All Node List by Editor

9月23日，在第二十五届中国国际工业博览会（CIIF）上，英特尔携手多家生态合作伙伴，以工业 AI 为核心概念，深度展示了在具身智能、人形机器人、工业AI与大模型、工业机器视觉、工业控制等领域的前沿解决方案与算力平台。活动上发布的基于英特尔^® 酷睿^™ Ultra平台的工厂落地案例，生动描绘出具身智能驱动智能制造发展的人机协同新范式。

英特尔公司客户端计算事业部副总裁兼中国区总经理高嵩表示：“当前，新质生产力的发展正加速推动人工智能与实体经济的深度融合，具身智能的火热浪潮更是将工业智能化推向了一个全新的发展阶段，人形机器人正在从前瞻概念走进真实的工厂车间。英特尔通过加速深化AI在边缘计算领域的布局，提供从边缘到云端的全栈式AI解决方案，协同软硬件创新，帮助企业实现从‘制造’到‘智造’的跃迁。”

活动期间，英特尔正式发布了《智启边缘：英特尔软硬件一体化赋能产业 AI 应用实践白皮书》，该白皮书基于英特尔在边缘AI领域的最新应用成果和实践经验，全面展现了英特尔通过从硬件平台到软件工具链的全栈式边缘AI技术体系，为智慧工厂、智慧社区、智慧交通等多个垂直行业的智能化转型提供坚实的技术底座。

大小脑融合，开启具身智能新纪元

展会期间，英特尔携手安努智能和富临精工，共同发布了基于英特尔^® 酷睿^™ Ultra处理器的具身智能工厂落地案例，首次实现“大小脑融合”从概念到真实工业场景的跨越，真正将具身智能解决方案从应用落地到工厂。在实际运行中，搭载酷睿Ultra处理器的机器人系统，在长时间高负荷连续作业中实现了全程零失误的稳定运行，以卓越的稳定性与实时性能，攻克了具身智能“最后一公里”的部署挑战。

基于英特尔酷睿Ultra处理器的具身智能方案，通过从双系统到单系统的迁移，实现系统通讯和时间同步，从芯片层面为业界提供了一个兼具高能效AI与强实时控制的高性价比解决方案。该方案通过单颗低功耗SoC，将强劲的AI推理能力、高性能CPU计算与工业级实时控制融为一体，让具身智能系统不再需要依赖独立的“大脑”和“小脑”模块。英特尔酷睿Ultra处理器所提供的强大异构算力，为机器人的实时感知、智能决策与精准控制提供了全面的支撑。

基于酷睿Ultra处理器提供的AI算力与CPU实时运控能力，浙江人形机器人创新中心在其黑白箱融合具身智能伺服策略中，通过图神经网络建模特征匹配，实现了面向通用场景的可泛化视觉伺服控制，有效解决了具身智能系统在复杂环境下对精准控制和快速响应的需求。

全栈工业AI与大模型解决方案，加速智能制造

在工业AI领域，机器视觉、工业控制、工业数字化、具身智能等应用在真实的工业场景中展现出广阔的潜力与增长空间。IDC预测，到2028年，中国工业企业AI支出将达到900亿人民币，复合年增长率达37.7%。凭借在工业领域深耕多年的技术积累，英特尔通过从边缘端到数据中心端的全链算力平台提供全栈AI解决方案。其中，英特尔酷睿Ultra处理器、Xe内核并集成MXM 矩阵加速引擎的显卡系列产品与服务器加速器能够满足从端到云的AI与大模型部署需求，从机器视觉到工业大模型部署，覆盖检测、代码生成、RAG、环境监控等多元场景，助力客户在成本、功耗和尺寸上实现显著优化，加速工业AI更大规模的落地与部署。

在工博会现场，英特尔与众多合作伙伴一起，全面展示了从助力传统工业实现数字化转型到引领具身智能的突破性进展。英特尔工业电脑优选项目（PIPC）凝聚了英特尔在工业级芯片、边缘计算架构及软件平台上的核心优势，通过与生态合作伙伴的紧密协作，为工业用户提供性能卓越、高度适配各类工业应用场景的电脑产品和稳定可靠的计算平台。

通过推动开放平台和先进AI技术与工业场景的紧密结合，英特尔与诸多合作伙伴携手，共同推动工业领域创新解决方案的落地。未来，英特尔也将继续秉持创新与开放的理念，为推动工业的智能化发展贡献积极力量，助力千行百业迈向智能制造。

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。

此次交易将拓展安森美为整个电源系统领域提供差异化解决方案的能力

安森美(onsemi，美国纳斯达克股票代号：ON) 宣布已与奥拉半导体（Aura Semiconductor）达成协议，获得其Vcore电源技术及相关知识产权（IP）许可。此项战略交易将增强安森美的电源管理产品组合与路线图，加速实现公司在人工智能（AI）数据中心应用中覆盖从电网到核心的完整电源系统的愿景。

“此次交易彰显了我们致力于通过提供全方位差异化的智能电源解决方案，满足未来AI数据中心的能源与效率需求的承诺。”安森美智能感知及模拟与混合信号事业部总裁Sudhir Gopalswamy表示，“将这些技术整合到我们更广泛的电源管理产品组合中，将使我们能够提供具备更高功率密度、效率和散热性能的解决方案，从而提升单机架的算力。”

安森美在硅及碳化硅（SiC）技术领域拥有数十年的创新积累，为固态变压器、电源、800 V直流配电以及核心供电等应用提供行业领先的解决方案。通过整合这些技术，安森美将成为少数几家能够以可扩展、实用的设计，满足现代AI基础设施严苛电力需求的公司之一。

安森美预计，此次交易在完成后的首个财年对其按美国通用会计准则（GAAP）和非GAAP计算的每股收益影响甚微，此后将有所增加。该交易预计将于2025年第四季度完成，但需满足惯例成交条件。上述对协议及收购的描述并非详尽无遗，具体内容以安森美向美国证券交易委员会（“SEC”）提交的8-K报表中披露的相关信息为准。

关于安森美（onsemi）

安森美（onsemi, 纳斯达克股票代号：ON）致力推动颠覆性创新，打造更美好的未来。公司关注汽车和工业终端市场的大趋势，加速推动汽车功能电子化和汽车安全、可持续电网、工业自动化以及5G和云基础设施等细分领域的变革创新。安森美提供高度差异化的创新产品组合以及智能电源和智能感知技术，以解决全球最复杂的挑战，引领创造更安全、更清洁、更智能的世界。安森美被纳入纳斯达克100指数和标普500指数。了解更多关于安森美的信息，请访问：http://www.onsemi.cn。

DFNAK3 系列可为高密度设计中的直流电源和 PoE 系统提供高浪涌保护并节省空间

Littelfuse公司（纳斯达克股票代码：LFUS）是一家多元化的工业技术制造公司，致力于为可持续发展、互联互通和更安全的世界提供动力，今日宣布推出DFNAK3系列大功率TVS二极管。该系列紧凑型表面贴装器件可提供 3 kA (8/20 µs) 浪涌电流保护，在极小空间内可提供最高的浪涌保护，非常适合在苛刻环境中保护直流供电系统和以太网供电 (PoE) 应用。

与传统高浪涌 TVS 二极管笨重的轴向引线封装或大型表面贴装封装不同，DFNAK3 系列采用紧凑型 DFN 封装，是目前市场上最小的 3 kA 额定 TVS 二极管。所占面积比包覆型封装小 70%，高度也比标准 SMD 型包覆型封装低 70%，让空间受限的高密度 PCB 设计成为可能，而不会影响浪涌性能或系统稳定性。

Littelfuse保护产品市场经理Jenny Chen表示：“DFNAK3系列使设计人员能够满足当今的小型化和性能需求。能够实现紧凑、高密度的系统设计，同时提供与大尺寸元件相同的高浪涌额定值，确保为 PoE、远程无线电装置和数据中心电源等任务关键型应用提供稳定保护。”

DFNAK3 系列专为满足 IEC 61000-4-5 第 4 级要求设计，具有较低箝位电压和出色瞬态抑制能力，是标准 TVS 二极管、MOV 和 GDT 的理想替代方案。表面贴装配置还支持经济高效的自动化 PCB 组装，降低了整体生产的复杂性。

主要功能与特色

·3 kA (8/20 µs) 额定浪涌电流，适用于高可靠性直流和 PoE 系统；

·紧凑型 DFN 表面贴装封装可节省多达 70% 的 PCB 空间；

·箝位电压较低，可为敏感的下游电子元件提供出色的保护；

·击穿电压高于反向阻抗电压，确保可靠的直流线路和 PoE 保护；

·符合IEC 61000-4-5（4 级）和其他浪涌保护标准。

目标市场与应用

·小型基站、远程无线电单元 (RRU) 和基带单元 (BBU) 的直流总线保护；

·以太网供电 (PoE) 系统；

·人工智能基础设施和数据中心服务器中的直流电源；

·恶劣环境中运行的工业直流电源。

DFNAK3 系列秉持 Littelfuse 的使命，即提供创新的表面贴装保护解决方案，以满足客户对更小外形尺寸、更高性能的不断变化的需求。

供货情况

DFNAK3 TVS 二极管以卷带装形式供应，起订量为 1,500 只。可通过Littelfuse全球各地的授权经销商索取样品。如需了解Littelfuse授权经销商名单，请访问Littelfuse.com。

更多信息

更多信息，请访问 DFNAK3 系列产品页面。如有技术问题，请联系 保护部产品营销经理 Jenny Chen：jchen7@littelfuse.com。

关于Littelfuse

Littelfuse (NASDAQ: LFUS) 是一家多元化的工业技术制造公司，致力于为可持续发展、互联互通和更安全的世界提供动力。凭借覆盖超过20个国家的业务和约16,000名全球员工，我们与客户合作，设计和交付创新、可靠的解决方案。服务于超过100,000家最终客户，我们的产品每天应用于世界各地的各种工业、运输和电子终端市场。Littelfuse在中国拥有7个销售办事处、7个研发中心和8个制造工厂，为客户提供全球资源本地服务。详情请访问Littelfuse.com。

西门子数字化工业软件汽车与交通行业副总裁 Nand Kochhar

（图片来源：西门子）

软件定义汽车（SDV）在今天似乎已经成为行业常态，原始设备制造商（OEM）及其价值链开始重新思考车辆的开发方式，将机械、电子、电气系统与软件等多层级子系统及领域整合为一套成功的车辆设计，而这其中的复杂度在不断提升，这反过来推动了数字化的持续普及。

具体而言，要在软硬件开发的交叉领域取得成功，汽车制造商需优化架构、采用敏捷的软件开发模式，以弥合传统汽车开发流程与软件开发流程之间的鸿沟。而这一变革的核心技术力量其实来自全面数字孪生 —— 它可以为车辆提供“单一事实来源”，不仅能促进 OEM 内部团队协作，也能支持供应商网络间的协同。

SDV 开发面临的挑战

成功开发 SDV 的最大的挑战在于：软硬件相互依赖，却未实现完全整合。在 SDV 中，车辆的实际操控需通过不同软件层级实现，而这些软件层级具有高度独特性，无法通过通用的计算平台满足需求。软件负载会影响硬件设计，反之硬件设计也会作用于软件架构 —— 因此，软件与计算平台必须同步开发，以确保软件负载能得到安全支持，这一点至关重要。

要在紧迫的开发周期内推进 SDV 项目，企业需在“解耦软硬件开发”的同时，保持二者之间明确且紧密的需求关联。硬件层面，目前存在将电子控制单元（ECU）整合为更少芯片的趋势，这些芯片可搭载 16 核、32 核甚至 128 核 CPU，并共享多个 GPU 核心；软件层面，虚拟机监控程序（hypervisor）需运行不同操作系统，且这些系统在安全性与保密性上的重要等级各不相同。但在某些环节，软硬件必须共享资源 —— 核心目标是尽早解决二者在关键裕量需求上的冲突，并清晰评估这些设计需求对软硬件双方产生的影响。

软硬件协同开发是高效识别并解决上述问题的唯一途径。其核心在于“持续集成、持续部署、持续调试”：通过这种模式，OEM 既能初步完成“软件与硬件的映射开发”，又能在车辆全生命周期内持续对软件进行运维升级。

全面数字孪生：成功的关键

要顺利过渡到“软件定义”环境，全面数字孪生技术是不可或缺的。它整合电子、软件与机械系统，提供必要的跨域视角，能在物理原型制造前就构建出车辆的虚拟模型。从早期概念规划阶段开始，OEM 便可借助数字孪生明确系统需求，并在内部团队与供应商之间高效传递这些需求。同时，数字孪生还能建立“需求一致性”，并作为“先进流程知识库”，为 SDV 的成功开发提供支撑。

更关键的是，数字孪生支持整个价值链的透明化与可追溯性：它能让开发周期内的需求得到持续完善，且随着下一代 SDV 平台的成熟，数字孪生在所有工程开发环节的保真度也会同步提升，进而实现硬件建模与软件负载的协同成熟。此外，数字孪生还能管理供应商及内部工程团队的需求与更新。

在虚拟环境中，软件团队可在硅基硬件就绪前，提前运行并验证软件工作。数字孪生提供的虚拟模型会随系统开发不断演进、精度持续提升，这意味着：即使车辆仍处于“仿真状态”，软件开发也能在物理原型制造前启动。软件可在虚拟环境中测试功能，在诸如西门子 PAVE 360 这样的硬件仿真设备上运行 —— 这种“在硬件定型前提前测试软件”的能力，能帮助 OEM 满足更紧迫的产品开发周期要求。

随着设计推进，软硬件协同测试与仿真验证假设同样重要（图片来源：西门子）

设计周期的透明化

由于多套互联系统间存在大量连接节点，车辆设计周期的透明化具有极高价值。数字孪生能帮助 OEM 以“全维度”的方式，整合车辆的所有信息。与其他行业相比，汽车的预期使用寿命极长 —— OEM 需在停产后数年仍提供备件，这一要求同样适用于软件（尤其是自动驾驶安全相关软件）。OEM 不仅要具备软件更新能力，还需清楚了解“一次更新会对不同版本车辆产生何种影响”。

数字孪生为这种透明化提供了核心支撑。许多 OEM 已找到通过“透明化”创造更多价值的方法：尤其在自动驾驶领域，车辆在公共道路上累积的行驶里程极具价值 —— 这些数据有助于发现“虚拟环境中未测试到的边缘场景”，而这些场景可进一步纳入数字孪生，为未来产品开发提供支持。随着汽车制造商不断提升信息透明化程度，并将其融入开发流程，SDV 的开发效率也将显著提升。

从早期概念到实际使用，开发的每个阶段都应通过全面数字孪生实现互联，以持续优化设计与软件（图片来源：西门子）

当越来越多车辆的核心卖点从“机械参数”转向软件体验，无论是电动汽车还是自动驾驶汽车，都要求 OEM 及其价值链重新构建软件能力，而所采用的流程与工具也需顺应这一转变。

成功 SDV 的基础始于全面数字孪生，所有后续开发都围绕这一“单一事实来源”展开。仿真不仅需要理解系统需求，还需考量“系统级层面的广泛影响”；需求与车辆开发过程的透明化，有助于加速复杂产品的整合。如今，有“软件定义”的汽车已行驶在道路上，而确保其开发流程的长期可持续性，已成为行业当下的关键任务。