/
FotoNation与SEMIFIVE达成战略合作，联手开发TriSilica感知AI芯片
爱尔兰感知识别公司FotoNation与全球定制AI半导体解决方案领导者SEMIFIVE宣布达成战略合作协议。SEMIFIVE将主导FotoNation超低功耗感知AI芯片家族TriSilica的全流程开发，采用三星代工8nm LPU工艺。TriSilica平台支持音频、毫米波、光谱、红外及RGB等多模态传感器输入。首款产品TS-210计划于今年底进行多项目晶圆流片，此次合作也是SEMIFIVE在欧洲市场的首个项目。
Synopsys.ai副驾驶助手助力芯片设计效率提升2至5倍
Synopsys正式推出五款Synopsys.ai Copilot生成式AI应用，涵盖辅助类与创意类两大方向。其中Knowledge Assistant可将答案获取速度提升70%，Workflow Assistant支持零代码脚本生成，Code Advisor实现自然语言转RTL代码，Formal Advisor将形式验证效率提升4至5倍，Lint Advisor则自动修复代码缺陷。多家头部半导体企业已在使用，整体设计生产效率提升2至5倍。
2026年Q1半导体初创企业融资盘点：逾80家公司合计融资超80亿美元
2026年第一季度，私人半导体公司融资表现亮眼，共有18家完成超1亿美元的大额融资，其中Rapidus和Cerebras分别达到10亿美元级别。融资热点集中于AI推理芯片设计、芯片互连技术及光子学领域。芯片设计本身也成为AI应用新方向，多家初创公司获投以推进EDA工具的智能化流程。本季度80家企业合计融资逾80亿美元，新型光刻、外延设备、电源管理及信号处理领域同样获得资本关注。
AI在芯片设计中的潜力与局限：业界专家圆桌对话
来自Synopsys、Intel、AMD、Nvidia、微软及UC伯克利的芯片设计专家，围绕AI在芯片设计中的应用展开深入讨论。专家们普遍认为，AI将在未来数年内深刻改变EDA流程，自动化调试、验证等重复性工作，缩短芯片上市周期。但同时强调，人工监督仍不可或缺，完全自动化尚需时日。AI的价值在于提速并模糊工程专业边界，而非简单替代设计工具本身。
AI智能体从零设计RISC-V CPU核心，仅凭219字提示词完成全流程
初创公司Verkor.io宣布，其智能体AI系统"Design Conductor"仅凭一段219词的提示，在12小时内自主完成了一款RISC-V CPU核心的完整设计。该CPU命名为VerCore，主频1.48GHz，CoreMark跑分3261，性能接近2011年英特尔Celeron处理器水平。与现有EDA巨头Synopsys、Cadence的AI工具不同，Design Conductor可从规格说明到版图输出全流程自主运行，目前已通过仿真验证，设计文件计划于四月底公开发布。
Meta与Broadcom深化合作，联合研发多代定制AI芯片
Meta宣布扩大与博通的合作关系，联合开发多代定制AI芯片，核心围绕Meta训练与推理加速器（MTIA）路线图展开。博通将参与芯片设计、先进封装及网络互联等环节。Meta计划未来两年内推出四代新MTIA芯片，覆盖推荐系统与生成式AI工作负载。此次合作还延伸至系统级基础设施，包括高带宽以太网集群方案。分析师指出，这一举措体现超大规模云服务商"按需配芯"的趋势，有助于降低推理成本并减少对外部供应商的依赖。
Meta与博通深化定制AI芯片合作，部署规模达数吉瓦
Meta宣布与博通扩展合作，将首批部署1吉瓦规模的自研MTIA AI加速芯片。新一代MTIA芯片将采用博通2纳米制程工艺，为AI行业定制芯片中首次应用该先进工艺。扎克伯格表示，此举旨在为数十亿用户构建超级智能所需的庞大算力基础。此次合作规划最终将扩展至多吉瓦规模，预计2027年及以后落地。博通股价在消息发布后盘后上涨逾3%。
Uber成为亚马逊AI芯片最新拥趸，云服务竞争白热化
亚马逊宣布Uber扩大AWS云服务合同，更多打车功能将运行在亚马逊芯片上。Uber将扩大使用AWS的Graviton处理器，并开始试用Trainium3 AI芯片。此举凸显了云服务商之间的激烈竞争。Uber此前与甲骨文和谷歌签署了大规模云计算合同，计划将大部分IT基础设施迁移至这两个云平台。目前Uber加入了Anthropic、OpenAI和苹果等科技巨头的行列，因AI芯片优势选择或增加AWS使用量。
Cognichip获得6000万美元融资，用物理启发的AI模型重塑芯片设计
芯片设计公司Cognichip获得6000万美元融资，致力于通过物理信息芯片设计概念加速发展。公司开发了人工芯片智能设计平台ACI，这是一个专为芯片设计构建的物理信息基础模型，能够整合物理约束、电路行为和制造难题。该平台采用并行设计方法，可将芯片设计工作量减少50%，目前已与30多家半导体设计公司合作测试。
Cognichip获得6000万美元投资，用AI设计AI芯片
Cognichip正在构建深度学习模型，协助工程师设计新型计算机芯片。该公司旨在解决芯片设计极其复杂、成本高昂且耗时的行业痛点。先进芯片从概念到量产需要3-5年时间，仅设计阶段就可能耗时两年。公司声称其技术能够将芯片开发成本降低超过75%，时间缩短一半以上。Cognichip刚刚完成6000万美元融资，由Seligman Ventures领投，英特尔CEO陈立武参投并加入董事会。
韩国AI芯片初创公司Rebellions获4亿美元融资
韩国无晶圆厂AI芯片初创公司Rebellions在IPO前融资轮中筹集4亿美元，由未来资产金融集团和韩国国家成长基金领投。该公司成立于2020年，专注于AI推理芯片的设计开发，目前估值约23.4亿美元，累计融资已达8.5亿美元。公司同时发布RebelRack和RebelPOD两款AI基础设施平台产品，并积极拓展美国、日本、沙特和台湾市场，挑战英伟达在AI芯片领域的主导地位。
AI智能体时代：软件工具亟需根本性重新设计
谷歌和英伟达首席科学家表示，随着AI智能体以机器速度运行，现有软件工具需要根本性重新设计。谷歌专注于让模型成为自主研发实验室，英伟达则致力于降低通信延迟和能耗。两家公司已在内部使用AI设计芯片，英伟达的NVCell强化学习程序将芯片设计时间从10个月缩短至更短时间，效果超越人类设计。未来AI将能够自主进行实验、数据整理和训练下一代模型。
Arm发布136核AGI CPU追赶AI热潮
英国芯片设计商Arm发布首款自研数据中心处理器AGI CPU，采用136个Neoverse V3核心，主频最高3.7GHz。该处理器专为AI代理应用设计，功耗300瓦，采用台积电3纳米工艺制造。Meta等公司将成为首批客户，计划今年大规模部署。处理器支持12通道DDR5内存和96条PCIe 6.0接口，旨在满足AI代理系统对通用计算能力的四倍增长需求。
阿里巴巴发布专为中国顶级AI模型优化的RISC-V服务器芯片
阿里巴巴发布了全新的服务器芯片玄铁C950，声称这是迄今为止使用RISC-V指令集的最强大处理器。该芯片配备自研AI加速引擎，首次原生支持千亿参数大模型如通义千问3和DeepSeek V3。单核通用性能在SPECint 2006基准测试中超过70分，接近苹果M1芯片水平。芯片采用5纳米工艺制造，支持多种数据类型，每个TPE可实现8 TOPS算力。
Arm 发布35年历史上首款自研芯片
经过35年的技术授权业务模式，英国芯片设计巨头Arm宣布推出首款自主生产的处理器芯片Arm AGI CPU。该芯片基于Arm Neoverse系列CPU IP核心设计，专为AI数据中心推理任务优化。Meta成为首个客户，OpenAI、Cerebras等公司也是合作伙伴。这标志着Arm从纯授权模式向自主制造的历史性转变，将与众多合作伙伴展开竞争。
亚马逊Trainium芯片实验室揭秘：赢得OpenAI和苹果青睐的秘密武器
亚马逊AWS的Trainium芯片正在挑战英伟达在AI芯片领域的垄断地位。这款由亚马逊奥斯汀实验室开发的芯片，已成为Anthropic Claude的主要计算平台，同时也是AWS与OpenAI 500亿美元合作协议的核心。Trainium3芯片在同等性能下运行成本比传统云服务器低50%，支持PyTorch框架，让开发者能够轻松迁移。目前已有140万颗Trainium芯片部署，其中100万颗Trainium2专门服务于Anthropic。
阿里巴巴自研AI芯片出货47万颗，承认性能落后但坚持差异化路线
阿里巴巴披露其T-Head芯片业务已出货47万颗AI芯片，CEO承认目前性能不如竞争对手，但相信可通过软硬件协同优化缩小差距。公司推出包括玄铁C908、TH1520和平头哥真无810E等多款AI芯片，其中810E被认为可与英伟达H20竞争。阿里云季度收入增长36%至62亿美元，公司预计五年内云和AI业务年收入可达1000亿美元。
英伟达发布太空专用芯片模块，瞄准轨道数据中心市场
英伟达CEO黄仁勋在GTC大会上宣布推出Space-1 Vera Rubin模块，专为卫星和轨道数据中心等严格环境设计。该GPU模块AI算力相比H100提升25倍，主要用于太空推理计算、地理空间智能处理和自主太空作业。尽管分析师质疑轨道数据中心的经济可行性，但英伟达正与多家航天公司合作，为太空AI应用做准备。
英伟达DGX Rubin NVL8系统选择英特尔至强6处理器的深层原因
英伟达在其旗舰AI系统DGX Rubin NVL8中选择英特尔至强6处理器作为主控CPU。该系统集成8个Rubin GPU，专为大规模AI工作负载设计。分析师认为这一选择基于企业兼容性和部署需求考虑。英特尔至强6提供高内存带宽和x86兼容性，确保GPU得到充分利用。尽管两公司在系统层面合作，但竞争仍在加剧，英伟达正向全栈控制发展。
Meta投入自主AI芯片研发 未来两年推出四代新品
随着AI芯片需求激增而供应紧张，Meta正在加强自主研发AI芯片。该公司计划在未来两年内推出四代新芯片。Meta于2023年启动自主芯片项目，推出了MTIA芯片系列。目前MTIA 300已投产用于排序和推荐训练，而MTIA 400、450、500等后续产品将主要用于生成式AI推理。尽管仍采购AMD和ARM芯片，Meta正通过自研芯片和整合网络与AI数据中心开发来加强业务协同。
京公网安备 11010802021500号
