12月1日，中国科技产业智库甲子光年主办的「2023甲子引力年终盛典·致追风赶月的你」在北京圆满落幕，会上发布了甲子20、光年20与科技产业投资榜三大榜单，亿铸科技荣登「甲子20」2023中国AI算力领域最具商业潜力榜。

「甲子20」榜单旨在表彰2023年度在科技产业各细分领域表现出色的企业，不仅具备强大的核心技术实力，更在商业化方面取得了卓越的成绩。榜单通过对企业商业力、创新力、资本力、影响力、甲子光年评价等多维度的综合分析评选得出，受到科技企业与投资者的广泛关注和认可。

亿铸科技借助存算一体架构创新、忆阻器RRAM应用创新、全数字化技术路径应用创新、存算一体超异构系统级创新等多项创新优势，可以满足AI应用进入2.0时代以来急剧增长的算力需求，从根本上突破AI计算发展瓶颈，在大模型应用领域市场空间巨大，极具商业落地价值。目前，亿铸科技点亮了基于忆阻器RRAM（ReRAM）的高精度、低功耗存算一体AI大算力POC芯片，基于传统工艺制程，经第三方机构验证，能效比表现超出传统架构AI芯片10倍以上。

亿铸科技凭借技术硬实力及前瞻性商业化布局荣登「甲子20」榜单，此次登榜，不仅是对亿铸技术实力和商业化发展潜力的肯定，更是对其未来发展的期许。此后，亿铸也将秉持开拓进取的精神，继续为AI大算力芯片注入芯动力，共创芯未来。

关于亿铸科技

亿铸科技成立于2020年6月，致力于用存算一体架构设计AI大算力芯片，首次将忆阻器ReRAM和存算一体架构相结合，通过全数字化的芯片设计思路，在当前产业格局的基础上，提供一条更具性价比、更高能效比、更大算力发展空间的AI大算力芯片换道发展新路径。

亿铸科技拥有非常优秀的研发、工程及顾问团队。研发能力覆盖了工艺器件、架构设计、电路设计和软件生态等全链条；工程团队核心成员平均拥有25年以上的高端集成电路设计和量产经验，有着丰富的应用和产品化实战经历。

更多信息请访问：https://yizhu-tech.com/， 或搜索“亿铸科技”微信公众号关注我们。

作者：Stephen Bradshaw，产品应用工程师；Christian Nau，产品应用经理；Enda Nicholl，战略营销经理

摘要

基于巨磁阻(GMR)传感技术的真正上电多圈传感器必将彻底改变工业和汽车用例中的位置传感市场，因为与现有解决方案相比，其系统复杂性和维护要求更低。本文说明了设计磁性系统时必须考虑的一些关键因素，以确保在要求严苛的应用中也能可靠运行。其中还介绍了一种磁性参考设计，方便早期采用该技术。在上一篇文章中，我们介绍了多圈传感技术以及一些关键应用领域，例如机器人、编码器和线控转向系统。

引言

多圈传感器本质上是将磁写入和电子读取存储器与传统的磁性角度传感器相结合，以提供高精度的绝对位置。“具有真正上电能力与零功耗的多圈位置传感器(TPO)”中描述的磁写入过程需要使用特定的操作窗口来维持入射磁场。如果磁场过高或过低，可能会出现磁写入错误。在设计系统磁体时必须小心仔细，并考虑可能干扰传感器的任何杂散磁场以及产品使用寿命内的机械公差。较小的杂散磁场可能会导致测量角度出现误差，而较大的杂散磁场可能会导致磁写入错误，从而引起总圈数错误。

磁性参考设计目标

设计出理想的磁体和屏蔽需要仔细了解系统要求。一般来说，系统要求越宽松，达到目标规格所需的磁体解决方案尺寸越大、成本越高。ADI正在开发一系列满足各种机械、杂散场和温度要求的磁性参考设计，可供ADMT4000真正上电多圈传感器的客户使用。ADI开发的第一个设计涵盖了公差相对宽松的系统：传感器到磁铁的距离为2.45 mm ± 1 mm，传感器到旋转轴的总位移为±0.6 mm，工作温度范围为–40˚C至+150˚C，杂散磁场屏蔽衰减大于90%。

磁性元件注意事项

设计磁体时，需要考虑一些关键注意事项，下一节内容概述了在为GMR传感器进行设计时需要考虑的主要方面。

磁体材料

GMR传感器在定义的磁窗口（16 mT至31 mT）1内运行；此外，最大和最小工作范围具有热系数(TC)，如图1中的红色迹线所示。选择TC与GMR传感器匹配的磁体材料最大限度地提高工作磁场的允许变化范围。这有助于增大磁体强度的变化和/或磁体相对于传感器的距离公差变化。铁氧体等低成本磁性材料的TC远远高于GMR传感器，与钐钴(SmCo)或钕铁硼(NeFeB)等材料相比，，其工作温度范围有限。

了解所选磁性材料的TC以及由于制造差异而导致的磁场强度变化后，即可确定室温(25°C)下所需的磁场强度。然后可以在室温下进行设计仿真，同时系统将在整个温度范围内按预期运行的可信度高。在图1中，绿色实线代表磁体根据设计应在GMR传感器的活动区域范围内产生的磁场强度窗口。由于磁性材料制造工艺的差异，该窗口小于GMR传感器的最大和最小操作窗口。绿色虚线表示由于>5%的典型制造差异而产生的最大和最小预期磁场。

1 ADMT4000发布之前，操作窗口可能会发生变化。

磁体仿真

机械操作环境中磁体的仿真可以采取不同的形式。通常用于设计磁体的仿真有两种类型：解析仿真或有限元分析(FEA)。解析仿真使用被仿真磁体的整体参数（尺寸、材料）求解出磁场，除了假设磁体在空气中运行之外，不考虑周围环境。这是一种快速的计算，在没有相邻铁磁材料时非常有用。FEA可以对较大磁性系统中含铁材料的影响进行建模，在将磁体与杂散磁场屏蔽或靠近磁体或传感器的铁磁材料组合时，此操作至关重要。FEA是一个耗时的过程，因此其通常将解析分析中的基本磁体设计作为起点。FEA用于对磁体和杂散场屏蔽的参考设计进行仿真。

磁铁设计特性

仿真产生的参考设计磁体由一个带有集成钢杂散场屏蔽的SmCo磁体组成，如图2所示。该磁体采用注塑成型设计，因此能够批量生产。SmCo磁体的注塑成型因能够生产复杂的形状而很常见，并且广泛用于汽车和工业应用。该组件根据设计可与直径为9毫米的轴形成过盈配合；然而，可以对衬套进行修改，以便连接到不同尺寸的轴。

磁体表征

我们对磁体组件进行了仔细的表征，以展示GMR传感器的强大磁性解决方案。表征的关键是能够绘制在扩展的磁铁到传感器距离窗口范围内磁场强度在受控环境中的详细图。表征成功的关键在于充分了解和校准所用的磁场探头。图3显示了在两个不同气隙下测量的磁场强度的示例，在整个工作温度范围和气隙范围内重复这些测量非常耗时，但此操作对于了解磁体性能以确保其在所需条件下正常运行至关重要。

结语

总之，参考设计磁体已被证明能够满足在–40°C至+150°C温度下工作的要求，气隙为2.45 mm ±1 mm，与传感器轴向距离公差为±0.6 mm。杂散场屏蔽的详细信息将在后续文章中介绍。

ADMT4000是首款集成式真正上电多圈位置传感器，必将显著降低系统设计复杂性和工作量，最终实现体积更小、重量更轻和成本更低的解决方案。该参考设计将提供给ADI的客户，无论设计人员是否具备磁性设计能力，均能借此为当前应用添加或改进现有功能，并为许多新应用打开大门。

如需了解有关ADMT4000和磁性参考设计的更多信息，请访问analog.com，或联系您当地的ADI销售团队，他们将乐于讨论您的要求和应用。

图1.工作窗口与典型SmCo磁体的热系数比较。

图2.参考设计磁体。

图3.气隙为1.42 mm和2.45 mm的磁场分布。

关于ADI公司

Analog Devices, Inc. (NASDAQ: ADI)是全球领先的半导体公司，致力于在现实世界与数字世界之间架起桥梁，以实现智能边缘领域的突破性创新。ADI提供结合模拟、数字和软件技术的解决方案，推动数字化工厂、汽车和数字医疗等领域的持续发展，应对气候变化挑战，并建立人与世界万物的可靠互联。ADI公司2023财年收入超过120亿美元，全球员工约2.6万人。携手全球12.5万家客户，ADI助力创新者不断超越一切可能。更多信息，请访问www.analog.com/cn

关于作者

Stephen Bradshaw拥有利兹大学电气工程学士学位，以及格拉斯哥大学光电学硕士和博士学位。在职业生涯的早期，Stephen曾负责意法半导体第一代手机摄像头中所用镜头的设计和表征，然后在Maroni钻研Gbps光收发器并在Nanotech Semiconductor参与了大部分光收发器的研发工作。Stephen在ADI公司工作已有10余年，在此期间担任应用工程师，为锂铁和铅酸电池监控产品线及磁性位置传感器业务提供支持。

Christian Nau是ADI公司的产品应用经理，拥有汽车电子和传感器方面的背景。他于2015年加入ADI公司，担任现场应用工程师和主题专家，为欧洲、中东和非洲地区的磁性传感器业务提供支持。自2019年以来，Christian一直在ADI公司的磁性传感器技术事业部工作，为现有产品的客户合作项目提供支持，并为该事业部未来在多个市场的发展方向出谋划策。

Enda Nicholl是ADI公司驻爱尔兰利默里克的磁性传感器战略营销经理。Enda是一名机械工程师，于2006年加入ADI公司。他在传感器和传感器接口产品领域拥有近30年的经验，涉及广泛的应用和市场，包括汽车和工业。在整个职业生涯中，Enda一直从事产品应用、现场应用和销售，以及战略业务开发和营销。

Altair（纳斯达克股票代码：ALTR）近日宣布其数据分析和 人工智能（AI） 平台 Altair® RapidMiner® 取得了一系列突破性更新，进一步提升集成能力，功能更加强大且易于使用。

Altair® RapidMiner® 2023更新包括自动聚类、扩展 SAS、Python 和 R 编程功能等

将 LLM（大语言模型） 集成到业务应用程序的全新工具

Altair RapidMiner内置提供生成式 AI 功能，用户能够简化工作流程并使用自己的数据构建像 ChatGPT 等独特版本的大语言模型 (LLMs)。

例如，一个全球性企业可以根据其名称、产品范围、应用程序和客户创建一个可微调的 ChatGPT 版本。Altair RapidMiner 平台使用了 ChatGPT 的新 API，因此用户无需编写任何代码即可实现进一步定制。此外，用户只需单击一下即可访问全部 300,000 个 Hugging Face 模型，并使用数十亿参数对模型进行微调。Altair RapidMiner 还支持通过 LLMs 来改善整体体验：用户只需说明所需的数据转换，软件就会自动创建相应的工作流程。

扩展的 AutoML（自动机器学习） 和无代码开发功能让人人都会数据科学

Altair RapidMiner 全面的 AutoML 工具集（即自动机器学习功能）现在除了支持预测性建模、特征工程设计和时间序列预测外，还支持自动聚类。基于向导的直观用户体验，使刚接触机器学习的用户也能够构建可用于生产的模型。 

软件还支持一键部署 AutoML 模型，并简化了使用 AutoML 作为 REST API 端点训练的预测性模型的操作。数据分析师和非专家用户可以使用 Altair RapidMiner 的预配置部署设置，在几秒钟内部署和集成机器学习模型。

此外，Altair RapidMiner 新增一个基于向导的工具，可用于构建已获得专利且高度可解释的独特决策树。这些功能使没有数据科学背景的用户能够可视化数据中的复杂交互，并了解 AI 模型如何进行输出，也方便资深的数据科学家用户可以自动扩展决策树、找到最佳分割、删除分割以及保存评分工作流程，提高数据科学的工作。 

简化 SAS 语言、Python 和 R 的编程体验

Altair RapidMiner 中还包含 Altair SLC™，此工具可替代 SAS 语言环境，提供完整的集成开发环境；以及只需少量代码，甚至无需代码；可支持高级分析功能，提高生产效率并缩短开发和部署周期。借助 Altair SLC，企业现在可以更加轻松地迁移到灵活的现代化分析平台，同时将业务影响降至最低，增强的 Python API 允许用户在 Python 开发环境中测试和运行 SAS 语言代码。 

此外，Altair RapidMiner 的工作区功能为采用 Altair® AI Cloud™ 的 Python 开发人员引入了新的开发范例。工作区可实现交互式编程会话，允许开发人员使用标准 IDE 基于集中配置的管理型 Python 环境来开发可随时投入生产的 Python 代码。在执行代码上，用户可以轻松指定和启动计算资源以满足他们的需求，包括为复杂的建模任务（例如，图像处理、大语言模型或类似功能）选择 GPU 硬件。

用于历史和实时数据可视化的全新强大工具

Altair® Panopticon™ 是 Altair RapidMiner 的全面数据可视化和流分析解决方案，可提供简洁的用户界面，包括新一代数据可视化部件、新的布局模板和工具以及新的样式设置，可以更加直观地构建、发布和使用仪表板。通过这些改进，设计人员可以节省设置时间，并专注于构建和部署更美观、更易于理解的仪表板。

此外，分析师可以更好地分析大型、复杂且快速变化的数据集，发现异常值和异常情况，并快速获得对数据的新见解。Panopticon 可实时显示数据（包括云数据、文件数据、大数据和流数据），只需使用内存缓存，无需进行中间存储。它可对内存中的数据进行混合，组合来自不同来源的数据，使用户可视化比以往更多的数据点。得益于其数据管理功能，用户可以在同一仪表板中访问个性化的数据内容。Panopticon 还允许用户在其他基于浏览器的系统之间无缝地进出该工具。

持续提升具有专利权的数据提取和准备功能模块 

Altair® Monarch®—— Altair RapidMiner 的数据准备功能模块，Altair 将持续提升数据准备功能，包括从数据提取和准备: Monarch 提供更高的性能和安全性，包括对 Azure Blob 存储、Google 云存储、Oracle 云存储和 Azure Active Directory 的直接读/写支持。通过 PDF 转 Excel 功能以及提取核心银行系统和会计报告的能力，使得Monarch能继续保持在该功能上的市场领先地位。

"Altair RapidMiner 的升级将平台功能提升到了一个全新的水平，进一步巩固了我们在数据分析和 AI 领域的地位，是一款全面且更具竞争力的端到端产品。"Altair 首席技术官 Sam Mahalingam 表示，"Altair RapidMiner 只需少量代码，甚至无需代码，功能更加强大且更加易于使用，可供企业各部门不同技能水平的用户使用，为各行业提供了一种颠覆性的生态系统，帮助他们减少摩擦并加速数字化转型之旅"。

欲了解有关 Altair RapidMiner 的更多信息，请访问 https://altair.com/altair-rapidminer。

欲了解有关 Altair 数据分析和 AI 功能的更多信息，请访问 https://altair.com/data-analytics。

如您对 RapidMiner 感兴趣，欢迎申请免费试用：https://uao.so/wapt263c50b 

关于 Altair 澳汰尔

Altair（纳斯达克股票代码：ALTR）是计算科学和智能领域的全球领导者之一，在仿真、高性能计算 (HPC) 和人工智能等领域提供软件和云解决方案。Altair 能使跨越广泛行业的企业们在连接的世界中更高效地竞争，并创造更可持续的未来。

公司总部位于美国密歇根州，服务于13000多家全球企业，应用行业包括汽车、消费电子、航空航天、能源、机车车辆、造船、国防军工、金融、零售等。

稿源：美通社

2023年生成式AI和大模型的爆发，让我们面对一个变化更加快速也更加激动人心的时代，随着新质生产力和算力基础设施高质量发展的提出，算力和存储基础设施也面临着创新与破局，如何在生成式AI和大模型时代，更好地帮助企业实现数字化创新？

11月29日，由DOIT传媒举办的"数智创新·AI未来"—2023中国数据与存储峰会在北京成功举办，浪潮信息存储产品线副总经理刘希猛和分布式存储总经理姜乐果受邀参会，分享了存储在生成式AI和大模型上的创新理念与实践，与合作伙伴和客户共同探讨通过创新发展应对快速变化的新时代。

浪潮信息存储产品线副总经理刘希猛

新场景：数聚AI加速企业向智能化场景变革

生成式AI和大模型与千行百业进行了全面的融合，带来了自动驾驶、智能制造、智慧医疗等AI+创新应用场景，这些新的应用场景将加速传统产业向智能化的变革。

千行百业的AI+创新应用带来了数据爆发式的增长，数据要素在产业智能化的过程中发挥着重要作用。IDC最新发布的数据显示，中国数据量规模将从2022的23.88ZB增长至2027年的76.6ZB，增长幅度为全球第一，其中企业数据量占据70%，而仅有24%的数据被用于分析或AI决策，这意味着企业将有更大的空间来挖掘数据价值。

中国非常重视数据要素的作用，发布了如《算力基础设施高质量发展行动计划》、《数据要素白皮书》、《生成式人工智能服务暂行方法》等一系列政策，推动企业在激活数据要素潜能和加速人工智能领先等方面的发展。

在AI 时代，原始数据呈现出多源多态的趋势，包括文本、图像、音频、视频等有感数据以及激光、毫米波、红外线等无感数据，会产生TB级乃至PB级多态数据，这一趋势给数据的存储、管理和应用带来了新的需求和挑战。

这些新的需求和挑战体现在巨量多模态数据、超大读写带宽、超高读写IOPS和全生命周期管理四个方面。姜乐果表示，随着训练模型从LLM（语言）、ALM（音频）、CV（计算视觉）、VL（多模态）到FMLM（混合模态），对数据存储的要求从PB级到EB级容量需求，从100GB带宽到TB级带宽的性能访问要求，同时还要求在多源异构数据之间实现快速转换与传输，实现生命的全生命周期管理，以及数据的安全可靠。

新存储：分布式融合存储助力企业实现破局创新

面对AI时代多源多态的数据挑战，企业需要支持多种架构、具有持久性、灵活性的数据基础设施，来部署和实施生成式AI的创新应用。

浪潮信息存储一直秉持"分层解耦"的理念，提供从数据中心、硬件平台、大模型智算软件栈OGAI和基础大模型完整的全栈解决方案，以应对生成式AI和大模型时代的全面需求和挑战。其中解决数据多模多态需求和挑战的就是分布式融合存储平台。

浪潮信息存储面向生成式AI的分布式融合存储解决方案结合生成式AI和大模型的数据采集、数据准备、数据训练、数据推理和数据归档的五个阶段，由同一套存储提供端到端的数据流支持流程，满足面向文本、音频、图像、视频、代码以及多模态和全模态的模型的需求，具有极致融合、极致容量、极致性能和极致管理四大特点。

极致融合是面向海量、多源、异构非结构化数据场景，融合多种存储介质、多协议实时互访互通、系统扁平扩展，可以用一套存储实现多模态场景应用；极致容量是从PB级到EB级甚至是ZB级，通过多种容量算法的加持，让存储空间利用达到最优，让客户的投资收益最大化；极致性能是通过对存储性能的极致提升，带来了超大带宽和超高IOPS，满足了生成式AI和大模型场景对存储的苛刻要求；极致管理提供了闪存、磁盘、磁带、光盘四种介质，以及提供了热温冷冰四种存储资源，实现了资源的互通，可以实现数据全生命周期的管理。

刘希猛认为，在非结构化数据爆发的生成式AI和大模型时代，无论基于高性能文件、流式对象还是原生大数据的智能化应用，浪潮信息的分布式存储平台都将成为企业简化IT部署和实施生成式AI创新的关键支撑。

新实践：在源大模型和企业AIGC上的创新实践

作为全球领先的IT基础设施产品、方案及服务提供商，浪潮信息已经建立了面向大模型应用场景的整体解决方案。

2023年10月，浪潮信息帮助中科大升级其校级"融合计算平台"，部署了25个GPU服务器节点和40个分布式融合存储节点，来满足不同学科、领域产生的海量多模态数据需求，助力AI驱动下的高水平科研创新。

在助力企业应用生成式AI和大模型实现数字化创新上，浪潮信息不仅提供了数据中心和硬件平台，还基于数据基础设施的领先性，为企业提供了大模型智算软件栈OGAI和基础大模型"源2.0"。

刘希猛介绍，大模型智算软件栈OGAI"元脑生智"是浪潮信息面向以大模型为核心技术的生成式AI开发与应用场景，提供从集群系统环境部署到算力调度保障和大模型开发管理的全栈全流程的软件，从而降低大模型算力系统的使用门槛、优化大模型的研发效率，保障大模型的生产与应用。

源大模型是浪潮信息存储支持生成式AI和大模型的最佳实践。基于浪潮信息大模型整体方案的"源2.0"大模型已正式发布，并全面开源，这也将会更好地满足企业大模型开发和应用的需求，推动企业的应用创新。

在"源1.0"中文语言大模型的训练中，AS13000就采用最新硬件平台，搭载全闪SSD和高速IB网络，支撑"源1.0"的训练过程高效完成。在近期发布的"源2.0"大模型中，浪潮信息存储更是作为模型训练的基座，为数据的采集、预处理、训练和归档起到了不可忽视的助力，高灵活可扩展的容量为"源2.0"获取12个PB中文数学数据提供了坚实的后盾，使模型训练在容量方面不存在瓶颈。

2023年度存储技术创新奖：HF18000、AS13000

浪潮信息存储此次获得了"2023年度高端存储产品金奖"和"2023年年度存储技术创新奖"。在过去的一年，浪潮信息存储实现了金融行业的六大行、股份制、城商行等用户的全面突破。

浪潮信息未来将会继续秉持着创新的服务理念，基于浪潮信息的基础平台能力和源自JDM的存储场景共同体定制能力，持续将先进的产品、技术、解决方案带给企业，与客户和合作伙伴一起携手共行，帮助企业加快实现数字化转型和创新，加速实现高质量发展，服务未来数字化转型。

稿源：美通社