生态系统建设:RDA
2024-03-02在当今的科技世界中，生态系统建设的重要性日益凸显。尤其在芯片领域，一个良好的生态系统对于产品的研发、生产、销售和售后服务都至关重要。RDA公司，以其独特的合作模式和市场表现，成为了构建芯片生态系统领域的佼佼者。 RDA公司以其独特的RDA模式，与合作伙伴、终端厂商紧密合作，共同打造了一个强大的芯片生态系统。这种模式不仅提高了生产效率，降低了成本，还为各方提供了更广阔的合作空间。通过与众多合作伙伴的深度合作，RDA成功地将各种资源整合在一起，形成了强大的产业集群，为整个生态系统的发展提供了强大的
韩国拟投资622万亿韩元构建全球最大半导体超级集群
2024-01-181月15日，韩国政府宣布将推出“构建全球顶级半导体超级集群”规划，致力于在首都首尔附近打造全球最大的半导体产业群，重点生产HBM、PIM等高端芯片，总投资额高达622万亿韩元，直至2047年。 知情人士透露，三星电子已承诺投资500万亿韩元，其中包括在首尔以南33公里的龙仁新建6个晶圆厂，以及在首尔以南54公里的平泽建立3个晶圆厂，此外还将斥资20万亿韩元在金浦机场附近新建3个研发机构；紧随其后的是SK海力士，他们计划在龙仁新建4个晶圆厂，共计投资额达122万亿韩元。 在未来10年内，韩国将在
如何构建芯片可靠性模型？
2024-01-16芯片短缺难题迟迟未得到缓解，半导体产业链正在寻求创新的解决方案来解决这一问题，并致力于提高效率，延长设备寿命。 从汽车、物联网和消费电子领域，到芯片制造和测试设备，芯片短缺几乎影响了全球供应链，芯片制造工具和设备因缺芯延迟安装交付，上游材料也面临供应不足的情况，包括气体、KrF光刻胶、CMP浆料，甚至不锈钢。目前，这些问题仍无法轻松解决，而且这些上游原材料与芯片制造设备及工具，与芯片制造的全部流程都相互关联，因此仅在一个领域扩充产量并不能解决所有问题。测试仪、光刻胶滤光片和封装基板，以及任何用
基于ZYNQ FPGA构建嵌入式的模拟计算板卡
2024-01-15一、板卡概述 板卡基于高速400M 采样AD 和ZYNQ FPGA构建嵌入式的模拟计算板卡， 可用于工业雷达，行业雷达的场合。板卡使用工业级芯片。 二、主要技术指标 使用 Zynq-7000 SoC XC7Z035对嵌入式应用进行快速原型设计以实现优化 支持包含 Dual ARM Cortex-A9 核处理器的嵌入式处理 PS 端32bit 1GB 容量 DDR3 存储， PS端RS232接口1路用于调试， PS端8路IO， PS端1路 10-100-1000 Mbps Ethernet （S
开局2024：科达利结构件全球生产布局“又下一城”
2024-01-11摘要 科达利结构件全球生产布局“又下一城”。 新年伊始，锂电池结构件企业科达利便宣布了最新的扩产计划。 1月5日晚间，科达利发布公告称，公司拟使用自筹资金不超过12亿元，在深圳市龙华区投资建设“深圳新能源电池精密结构件生产基地项目”。项目建设期约2.5年，全部达产后将实现年产值约33亿元。 引发市场热议后，1月8日科达利回应称，公司产能布局“都是根据客户的需求去配套的”；且随着碳酸锂价格的持续走低，“考虑到了扩产的风险，会尽量去规避”。 待该项目建成投产，科达利在全球范围内布局的生产基地数量将
怎样使用稳压二极管构建一个输出信号近似为方波的电路？
2024-01-05使用一对串联且反向连接的稳压二极管，可以构建出一个输出信号近似为方波的电路。首先，让我们先将上一期介绍的双电平限幅器电路图中第一个电池的极性反转，如图1所示。根据已经进行过的定性分析，我们很容易地可以推断出如果V01=−V02，输出信号的趋势就会如图2所示，类似于一个方波。 图1：第一个电池极性反转的双电平限幅器电路 图2：输出信号趋势通过使用两个串联但方向相反的稳压二极管(齐纳二极管)也可以获得类似的结果。事实上，与正波前相对应，两个二极管中的一个处于反向偏置状态，因此决定了串联中电流的走向
基于Speedcore eFPGA IP构建Chiplet
2024-01-05高性能FPGA芯片和嵌入式FPGA IP（eFPGA IP）领域内的先锋企业Achronix半导体公司日前宣布：为帮助用户利用先进的Speedcore eFPGA IP来构建先进的chiplet解决方案，公司开通专用网页介绍相关技术，以帮助用户快速构建新一代高灵活性、高性价比的chiplet产品，chiplet设计和开发人员可以透过该公司网站获得有关Speedcore eFPGA IP的全面支持。中国客户亦可以通过Achronix在中国的服务团队得到同样的支持。 Speedcore eFP
利用 FPGA 快速路径构建高性能、高能效边缘 AI 应用
2024-01-01作者：Stephen Evanczuk 对于希望在边缘的推理处理器上实施人工智能 （AI）算法的设计人员来说，他们正不断面临着降低功耗并缩短开发时间的压力，即使在处理需求不断增加的情况下也是如此。现场可编程门阵列 （FPGA） 为实施边缘 AI所需的神经网络 （NN） 推理引擎提供了特别有效的速度和效率效率组合。然而，对于不熟悉 FPGA 的开发人员来说，传统 FPGA的开发方法可能相当复杂，往往导致他们去选择不太理想的解决方案。 本文将介绍来自 Microchip Technology 的一