All Node List by Editor

4月16日，作为国内领先的系统级验证EDA解决方案提供商，芯华章分别携手飞腾信息技术、中兴微电子在IC设计验证领域最具影响力的会议DVCon China进行联合演讲，针对各个场景下验证中的“硬骨头”问题，用实际案例诠释“AI+EDA”如何重塑验证效率，让大家实实在在的看见国产验证EDA技术落地的扎实与生态协同创新的力量。

破解复杂算子验证困局

从 “高门槛” 变 “高效能”

在高性能CPU与AI芯片设计中，浮点运算、矩阵乘等复杂算子的验证长期面临“覆盖不全、效率低下”的挑战。传统仿真方法难以穷举海量边界条件，而手动形式化验证的高门槛让众多团队望而却步。

芯华章与飞腾联合攻关，将AI算法深度融入芯华章GalaxEC-HEC高阶等价性验证工具，通过智能案例拆分与数学化证明引擎，实现了从算法级到RTL级的精准映射——双精度乘加算子证明时间从89小时降至11小时，单精度乘加从86小时压缩至1小时。

这一突破在飞腾某国产CPU项目中转化为实实在在的工程价值：在没有增加太多人力资源的情况下，实现了将近9倍于项目1算子数量的证明。

飞腾高级IC设计工程师郑帅克

飞腾高级IC设计工程师郑帅克表示，“芯华章GalaxEC-HEC不仅提升了验证效率，更在AI的加持下实现了全算子‘精准扫描’，它让我们从依赖经验筛选验证重点转向数据驱动全场景覆盖，为国产 CPU 的自主创新筑牢根基。”

LLM 让复杂断言生成

从 “人工苦旅” 走向 “智能生成”

SystemVerilog 断言（SVA）在形式属性验证（FPV）中对于确保设计的正确性至关重要，但复杂时序逻辑的手工编写耗时耗力，且容易因边界条件遗漏导致验证漏洞。

芯华章与中兴微电子瞄准这一痛点，联合研发基于大语言模型（LLM）的SVA生成并引入工业级创新评估系统SVAEval。该框架通过迭代式提示优化和指标评估，显著提升了由大型语言模型生成的 SVA 的质量。

在真实项目验证中，该系统展现出强大的场景适配能力：面对“信号变化后10 周期内目标信号匹配”、“异步时钟域断言同步”等复杂需求，可自动生成包含临时变量、时间窗口及跨时钟域处理的断言代码，覆盖传统手动编写易遗漏的20%以上边界场景。

中兴微电子研发团队实测显示，pass5@较基线提升59%，复杂断言开发效率提升40%以上，原本需要3天的调试周期缩短至数小时。

中兴微电子IC验证经理商思航

中兴微电子IC验证经理商思航指出，“通过自动化 SVA 的生成和评估，我们显著提升了大语言模型生成SVA的质量，大幅减少了验证工程师耗时耗力的SVA编写工作。同时也让验证工程师能够将精力聚焦于设计规范的深度分析和边界验证条件挖掘，避免过多关注SVA语法自身，降低了人工成本，大大提升了验证效率。”

在深度融合项目实践中，芯华章将技术洞察、创新经验及技术突破进行系统化沉淀。此次，芯华章分别与中兴微电子、EDA国创中心合作发布《LLM based SVA Generation with Formal Evaluation》、《Automated SVA Generation with LLMs》，两篇研究成果成功入选2025 DVCon China论文。

这些研究成果锚定AI驱动验证技术前沿，既深入解析复杂断言生成系统如何借助LLM实现效率突破的技术细节，也全面探讨国产大模型在EDA领域规模化应用的方法论，为行业贡献了可复用的技术路径与实践参考。

协同创新夯实产业生态

把握 AI 机遇，共创差异化价值

AI的快速发展与广泛应用，催生了对算力、功耗优化的多元需求。在AI算力需求爆发、存储技术迭代、系统架构多元化的行业趋势下，底层芯片产业链正经历深度创新，市场也迎来了更丰富的发展机遇。对芯华章而言，AI带来的机遇远不止于工具层面的突破，更在于与客户建立深度协同、实现价值共创的契机。

差异化价值的创造，核心在于深度理解客户需求并实现技术落地的精准匹配。芯华章始终将客户需求作为技术创新的起点：无论是算子验证时追求 “算透”，还是断言生成时力求 “精准”，亦或是通过智能优化仿真速度、精准定位调试问题，让每一项技术探索始终紧贴产业一线痛点展开，让每一次创新都经过实际项目的打磨。

未来，芯华章将持续探索“AI+EDA”创新路径，与客户共同研发适配其技术路线的验证方案，为客户提供更加高效、可靠的验证解决方案，实现从需求响应到价值共创的跨越。

来源：芯华章科技

4月16日——在今日召开的专业视听行业的年度盛会InfoComm China 2025上，英特尔携手海信联合发布海信自研端侧会议领域垂域模型解决方案，助力商务会议更加安全、高效、及时。海信商用显示公司总经理罗勇、海信商用显示公司产品线运营中心总经理张连峰、英特尔客户端计算事业部边缘计算CTO、英特尔客户端计算事业部高级首席AI工程师张宇博士、英特尔中国区销售市场部教育零售医疗行业经理李轩，英特尔中国区销售市场部教育零售医疗行业技术经理夏耿参加了发布仪式。

张宇博士表示：“作为AI大模型应用的重要领域，商务会议系统站在了重要的变革节点，不仅需要大模型加速落地，更需以端侧模型部署，帮助用户突破弱网断网环境的限制，改善离网体验和有效保护会议信息安全。英特尔与海信联合发布的自研端侧垂直领域模型解决方案，即是应市场需求，依托英特尔^® 酷睿™ Ultra处理器的出色性能，携手打造的大屏会议智能创新解决方案。”

以英特尔酷睿Ultra 7 265H处理器为算力平台，海信自研端侧会议领域垂域模型解决方案可提供出色的性能、AI体验以及连接能力。英特尔酷睿Ultra 200H系列处理器拥有CPU、GPU、NPU三大AI引擎，共同为平台带来高达99 TOPS的AI算力，相比上一代提升了2.5倍。英特尔酷睿Ultra 7 265H处理器采用P-core（性能核）、E-core（能效核）和低功耗 E-core（能效核）3D 性能混合架构，同时还采用全新超频功能和高性能技术，支持 AI 增强型安全性、客户端优化 LLM以及本地个人助理，提供针对 AI 应用和工具优化的高能效和高性能，并可直接在端侧设备本地部署和运行新兴 AI 工作负载。

基于英特尔酷睿Ultra 7 265H处理器的出色特性，海信自研端侧会议领域垂域模型解决方案能够真正理解用户会议逻辑，成为贴合行业需求的“智能会议大脑”。率先搭载了会议智能体大模型的海信AI会议平板XW5F，可理解会议场景中的深层语义，支持会中实时语音记录、转录、翻译和实时字幕，准确率超98%，同时还能够自动生成含关键词、会议结论、会议摘要、待办总结和发言人总结的结构化会议纪要，支持多轮问答追溯讨论细节，实时显示深度思考过程，将纪要整理时间缩短80%。

在助力用户构建自主可控的数字化办公离线方案方面，海信自研端侧会议领域垂域模型不仅支持轻装上阵的云端方案，还能通过端侧部署和本地高性能智能计算，确保数据不出网络边界，从根本上屏蔽用户数据和会议信息泄露的风险。

海信商用显示产品线运营中心总经理张连峰表示：“端侧AI是未来高保密场景的必然选择。通过与英特尔的合作，采用英特尔酷睿Ultra 200H系列处理器，我们成功将大模型能力下沉至本地设备，既满足了客户对数据主权的要求，为高保密场景提供可靠的智能会议体验，又让端侧会议领域垂域模型更加顺畅丝滑，为用户提供了不逊于云端的智能体验。”

随着产业链延伸和工作方式的数字化转型，远程办公和协作已成为适应新经济环境的重要形式，而简化会议系统管理、操作，以及用AI技术提升使用体验以及信息安全，成为会议市场和商业用户的急迫需求。英特尔携手海信推出端侧会议领域垂域模型解决方案，通过高超的算力和AI能力，支持本地化大模型部署，提供垂直领域模型，帮助用户直击痛点，构建更加安全、智能的会议系统，变革性提升会议效率和数据的安全可控性，共同拥抱大模型潮流。未来，英特尔将和海信等合作伙伴不断探索会议场景，加速AI在垂类领域落地，持续促进新质生产力培育。

关于英特尔

英特尔（NASDAQ: INTC）作为行业引领者，创造改变世界的技术，推动全球进步并让生活丰富多彩。在摩尔定律的启迪下，我们不断致力于推进半导体设计与制造，帮助我们的客户应对最重大的挑战。通过将智能融入云、网络、边缘和各种计算设备，我们释放数据潜能，助力商业和社会变得更美好。如需了解英特尔创新的更多信息，请访问英特尔中国新闻中心newsroom.intel.cn以及官方网站intel.cn。

作者：电子创新网张国斌

随着大模型（LLM/VLM）技术迅速发展，AI眼镜作为新一代智能终端的代表，其智能架构正发生深刻变革。从最初的语音助手扩展到环境理解、视觉问答、信息叠加等多模态交互能力，AI眼镜正逐步走向“感知即计算、交互即理解”的智能化新范式。在4月16日芯原可穿戴专题技术研讨会上谷歌人工智能研究员 Derek Chow芯原股份NPU IP研发副总裁查凯南以芯原与谷歌等技术合作为例，深入解析AI眼镜在人工智能处理架构上的核心挑战、关键技术路径以及未来发展策略。

一、场景驱动的AI：从规则定义走向“自然语义感知”

“我们和谷歌有大概八九年的合作了，谷歌整个智能家居产品线及新的RVV、还有端侧人工智能的一些方案，是我们跟他们一起长期的合作。今天分享的主题是“如何让图像编码变成Token化，然后在多种设备之间互联通过Token的方式去减少延迟和网络的复杂度，同时也省带宽。”他指出，“我们先讲一下什么是Tokenization，Token中文翻译我们更倾向是“Token是一种编码”。大语言模型所有大家说的话都会变成Token送到语言模型当中，正常的文本、语言都可以变成Token。实际上我们可以更宽泛的去看这个问题，就是不一定是语言跟文本。所有的Sensor都可以被Token化，将不同的Token归一化之后也就是今天讲的这种。”

他表示在早期的卷积网络当中用来做检测、识别或者分割ResNet50或者ResNet101，可以把主要图像当中的一些主要特征提取出来再送到后期的网络当中做识别或者一些其他的功能。

AutoEncoder也是一种非常经典的编码方式，实际上这种AutoEncoder对于图像或者语音实际上是某种程度的压缩，通过压缩的方式去提取图像语音中的高维信息把它变成Token再进行传输，既可以省功耗、也可以去把所有的这样一些不同的信息归一化到同一种表达方式上面去。

今天的MultimodalAI存在的方式会很多很多，包括：文本、语音、图像、Video、不同的Sensor、3D环境感知及Graph，如果把所有的这些全部Token化再送到大语言模型中去的话，这样的图形处理是会更自然、更高效的。从最终大家可以看到的应用场景里面会包含很多的使用方式。

以谷歌的PaliGemma模型为例，这个模型包含两个部分：第一，感知部分SigLIP。SiGLIP主要是把图象Token化。第二，Gemma是一个小的语言模型、这是一个开源模型，这个小的模型就是处理把正常的语言Token跟SigLIP做融合。

例如：图里问“拍照的人是躺在哪里？”同时把拍照的照片喂进去，通过SigLIP把原始Token化再跟应用程序问的问题归一化变成统一的向量归到Transformer里面去，最后得到的是“拍照的人躺在海边的吊床上”。前面SigLIP相当于模型眼镜、Gemma相当于模型的大脑，所有的Multimoda都是这样去工作的。

“在我们整个运算系统当中，从最端侧的眼镜、耳机等，再到边缘侧的“卡、服务器”。如何能够将不同层次的运算资源整合到一起去实现真正的多模态的分布式Token集联，是我们想去讨论的一个问题。”他指出，“比如说谷歌的智能家居整个全套家居里面所有的都是会带一些AI算力的，其实大家今天也看到不管是手表或者智能家居都多多少少会带一点AI算力。能不能够让这些端侧的算力帮助在整体的事件模型上面去做一些事情，把它用起来是我们需要考虑的问题。”

查凯南表示在传统拍照模式中，用户需通过“模式选择”精确告诉设备要识别什么内容；而在AI眼镜时代，用户可以用自然语言进行模糊、动态的任务定义：

“请把今天开会的人名打在屏幕上”

“帮我识别前面这个动物”

“这是不是我朋友？”

这类自然语言场景背后依赖的是强大的VLM（视觉-语言模型）理解能力。而这些大型模型由于庞大的参数规模，无法直接部署在低功耗的穿戴设备上，因此端侧模型的轻量化与蒸馏成为关键策略。

二、端-边-云协同架构：用Token打通计算链路

他指出AI眼镜的智能化离不开多层级算力的协同调度。一种主流架构趋势是：

端侧（眼镜）负责基础感知与预处理

图像采集、事件触发、初级模型筛选

生成“Image Token”或特征向量，避免传原图

边缘设备（手机）完成中等级别处理

Token解码、语义分析、场景识别、UI响应等

云端执行复杂推理或大模型服务

VLM推理、多轮对话、搜索引擎集成等

这种架构优势在于：降低眼镜本体功耗（无需DDR）、减少数据传输带宽（Token压缩比高）和保持一定的隐私保护（不上传原图）。

三、从“大模型”到“小学生”：模型蒸馏与Gating设计

他指出为了在端侧跑通感知与决策任务，AI模型需要经历两种“压缩”过程：

1. 蒸馏（Distillation）

将大模型的能力压缩成轻量版本，即“Student Model”，部署在眼镜或手表上。尤其在视觉问答（VQA）等任务中，通过大模型Teacher引导Student学习感知-判断的全过程。

2. 门控模型（Gating Model）

Gating机制负责判断：某任务是否需要上传云端，还是在本地完成。有效的Gating模型可以显著降低传输延迟和能耗，提升整体体验。

例如：图像中是否出现人脸/二维码/动物 → Gating决定是否激活下游大模型处理。

四、计算架构创新：RISC-V + 芯原IP的组合路径

他表示为了更好适配AI眼镜的低功耗高效能需求，芯原联合谷歌在RISC-V架构上进行了深度优化，构建面向矩阵计算的轻量处理器Kelvin：

基于RVV（RISC-V Vector Extension）指令集

每周期256+ MAC运算能力

专为端侧AI处理而生，适合部署在眼镜、手表等微型设备上

芯原自身的算力架构分为三层：

五、Token压缩与API标准化：联接万物的“智能纤维”

他指出AI眼镜作为集联设备的一部分，其通信标准、模型接口与传输格式也必须高度统一。当前关键趋势包括：

Token压缩技术：进一步压缩高维Token表示，降低带宽占用

统一API接口层：确保不同设备、操作系统（Android、RTOS）之间能够无缝协同

模块化部署模型：根据任务轻重部署不同子模型，实现资源最优配置

芯原提出的Open Se Cura方案，即是一种试图打通端-边-云各级算力的统一平台架构。

六、发展策略与挑战前瞻

他指出，目前在端侧AI应用的核心挑战有：

功耗约束：端测计算能力有限，必须极致优化

模型迁移难度：大模型->端侧部署仍需解决量化精度、内存映射等问题

多终端管理复杂：需要实现从手机到手表再到眼镜的模型调度策略

他提出的策略建议包括：

以端为中心的“感知分层”：将智能前置至用户最靠近的设备（眼镜）

多模态输入-多终端分工：图像、音频、传感器多源协同

聚焦Token标准：构建轻量、安全的“模型通信语言”

强化RISC-V生态：定制芯片架构，加速AI/ML推理性能提升

他认为AI眼镜的未来，是智能设备的共生生态，未来的AI眼镜，不仅仅是一副可穿戴设备，而是一个“环境感知+智能计算+多端协同”的边缘AI生态枢纽。谁能构建出一套能适应轻量、低功耗、自然交互的AI处理架构，谁就能在下一场智能硬件革命中占据先机。

注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利

2025年电子设计创新大会将于4月23-24日在北京国家会议中心举行

易开发、易部署、高性能的电子测试/验证系统的领先制造商与服务商，英国Pickering集团将于2025年4月23-24日参加电子设计创新大会（EDICON China），展示多款模块化射频微波开关和微波开关设计工具Microwave Switching Design Tool（MSDT），MSDT是向所有用户开放的免费在线开关设计软件，并在技术分论坛为来宾讲解如何让用户掌控微波开关系统的设计。作为英国Pickering集团全资子公司--品英仪器（北京）有限公司的专家们期待您莅临J8展位参观、交流和指导。

电子设计创新大会是自2013年开始举办的射频、微波、无线和高速数字设计领域的大型活动。展览汇聚了中国和世界领先的射频、微波、无线、高速模拟、数字和混合信号元器件、半导体、测试和测量设备、材料和封装、EDA/CAD和系统解决方案等供应商。

Pickering品英在此次展会上将重点展出微波开关系统的三种实现方法：

1）货架产品——模块化的PXI/PXIe射频微波开关

2）交钥匙产品——深度定制微波开关子系统

3）快速定制产品——使用微波开关设计工具（MDST）灵活配置微波开关系统。

展出的主要产品包括：40-877 2.5GHz 2x2射频PXI多路复用开关、40-780B最高67GHz的PXI微波单刀双掷开关、40-782B最高50GHz的PXI微波换向开关、60-105 USB/LXI模块化机箱、60-891 LXI微波矩阵开关系统和免费在线使用的微波开关设计工具。

l40-877 2.5GHz 2x2射频PXI多路复用开关，用于快速扩展矩阵规模。为了适应不同规模的测试应用，每模块包含单组或双组矩阵，都仅占用一个PXI或 PXIe机箱插槽。用户可以灵活地选择机箱，最大程度地减少所需插槽的数量。

l40-780B是PXI微波单刀双掷开关。40/42-780B系列12.4/18/26.5/40/50/67 GHz@50Ω每模块包含1-4组SPDT单刀双掷开关和2.5GHz@75Ω版本。该系列PXI/PXIe微波开关模块为用户提供Pickering开关系统中最高的射频和微波开关性能。尽管它们是为微波应用而设计的，但在射频频谱测试中也有许多用途，其极低的插入损耗和超高的隔离至关重要。它们也可用于低频射频应用，可承载240W的功率（N型选项为700W）。

l40-782B是PXI微波换向开关。该系列产品特征阻抗为50Ω，最大工作频率为18 GHz。通过前面板安装的高质量SMA同轴连接器进行连接。18/26.5/40/50 GHz每模块包含1-2组Transfer换向开关，支持开关操作计数和LED状态指示。该系列主要应用在微波领域，但在视频中也有许多应用，其极低的插入损耗和超高的隔离至关重要，它们也可以用于最高240W功率的低频RF应用。

l60-105 低成本承载4个PXI槽位的LXI模块化机箱外形轻巧，非常适用于便携式、台式以及一些空间有限的应用。可配合桌面或机柜安装，并且可通过USB 或LXI 以太网接口进行远程控制。通过网络进行远程控制使得测试系统可在距离目标设备尽可能近的地方进行开关操作。

l60-891 LXI微波矩阵是适用于切换微波信号的高性能射频多路复用器，适用于切换高达18GHz的50Ω信号（最高110GHz），通过前面板SMA连接器进行连接。用户可以使用Pickering免费在线使用的微波开关设计工具灵活自主设计产品，也可以通过Pickering的专家将您对微波开关子系统的高级要求转化为您所需的完全集成的解决方案，快速完成结构设计并生产。

l免费在线使用的微波开关设计工具（Microwave Switch Design Tool）是灵活的LXI微波开关平台，可由带宽最高110GHz阻抗为50Ω或75Ω的高性能微波继电器和一系列不同类型的连接器混合搭建而成，适用于通讯、军工、航空航天领域的应用。Pickering不仅提供免费的在线设计工具，同时结合Pickering在射频微波继电器上游供应商的垂直整合能力，以及超过20年开发、设计、生产LXI平台开关产品的工程经验，为客户提供快速交付、长期售后技术服务、易于维修升级服务。该系列定制款产品，也将和标准品一样包含三年标准质保，并承诺15～20年的长期支持。

品英仪器的专家还将于4月23日下午1:50，在北京国家会议中心402A会议室举办的技术分论坛上，为来宾讲解如何让用户掌控微波开关系统的设计。

品英仪器总经理焦金霞说：“微波开关系统是军工国防、航空航天、半导体、汽车等领域的测试系统中必备的组件。随着被测目标件的功能发展，测试需求也越来越复杂。开关通道规模更大、信号传递的路径结构更多样、频段组合的复杂程度也越来越深。同时还有大量系统要求具有良好的扩展性和重构能力、通信接口足够丰富、且适配多种操作系统和开发环境，软件开发更方便易用，并具有更好的智能型。为满足这些需求， Pickering品英仪器的专家综合了数十年为国内外用户提供的微波开关系统的海量数据、继电器类型选项多、工程经验丰富等优势，并基于Pickering完整的设计、生产、测试标准流程，可以快速地把用户对开关的需求和想法转化为用于工程应用现场的可靠产品，使这些产品全生命周期更具性价比。我们期待着用户莅临J8展位，参观、交流和指导。”

设计、部署和维护您的自动化测试系统

关于品英Pickering

品英Pickering专注于设计生产模块化信号开关与传感器仿真类程控电阻模块设备，我们的PXI、LXI、 PCI开关以及与之配套的线缆、连接器等广泛应用于电子测试与仿真领域。我们的产品被应用于遍及全球的各种测试系统中，因卓越的可靠度和性价比而广受好评。

品英仪器（北京）有限公司作为Pickering在中国区的全资子公司，服务于本地客户，提供高效、便捷的本地化服务和技术支持，并致力于Pickering品牌在大中华区的市场推广。