткое окно. Часто держат кольцевой буфер 1–2 секунды, чтобы не потерять начало фразы.
KWS (Keyword Spotting) это распознавание ключевого слова или короткой команды в аудиопотоке. Типичный сценарий: устройство постоянно слушает “пробуждающее слово”, а после него понимает короткую команду типа “включи свет”, “выключи свет”, “старт пылесос”.
Как устроен workflow KWS
С микрофона идет сырое аудио. Нейросеть почти никогда не ест его напрямую, сначала нужна DSP-подготовка.
Схема обычно такая: микрофон → буфер аудио в RAM → DSP (окно, FFT, MFCC или похожие признаки) → модель → постобработка (порог, подтверждение) → событие “ключевое слово/команда”.
DSP важна, потому что превращает поток сэмплов в компактные признаки и делает распознавание устойчивее к шуму и громкости. Часто DSP по нагрузке сопоставима с самой нейросетью.
MLP и CNN
MLP это простой “многослойный классификатор”, обычно быстрый и легкий, подходит для 1–3 команд и очень ограниченной памяти.
CNN это модель, которая лучше ловит шаблоны во времени и частотах (например на MFCC-матрице), обычно точнее в шуме, но требует больше RAM и CPU.
Где лежит модель и что настраивается
Модель хранится во Flash как константный массив весов, это часть прошивки. В RAM живут аудиобуферы, буферы DSP и рабочая область инференса (arena), её размер задается настройками проекта.
Никаких “отдельных прошивок для ML” обычно нет: ты собираешь одну прошивку, в которую входит DSP-код, runtime (например TFLite Micro) и сама модель. Платформы обучения (Edge Impulse, TensorFlow) дают артефакт для деплоя: либо C/C++ код и веса для прошивки MCU, либо пакет/прошивку для специализированного AI-чипа.
Как это делают в реальных устройствах: 3 архитектуры
1. Один чип, всё локально на MCU (nRF/STM)
KWS и команды считаются прямо на Cortex-M. Плюс: проще и дешевле, минус: ограниченный словарь и нужно аккуратно следить за RAM и энергией.
2. Два чипа: always-on AI-чип + MCU
AI-чип постоянно слушает на очень низком потреблении и будит MCU только когда поймал wake word или простую команду. MCU уже включает радио, управляет устройствами, выполняет бизнес-логику. Это частый вариант для батарейных устройств.
3. Wake word локально, команды в облаке
Ключевое слово распознается на устройстве, чтобы не стримить микрофон постоянно. После пробуждения 2–5 секунд аудио отправляются в сервис распознавания речи, и назад приходит готовая команда (что сделать и с чем). Плюс: качество “естественной речи”, минус: зависимость от сети и приватность.
Энергоэффективность
Энергоэффективность достигается тем, что всегда включен только самый дешевый слой.
Always-on слой ловит wake word, остальное “просыпается” только по событию и на короткое окно. Часто держат кольцевой буфер 1–2 секунды, чтобы не потерять начало фразы.
🔥2
Fast data capture with FMCW LiDAR? The answer lies on a chip
Стартап Voyant Photonics привлёк внимание инвесторов как команда, способная перевести LiDAR с громоздких оптических систем на чип-уровень — по масштабу это сравнивают с тем, как CMOS-сенсоры сделали камеры массовыми. В компанию инвестировали ряд стратегических фондов, включая Bill Gates (через Breakthrough Energy Ventures). Series A ещё в 2021 году составил $15.4 млн и был направлен на масштабирование производства чип-уровневых FMCW-LiDAR-систем.
⸻
🔹 О компании и её истоках
Voyant Photonics была основана примерно в 2018 году в Нью-Йорке группой учёных — Крисом Фаре и Стивеном Миллером, которые до этого занимались исследованиями кремниевой фотоники в лабораториях Columbia University’s Lipson Nanophotonics Group. Эта академическая база стала фундаментом для коммерциализации технологии. Стартап вырос из лаборатории профессора Дэвида Смита (David Smith) в Duke University — того самого, кто в 2006 г. продемонстрировал первый работающий плащ-невидимку из метаматериалов.
Команда стартапа сочетает опыт академической науки (PhD и исследования в области фотоники) и практический опыт построения продуктов для автомобильной и промышленной электроники через специалистов с многолетним опытом в отрасли.
🔹 Проблема и их метод решения
Традиционный LiDAR строится из множества отдельной оптики и механических элементов, что делает его дорогим, громоздким и ненадёжным. Voyant предлагает коренное решение: FMCW LiDAR на кремниевом фотоническом чипе, в котором лазеры, усилители, модуляция и детекция интегрированы на одном кремниевом PIC (Photonic Integrated Circuit). Это устраняет механические части и сложную выравнивающую оптику, увеличивает надёжность и снижает стоимость.
Такой подход делает LiDAR:
• настоящим solid-state устройством без движущихся частей,
• массово производимым на полупроводниковых фабриках,
• способным давать одновременно глубину, отражение и скорость объектов в реальном времени (FMCW), то есть полноценное 4D восприятие.
⸻
🔹 Наука, публикации и “как должны работать институты”
Эта технология выросла из фундаментальных исследований в области кремниевой фотоники — интердисциплинарной области, сочетающей оптику и микроэлектронику. Учёные группы Michal Lipson, откуда вышли основатели Voyant, опубликовали много фундаментальных работ по интегрированной фотонике, которые породили современные PIC-решения.
Это отличный пример того, как академическая наука может переходить в инженерную практику: долгие годы исследований + сильная публикационная база = коммерческий продукт, способный изменить отрасль. Подобная трансформация часто обсуждается в литературе про будущее университетов и их связь с индустрией (например, идеи из книги Университет 4.0, где говорится о тесной интеграции науки, образования и инноваций)
Ссылка на источник
Стартап Voyant Photonics привлёк внимание инвесторов как команда, способная перевести LiDAR с громоздких оптических систем на чип-уровень — по масштабу это сравнивают с тем, как CMOS-сенсоры сделали камеры массовыми. В компанию инвестировали ряд стратегических фондов, включая Bill Gates (через Breakthrough Energy Ventures). Series A ещё в 2021 году составил $15.4 млн и был направлен на масштабирование производства чип-уровневых FMCW-LiDAR-систем.
⸻
🔹 О компании и её истоках
Voyant Photonics была основана примерно в 2018 году в Нью-Йорке группой учёных — Крисом Фаре и Стивеном Миллером, которые до этого занимались исследованиями кремниевой фотоники в лабораториях Columbia University’s Lipson Nanophotonics Group. Эта академическая база стала фундаментом для коммерциализации технологии. Стартап вырос из лаборатории профессора Дэвида Смита (David Smith) в Duke University — того самого, кто в 2006 г. продемонстрировал первый работающий плащ-невидимку из метаматериалов.
Команда стартапа сочетает опыт академической науки (PhD и исследования в области фотоники) и практический опыт построения продуктов для автомобильной и промышленной электроники через специалистов с многолетним опытом в отрасли.
🔹 Проблема и их метод решения
Традиционный LiDAR строится из множества отдельной оптики и механических элементов, что делает его дорогим, громоздким и ненадёжным. Voyant предлагает коренное решение: FMCW LiDAR на кремниевом фотоническом чипе, в котором лазеры, усилители, модуляция и детекция интегрированы на одном кремниевом PIC (Photonic Integrated Circuit). Это устраняет механические части и сложную выравнивающую оптику, увеличивает надёжность и снижает стоимость.
Такой подход делает LiDAR:
• настоящим solid-state устройством без движущихся частей,
• массово производимым на полупроводниковых фабриках,
• способным давать одновременно глубину, отражение и скорость объектов в реальном времени (FMCW), то есть полноценное 4D восприятие.
⸻
🔹 Наука, публикации и “как должны работать институты”
Эта технология выросла из фундаментальных исследований в области кремниевой фотоники — интердисциплинарной области, сочетающей оптику и микроэлектронику. Учёные группы Michal Lipson, откуда вышли основатели Voyant, опубликовали много фундаментальных работ по интегрированной фотонике, которые породили современные PIC-решения.
Это отличный пример того, как академическая наука может переходить в инженерную практику: долгие годы исследований + сильная публикационная база = коммерческий продукт, способный изменить отрасль. Подобная трансформация часто обсуждается в литературе про будущее университетов и их связь с индустрией (например, идеи из книги Университет 4.0, где говорится о тесной интеграции науки, образования и инноваций)
Ссылка на источник
Allaboutcircuits
Voyant Photonics Has Silicon That Will ‘Make LiDAR as Common as Cameras’ - News
At CES, All About Circuits interviewed Voyant Photonics' CEO to learn about the company's vision for LiDAR's camera-like future with solid-state 4D FMCW sensing.
На hackaday.com выкатили статью про онлайн музеи компьютерной техники. Можно посмотреть выставки например Computer History Museum в Калифорнии.