集微网消息 (文/小北) 德州仪器 (TI) 周二表示, Brian Crutcher辞任总裁, 首席执行官以及TI董事会成员职务, 董事会已经任命Rich Templeton为新一任CEO, 同时Rich Templeton将继续担任TI董事长. TI强调, Rich Templeton并非临时CEO, 将长期任职, 且董事会不会寻找替代人选.
Brian Crutcher辞职的原因是违反了公司的行为准则. TI表示, Crutcher的违规行为与自身行为有关, 这与TI的道德和核心价值观是不一致的, 但与TI的战略, 运营和财务报告无关.
TI董事会主席Mark Blinn表示, 几十年来, TI的核心价值观和行为准则一直是我们运营和行为方式的基础, 我们对违反准则的行为采取零容忍的态度. 在过去的14年间, Rich对TI进行了成功的领导. TI对Rich的价值观以及继续领导公司前进的能力充满信心. '
Rich表示, 我为TI而感到自豪, 并热衷于让其变得更强大.
今年1月, TI宣布换帅, 曾任职14年的 CEO Rich Templeton将卸任, 在其内部任职22年的Brian Crutcher将接替 Templeton出任 CEO, Crutcher将于6月1日上任.
短短时间内, Rich Templeton又回到了老位子.
Rich Templeton是TI的一名的 '老兵' , 1990年, 在纽约联合学院电子工程学专业毕业后就加入了 TI; 1996年6月到2004年4月间, 担任公司执行副总裁和半导体业务部总裁; 2000年4月至2004年4月间, 担任TI COO; 2004年5月出任总裁兼 CEO; 2008年出任董事会主席; 自2003年7月以来, 他一直在公司董事会任职.
业内人士表示, 正因为经历了众多的岗位的历练, Rich Templeton更能理解半导体战略. 在他的领导下, TI在核心业务中表现出更强的技术和产品定位. (校对/春夏)
2.又融5亿美元! 这家无人车公司为何如此凶猛?
集微网消息 (文/艾檬) 无人车领域好像从不缺钱, 这不, 总部位于旧金山的无人车公司Zoox又融5亿美元, 领投方是办公协作公司Atlassian的联合创始人Michael Cannon-Brookes, 以及中国VC春华资本.
估值32亿美元
至此, Zoox的累计融资额已达8亿美元, 估值32亿美元. 放眼全球, 也算得上自动驾驶初创公司中的第一阵列玩家了.
在这次新融资宣布中, Zoox也对外披露了一些公司最新的进展: Zoox已是一家500人规模的公司, 计划在2020年推出商用无人车; Zoox不以出售无人车作为商业模式, 而会直接部署自己的无人驾驶出租车队; 运营部署首先会在固定场景, 再逐步推广; 目前的Zoox已经能从斯坦福大学开到旧金山市区, 路程大约65公里, 其间有郊区, 高速, 市区等多个场景.
但是, Zoox创始人Tim Kentley-Klay也表示: 新一轮融资也将开启, 会持续到明年年底. 不过没透露新一轮要融多少钱, 又用于何处.
剑走偏锋的Zoox
虽然Zoox不是熟悉面孔, 但当苹果股价创下新高之际, 17名苹果无人车工程师却 '逆流而动' 离职并加入一家自动驾驶的初创公司——Zoox. Zoox创立于2013年, 其创始人是澳大利亚设计师Tim Kentley-Klay和Jesse Levinson.
Zoox一出手就有点 '剑走偏锋' 的意味, 它的想法是希望打造无人驾驶的出租车生态, 即Google+Lyft合力想要做的事情, 也是Uber和滴滴都在集中瞄准的方向.
在具体技术实现方案上, Zoox要走一条依靠激光雷达实现L4等级完全无人驾驶的道路, 并且重新设计车本身. 从之前曝光的车体图片来看, Zoox的无人车被设计成了4座, 没有方向盘, 油门和刹车, 似乎也不分车头车尾——没有调头转向的顾虑.
最为突出的传感器是安装在前后左右四角上的Velody激光雷达, 车顶还有一根GPS天线. 还有不少雷达被设置在车轮位置, 还有声纳传感器.
对这一 '豪赌' , 业界看来有理由期待.
国内VC青睐
值得一提的是, Zoox在中国VC圈早已名声在外.
除了早期投资者德丰杰基金, 这次由春华资本领投, Zoox还获得了腾讯, IDG等中国资本的加持.
据说腾讯在试乘一众硅谷无人车公司后, 最终就跟Zoox和Drive.ai比较对味, 不过具体投资详情, 一直没对外披露.
IDG资本在2016年参与Zoox的A轮融资. 而IDG资本对新出行领域的全球布局自2016年开始. 在高等级自动驾驶领域, IDG资本最早投资了全球领先的Level 4全自动驾驶全明星团队: Zoox 和 Pony.ai, 如今这两家公司分别是美国和中国初创公司中融资能力最强, 估值最高的无人车独角兽. (校对/小北)
3.诺基亚推自家10纳米ReefShark芯片组, 5G布建成本降
诺基亚(Nokia)近年积极开发各项5G相关应用业务, 亦积极参与标准制定, 以协助智能港口, 车联网, 智能工厂等应用场域的5G连线技术发展. 为此, 诺基亚更推出了自家芯片组, 以做到基站的微型化并降低5G建置成本.
诺基亚大中华区总裁王建亚表示, 5G的建置投资不见得将高于4G, 单看建置方式是采SA或NSA架构而定; 然而可以想见的是, 在未来, 对于全球电信运营商而言, 来自语音的收入比例将会越来越少, 而数据营收比例将会增加. 未来绝对是以数据服务为主, 也包含纯粹流量服务与垂直应用服务, 都将非常重要.
借由诺基亚贝尔实验室的研究和创新, 诺基亚能从核心芯片, 网络架构到管理服务整体开发完整方案. 此外, 诺基亚也积极与全球各产业领域的专家伙伴协作, 共同打造了完善的物联网生态圈(Nokia WING).
其中, 诺基亚采10纳米制程技术所开发推出的ReefShark芯片组, 能减少一半的massive MIMO天线数, 不仅增加部署的选择性, 也将基频单元的功耗减少了64%. 5G massive MIMO天线相当巨大, 在导入ReefShark芯片组后, 能顺利做到基站微型化, 有效降低电信营运商的5G建设成本. 而具备机器学习功能的波束成形技术, 除可让网络 '追踪' 行动装置及扩大基站覆盖范围外, 也能为任何地点提供所需要的大规模容量. 在未来, 诺基亚的5G相关产品都将使用自家开发芯片, 以确实掌握端到端的发展.
为开拓更多创新应用案例, 诺基亚亦积极参与5G标准制定, 以协助实现5G智能港口, V2X 车联网, 智能工业自动化等应用. 王建亚进一步说明, 各种创新服务的出现, 不仅是对于电信营运商的挑战, 更是各式跨产业的竞争. 新电子
4.揭秘语音交互: 个性化AI打造 '数字化的你'
从更精美的照片, 更高的安全性到更自然的用户界面 (UI) , 人工智能 (AI) 正以无缝的方式更多地丰富我们的生活. 高能效和个性化是Qualcomm AI Research的核心研究领域, 因为它们对于下一代无处不在的智能用户体验而言不可或缺. 终端侧AI正在支持虚拟助理的发展, 而个性化正成为今天的虚拟助理和未来真正个人助理之间的主要差异.
AI驱动语音交互革命
语音是我们一直期盼的变革性交互方式, 它可以提供用户与终端间的自然交互, 而无需任何手部操作. 先进的语音交互具有始终开启, 对话式, 个性化和私密的特征, 可支持我们进行高效且自然的对话. 从智能手机, 智能音箱到扩展现实 (XR) 设备和汽车, 语音交互正在众多产品种类中日益发展和普及.
要实现端到端的语音交互体验, 其中需要多个组件的支持 (见图1) . 语音交互的流程是这样的: 首先麦克风采集语音信号, 然后是语音预处理, 语音激活, 语音识别和自然语言理解, 最终是终端通过语音合成的方式响应用户. 由此可见, 端到端的语音交互是个多步骤的复杂流程.
为什么今天语音交互变得如此普及? 一个重要因素是, 机器学习已经点燃了语音交互的革命. 机器语音识别的准确率正不断逼近95%, 达到与人类准确率相当的水平. 当机器准确率不能达到人类的水平, 整个语音交互过程就没法做到对话式的自然高效交流, 因此用户体验会有显著下降. 机器学习技术可应用于几乎所有的语音交互组件之上, 从而提升各方面及整体的交互体验.
终端侧的语音交互至关重要
因计算, 内存和功率的限制, 主要语音交互组件 (如自动语音识别和自然语言处理) 传统上都由云端AI所支持. 但是, 终端侧处理具有众多独特的优势, 包括更快的响应速度, 更高的可靠性和更好的隐私保护. 尤其是在私密性方面, 今天的消费者渴望把数据掌握在自己手中, 并且有权选择是否将数据发到云端进行处理或存储. 因此, 更多在终端上进行处理并为云端功能提供补充, 这是目前行业的重要趋势之一. 而其中的主要挑战在于, 需要在移动终端的功耗和散热限制下运行并实现复杂的语音交互功能.
高通正积极应对这项挑战, 并把低功耗的终端侧AI应用于语音交互组件之上. 以下是几个例子:
º语音降噪将带噪语音处理成清晰语音并输出, 这在嘈杂环境中尤其重要. Qualcomm AI Research正在开发一个降噪深度学习模型, 该模型与传统方法相比有显著的性能提升, 并具有较高效率可在助听器这样非常受限的处理能力, 功耗和散热条件下运行.
º自动语音识别将语音转录为文本. 测试表明, 深度学习技术可在移动终端上实现顶级的语音识别准确率. Qualcomm AI Research已经完成了一个深度学习声学模型的训练并使其适应每个用户的口音和环境, 从而提高个性化程度.
今天, 终端侧的语音交互已经成为现实. Qualcomm AI Research已经可以在终端侧实现整体的端到端语音交互处理, 并在2018年的CES大会上演示了智能家居中的端到端语音交互体验. 在适应口音和环境后, 这项演示对特定领域的指令集已经可以实现超过95%的意图理解准确率.
个性化成就真正的虚拟助理
真正的虚拟助理是在终端里面有一个 '数字化的我' . 因此, 它需要分析个人信息并不断学习用户偏好, 从而成为真正了解用户的数字助理. 情境式智能是实现个性化的必备条件, 而实现情景式智能需要融合多种终端侧传感器的数据 (如麦克风, 摄像头和陀螺仪) 及其他终端侧和终端外数据 (见图3) .
增强个性化的一大好处在于, 它能够推动个人助理进一步发展并兼具响应性和主动性. 真正的个人助理不仅能够在用户提问时提供个性化的答案, 还能基于情境分析进行自主决策和无提示对话.
为进一步提升虚拟助理的个性化程度, Qualcomm AI Research正对终端侧的 'AI agent' 展开研究, 它有望从所有传感器数据中不断学习个人信息, 最终实现直观行动. AI agent的关键功能包括情境式融合及学习, 这最终将支持个性化响应并丰富我们的生活. 初步研究结果已展现出终端侧个性化的远大前景. 个性化不仅将提升虚拟个人助理的用户体验, 而且将丰富我们生活的方方面面. 这项技术将变革众多行业, 不断推动行业创新.
*本文内容来自高通高级总监兼AI研究项目负责人侯纪磊博士的署名博客.
5.QLC 64层3D NAND Flash来势汹汹, SSD控制器准备就绪
更大容量, 更高效能一直是固态硬盘(SSD)产品发展的主要方向, 而为了迎合此一目标, 大多数NAND Flash厂都计划在2018年下半推出采用QLC架构的64层3D NAND Flash, 并预计在2019年将其应用在96层产品上. SSD控制器厂商也紧跟这个趋势, 推出支持QLC的新一代产品.
为实现更高储存密度, NAND Flash的堆叠层数不断增加, 单一晶胞内能储存的资讯也越来越多. 目前NAND Flash芯片已经进入64层TLC时代, 展望2019年, 三星(Samsung), 东芝(Toshiba)等业者都将进一步推出96层QLC颗粒. 为了因应即将量产的新一代NAND Flash规格特性, 台湾两大SSD控制器业者群联和慧荣, 皆已备妥对应的解决方案.
两大台系SSD业者展示QLC火力
群联电子发言人于绍庭表示, 3D NAND Flash技术不断推进, 目前64层TLC已经是相当稳定的产品. 而为了进一步提升储存密度, NAND Flash供应商正在努力往96层QLC发展, 届时单一颗粒的储存容量将可达1TB. 其实, 目前已经有业者发表采用QLC架构的64层3D NAND Flash, 但技术验证的意味浓厚, 预计要等到2019年推出的96层3D NAND Flash, 才会开始大量采用QLC.
慧荣科技产品企划部专案经理郑元顺则指出, 目前美光(Micron)/英特尔(Intel)在QLC技术的进展最快, 已经有小量64层QLC NAND Flash应用在服务器所使用的SSD上, 但平心而论, 其主打特点在于性价比, 至于效能只能说是表现平平. 但由于QLC是业界必然的发展趋势, 接下来东芝, 三星也会陆续推出基于QLC的64层NAND Flash颗粒, 因此, 作为SSD控制器供应商, 在产品布局上还是得做好准备.
为了因应此一技术发展趋势, 群联在Computex期间正式发表其第一款支持3D QLC的控制芯片. 由于QLC架构虽可实现更高的储存密度, 但数据储存的可靠度跟读写速度却会受到影响, 因此该控制器搭载了群联自行研发的第四代SmartECC技术, 在PCIe Gen3×4的带宽下, 循序读写效能均可达3,200MB/s, IOPS则均为600K.
群联进一步解释, 当数据被写入到NAND Flash内部时, 其支持SmartECC的控制器同时会产生一组校正码, 与数据一起存入. 数据从NAND读回时若发生错误, 控制芯片会透过校正码更正数据, 若该错误无法透过ECC校正码成功更正, 这笔数据就会进入SmartECC的补救流程, 借由特别设计的演算法修正数据, 提高数据可靠性.
不让群联专美于前, 慧荣也在Computex期间发表其新一代PCIe SSD控制器, 支持最新的3D TLC和QLC NAND. 而为了提高数据储存的可靠度, 其控制器搭配慧荣独有的固件技术, 包括端到端数据路径保护, SRAM ECC, 结合LDPC和RAID的最新第五代NANDXtend ECC技术. 至于在读写性能方面, 其PCIe Gen3×4控制器的最大循序读取速度为达3,500MB/s, 循序写入速度达3,000GB/s, 随机读写性能则为420K IOPS.
不过, 有业界人士认为, 由于QLC的可靠度比TLC更差, 因此即便96层QLC颗粒在2019年进入量产, 要应用在固态硬盘(SSD)上, 可能还需要一段时间. 采用96层QLC颗粒的第一批终端应用产品应该不会是固态硬盘, 而是USB随身碟这类对可靠度要求较低的应用.
SSD效能破表 散热问题如影随形
除了储存容量可望因QLC颗粒的导入而持续成长之外, SSD的效能也在不断进化. 随着电竞热潮持续延烧, 现在高阶消费性SSD的性能表现, 已经不下于锁定数据中心, 服务器等专业用途的SSD, 而这也使得其散热成为一个业界必须认真面对的挑战.
群联表示, 目前应用在数据中心或服务器上的PCIe Gen3×4 SSD, 为了确保其稳定运作, 且不会因为过热而降速, 通常客户会在SSD上外挂散热模组, 有些比较讲究的客户还会在进行产品整合设计时, 设法让服务器内的风扇气流能照顾到SSD所在的区域. 性能表现不下于企业用SSD的高阶电竞SSD, 必然也会遇到散热问题, 因此群联在针对电竞市场开发的SSD参考设计中, 均导入散热片, 以强化SSD的散热能力.
郑元顺则指出, 高效能SSD的散热, 确实是必须审慎考虑的问题. 为了追求模组的外观尺寸小型化, 业界采用M.2一系列规格作为SSD模组的标准, 但这个规格有个很大的问题, 就是散热性不佳. 在颗粒跟接口的速度还不快的时候, 这个问题没有被凸显出来, 但随着PCIe Gen3×4的普及率越来越高, 这个规格不利于散热的问题也日益浮现.
有鉴于此, 慧荣在开发控制器芯片时, 特别将低功耗列为重点设计目标. 这不只是为了省电, 同时也是为了降低发热问题. 与前一代控制器相比, 新一代控制器在全速运作时的温度, 从原本最高摄氏78.6度降低到55.2度, 有助于减少SSD产品过热, 降速运作等问题产生.
不过, 随着PCIe Gen4标准底定, 未来SSD使用的接口从PCIe Gen3升级到Gen4, 只是时间问题. 郑元顺预期, 到了PCIe Gen4时代, 散热片应该会成为SSD的标准配备, 因为Gen4的速度太快, 发热问题肯定会比现在更严重, 散热片或将成为标准配备. 新电子
6.自动驾驶测试原来需要这么做?
集微网消息 (记者/艾檬) 测试可以说是任何行业背后的 '英雄' . 据NI的调查发现, 72%的测试工程师希望能融入测试仪器的设计. 其中, 25%的需要提供编程API, 可定制的硬件和支持服务, 这样他们可以自行开发满足其需求的测试系统; 47%的需要测试仪器厂商为其量身打造测试方案. 而面向5G, 自动驾驶, 物联网(IoT)等新兴应用, 不仅带动了创新需求, 对于测试产业亦带来了功能日益复杂, 测试时间和成本压缩, 定制化等挑战. 正如NI自动化测试产品销售副总裁Luke Schreier指出, 应对测试挑战, 业界需要系统化, 一体化, 开放的测试解决方案应对, 而基于PC的测量和自动化平台PXI以其标准化和创新性的平衡以及庞大的生态系统, 成为理想的选择.
PXI主要由PXI机箱, PXI控制器, PXI模块和软件组成, 通过提供模块化和其他具有专用同步和主要软件功能的I/O, 来适用于不同阶段测试测量应用.
目前市场上有超过2000种PXI模块, 面向新兴应用与挑战, PXI也在不断 '盘活' . Luke Schreier表示, NI根据不同的需求开发新的模块, 通过整合满足行业应用的各项需求. 同时, 软件在提供LabVIEW等应用开发环境, TestStand等专用测试管理软件的基础上不断升级优化. 通过模块化快速迭代, 软件的不断优化, 客户可自定义和重新配置系统, 实现平台通用化, 按需定制化.
模块化可谓PXI的一大优势. NI亚太区汽车市场经理贾青超就认为, 硬件对于NI来说, 很容易通过模块化来实现, 因为控制器和机箱都不需要列换, 而是可根据客户测试的需求来升级或根据测试项的改变来更换板卡即可. NI也在不断提高更高性能的模块, 比如集成最新的多核处理器来实现更快更高效的并行测试, 通过FPGA, 数据转换器等不断提高信号处理算法能力和测量范围和性能.
而模块化的灵活还体现在芯片的即插即用上. NI射频技术市场工程师屠方泽举例说, 在5G和汽车行业测试中, NI发现数据要求很高, 数据量非常大. NI通过更改板卡中的芯片, 将客户所需的性能增强, 就能解决这一问题, 包括前端的数据采集等都可以使用原有架构, 而不需要整体更改, 因而可极大地降低客户的测试成本.
在最近举办的PXI技术和应用论坛上, NI就分享了PXI的最新研究成果和应用案例, 包括大飞机C919测试, 车载娱乐信息系统测试, 半导体测试等. 尤其是中国半导体行业正迎来新一轮发展机遇, 全行业都在向高性能, 小尺寸, 低成本的方向发展, 这无一不是对从业者的严峻考验. 在论坛中, 屠方泽分享了NI如何通过PXI平台如何降低从实验室到量产测试成本, 提高测试效率的实践.
软件的改变
法国小说家Jean-Baptiste Karr曾经说过, '越多事情改变, 改变的部分就越少. ' NI就践行了这一原则. 除了硬件上的迭代之外, NI在测试软件开发领域不遗余力地持续投入, 涌现出如Systemlink, InstrumentStudio等2.0版本的测试平台和工具, 并且在中国市场上开花结果. 最新推出的面向汽车的FlexLogger数据记录软件无需编程, 即可撷取, 显示与记录数据, 支持直观的工作流程与集成的数据管理功能. '因为某些客户可能对编程不熟, 需要一个软件不需编程就可快速地进行数据采集和相关处理, 并且实时显示来作相关的验证. 比如在汽车升降测试, 刹车测试中, 有些客户采用FlexLogger在实验室中做了快速的延展. ' 屠方泽介绍说.
而InstrumentStudio则是另一款针对行业应用的代表性产品, 能够在实时, 互动的多仪器作业环境下, 让测试执行期间的纠错任务更为简单直观. 此外, 每个工作流程还能与第三方软件互通, 以尽可能地重复使用程序代码和IP. 屠方泽表示, InstrumentStudio可将多种仪表在一个软件界面上进行显示, 从而可对所有的仪表进行操作. 同时, 它可导出LabVIEW的程序, 对于组件自动验证以及航天, 汽车与半导体领域生产测试可谓一个很好的配置.
PXI平台的软件已然 '各成其就' . 贾青超表示, NI软件可分为三类, 第一类是平台化软件, 比如LabVIEW; 第二类是面向行业的一些应用, 如面向汽车行业等的FlexLogge, 以及面向于特定行业和应用的InstrumentStudio. 第三类是企业级软件, 进行设备和数据的管理, 如Systemlink.
而上述改变的重中之重在于NI不断将软件的灵活性与模块化的迭代集成, 让测试的 '道与术' 都对接于客户所需的低成本, 加快上市, 高可靠性测试诉求中.
汽车测试的征战
在NI的征程中, 汽车无疑是 '加速' 主力. 前不久NI第一次将公司汽车市场销售增长目标公布出来: 即2018-2020年间, NI在汽车测试市场要实现10%-12%的增幅.
对于愈演愈烈的自动驾驶, 贾青超将车载传感器和各种雷达比作眼睛和耳朵, 将V2X比作嘴巴, 认为只有这些不同技术间形成了无缝的融合, 自动驾驶时代才会真正到来.
无论是以特斯拉, 谷歌, 百度等为代表