欢迎来到亿配芯城! | 免费注册
你的位置:传感器MEMS芯片采购平台全系列-亿配芯城 > 话题标签 > 芯片

芯片 相关话题

TOPIC

时间已经来到了2024年,芯片行业的热度已然大幅下降,但这个行业的价值依然在。芯片应用的种类繁多,也意味着芯片的类型多种多样。 我也经常会被问到,做芯片设计到底哪个方向更有前景?不同类型的芯片设计岗位之间,是否可以跳槽换方向?借着这个话题和业界朋友分享一下我的经验。 01芯片设计哪些方向值得投身? 结合芯片行业现状,从赛道前景、技术门槛、个人发展等角度综合考量,在诸多的芯片设计类型中,我认为共有五大方向值得投身。 NO.1自动驾驶解决方案相关的芯片 现有的前沿科技方向,有元宇宙、量子计算机、量
英特尔自动驾驶子公司Mobileye发布2023年及2024年业绩展望,因客户芯片库存过高导致年度展望不及市场预期,股价重挫。 Mobileye在当地时间1月4日发布的数据显示,2023年全年收入预计在20.8亿至20.76亿美元之间,经调整后经营利润为6.87亿至6.93亿美元,略超过市场预期。然而,对于2024年的业绩展望,Mobileye的预期却大幅低于市场预期和2023年的业绩水平。 Mobileye预计,2024年全年收入将达到18.3亿至19.6亿美元,经调整后经营利润为2.7亿至
据中科院研究人员介绍,名为“Zhejiang”的大芯片将使用22 纳米工艺制造。 真正的摩尔定律,即晶体管随着工艺的每次缩小而变得更便宜、更快,这就是正在让芯片制造商抓狂的事。有两种不同的方法可以制造容量更大但通常不是更快的计算引擎,将设备分解成小芯片并将它们连接在一起或将它们蚀刻在整个硅晶圆上,再加上第三种覆盖层,这两种方法都可以与 2.5D 和 3D 堆叠一起使用。芯片以扩展容量和功能。 无论如何,所有这些方法都受到用于蚀刻芯片的光刻设备的掩模版限制的限制。 目前的设备是针对 300 mm
(电子发烧友网 文/黄晶晶)过去的一年,存储市场跌宕起伏,从低潮逐渐回暖,新兴应用市场对存储的拉动丝毫不减,服务器、汽车存储马力十足,带动存储新技术例如高速接口、HBM等快速发展。这一年在半导体投资低迷的形势下存储行业仍然出现不错的投融资行为,旷日持久的知识产权纠纷案也终见分晓。让我们一起回顾充满挑战的2023年,并迎接2024年的新机遇。 知识产权 首先跳出来的重大事件非美光和晋华达到全球和解莫属。2023年12月26日美光科技表示已经与福建晋华达成全球和解协议,两家公司将在全球范围内各自撤
电子发烧友网报道(文/黄山明)随着物联网技术的发展,智能家居市场正在迅速增长。RISC-V作为一种开源的指令集架构,具有模块化、可扩展、易定制的优势,非常适合应用于智能家居领域。在智能家居中,各种设备需要连接互联网,进行数据传输和处理,因此需要高性能、低功耗的处理器。RISC-V由于其开放性和灵活性,可以针对不同的应用场景进行定制化设计,满足智能家居设备对性能和功耗的要求。RISC-V芯片有望在2025年增至800亿作为当前流行的一种精简指令集,RISC起源于美国加州大学伯克利分校的EECS部
预计明年2月,嘉鱼县电子信息产业园内的嘉创半导体芯片封装测试项目1号厂房将完工,同时DFN及QFN生产线开始建设。5月将启动新产品导入与可靠性检验工作,8月有望实现批量生产并拓展生产线规模。 2号厂房已进入钢架结构施工阶段,研发车间以及办公楼正在进行桩基挖掘作业。所有工程计划于明年8月前完成,相关配套设施亦将同时完工。 据悉,此项目总面积约59.04亩,总建筑面积达60725平方米,总投资额20亿元。其中一期投资7.6亿元,将用于修建48000平方米的万级和十万级净化车间。主攻DFN、QFN、
预计在截至2024年1月的财年中,英伟达的营收将增长一倍以上。 半导体行业30年来首次出现一个新的收入领导者,这不是英特尔或三星电子,在过去一年里,所有人都在谈论人工智能。 英伟达在图形处理器(GPU)领域占有很高的市场份额,通过为机器学习提供计算能力,GPU对人工智能至关重要。 根据 QUICK FactSet 的分析师估计,英伟达在截至 2024 年 1 月的财年收入预计将达到 588 亿美元,是上年同期的两倍。 在过去的几个季度里,英伟达的表现一直非常优异。2023年第一财季英伟达营收7
根据Companies Market Cap的最新统计,全球市值最大十家芯片公司如下所示。 如图所示,GPU制造商英伟达以1.1万亿美元的市值位于芯片公司的排名榜单。紧随其后的则是中国台湾的台积电,排在第三名的则是来自韩国的三星。从榜单可以看到,从第四名开始,直到第十名,都是美国公司。而在整个榜单中,除了中国台湾的台积电和韩国三星外,全球TOP 10半导体公司中,有八家是美国公司,由此可以看到美国在芯片行业的重要性。 今年,芯片行业将创纪录 行业组织预测,由于人工智能芯片需求不断增长,全球半导
当设计的规模动辄几十亿门,系统验证时间不断的增加,硬件验证系统几乎是验证工程师不可或缺的利器,因此对高性能硬件验证系统提出了更多的需求。 本期的技术视频将针对FPGA原型验证系统和硬件仿真器两种硬件验证平台和大家探讨: 当前SoC设计规模的增大带来的验证周期大幅增长,如何实现快速迭代节省人力投入及时间?如何加速turnaround? 当原型验证与硬件加速器合二为一,能否成为用户在系统级验证场景下的最优选择? Part 1: 4mins 面向系统级芯片验证的硬件平台介绍 在大规模芯片的验证流程中
通常最受欢迎的硬件是到处都卖光的手机或游戏机,但今年似乎科技行业的每个人都愿意等待数月并花费大量现金购买您可能永远不会看到的产品:Nvidia 公司的 H100 人工智能加速器。 英伟达的芯片可以说已经成为推动人工智能繁荣的最关键技术。H100 拥有 800 亿个晶体管,是训练支持 OpenAI 的 ChatGPT 等应用程序的大型语言模型的首选主力,并帮助 Nvidia 主导了 AI 芯片市场。 但由于对 H100 的渴望如此强烈,而且竞争对手 Advanced Micro Devices