頭條 Gartner：2024年全球半導體收入增長21% 根據Gartner的最終統計結果，2024年全球半導體總收入為6559億美元，較2023年的5421億美元增長了21%。同時，英偉達超越了三星電子和英特爾，首次躍居首位。 Gartner研究副總裁Gaurav Gupta表示：“前十大半導體廠商收入排名變動的主要原因在于強勁的AI基礎設施需求以及73.4%的內存收入增長。英偉達之所以能夠躍至首位，主要在于其獨立圖形處理單元（GPU）需求顯著增長，GPU已成為數據中心AI工作負載的首選。” Gupta表示：“供需失衡引起價格大幅反彈，三星電子的DRAM和閃存收入增長，得以繼續保持在第二位。英特爾2024年的半導體收入僅增長了0.8%，原因在于其主要產品線面臨的競爭威脅正在加劇，而且英特爾未能把握AI處理需求強勁增長這一機遇。”2023-2024年全球排名前十半導體廠商收入（單位：百萬美元） 最新資訊 京東方發布新一代ADS Pro+MLED背光顯示解決方案 京東方發布新一代ADS Pro+MLED背光顯示解決方案，支持500Hz刷新率、1000nits+全屏亮度 發表于：2024/9/6 三星電子計劃2027年推出0a nm DDR內存 9 月 5 日消息，據《韓國先驅報》報道，三星電子 DS 部門存儲器業務總裁兼總經理李禎培昨日在臺灣地區出席業界活動時展示了三星未來內存產品路線圖。 根據 DDR 內存路線圖，三星計劃在 2024 年內推出 1c nm 制程 DDR 內存，該節點可提供 32Gb 顆粒容量產品；而在 2026 年三星將推出其最后一代 10nm 級工藝 1d nm，仍最大提供 32Gb 容量。 發表于：2024/9/6 2024年上半年三星SK海力士在華營收增長超過100% 2024年上半年三星、SK海力士在華營收增長超過100% 發表于：2024/9/6 英特爾宣布提前將工程資源集中于Intel 18A 9 月 5 日消息，英特爾在當地時間昨日的新聞稿中表示，其 Intel 18A 先進節點目前進展良好。為進一步支持 Intel 18A 開發，該公司宣布提前將工程資源集中于該節點。 同時 Arrow Lake 客戶端處理器系列將主要使用外部工藝，并由 Intel Foundry 封裝。根據此前爆料，采用 Intel 20A 工藝的產品包括英特爾 Arrow Lake 處理器桌面版的 6+8 核心設計。 發表于：2024/9/5 高通推出AI PC芯片驍龍X Plus 8挑戰英特爾PC芯片霸主地位 9 月 4 日消息，高通今日推出了面向 Windows 筆記本電腦的 8 核驍龍 X Plus 處理器，旨在降低高性能 Windows on Arm PC 的價格。 發表于：2024/9/5 一種高效的神經肌肉電刺激系統設計 設計了一種高效的神經肌肉電刺激（Neuromuscular Electrical Stimulation，NMES）系統。NMES的工作原理是利用神經細胞的電興奮性，通過脈沖電流刺激支配肌肉的神經，從而使肌肉收縮。系統由干電池供電，降壓和升壓電路采用高效的方案從而來降低功耗，以STM32F4單片機為主控芯片，產生用于控制刺激強度的DAC信號，以及復用開關的控制信號，經過由復用開關、恒流源、H橋組成的復用恒流源電路，產生分時的電流刺激，從而有效降低系統功耗和設備體積。 發表于：2024/9/4 基于動態補償下垂法的并聯逆變器控制研究 提出了一種基于動態補償下垂法的新型逆變器并聯策略，解決了傳統并聯逆變器下垂控制策略中頻率跌落，無功功率不均分，有功、無功計算結果不準確等問題。該策略包括在功率環中采用CSOGI-QSG模塊濾除直流干擾；在傳統有功控制環中引入自適應頻率反饋策略補償頻率跌落；在無功控制環中引入虛擬電感改善無功功率的分配，并采用自適應電壓補償策略改善母線電壓跌落。通過搭建MATLAB仿真和實驗平臺驗證，證明了該控制策略可以顯著改善并聯逆變器中的功率均分效果。 發表于：2024/9/4 基于一種集控站監控信息預測和優化模型研究與分析 集控站作為電網運行的重要部分，連接著調度系統和變電站，其監控信息準確性和效能性的發揮尤為關鍵。為了更進一步提升集控站監控信息的審核效率，采用“專家庫+改進蟻群算法”的方式，實現集控站監控信息表內容的預測和優化。通過構建集控站監控信息預測和優化模型，一方面面向信息行業屬性，采用MapReduce分析機制，構建專家庫，實現監控信息預測功能；另一方面依托蟻群算法建模，構建改進型信息全局優化模型。通過實驗分析，該模型不僅提升了冗繁的監控信息分析預測能力，而且增強了電網集控場景下的監控信息優化效能。 發表于：2024/9/4 指控中心任務軟件集中管控系統研究與關鍵技術 隨著武器航天試驗任務的增多，指控中心對任務軟件快速部署、多任務并行的需求愈發迫切。設計了基于B/S架構的指控中心任務軟件集中管控系統，實現了任務軟件配置與監控的一體化管理；通過基于DBus與Kafka結合的數據傳輸機制，打通了任務軟件與系統前后端數據高效交互鏈路；最后，重點分析了任務軟件自動化部署技術、多任務并行技術、高速數據分級處理技術以及任務數據高效存儲技術。 發表于：2024/9/4 Optimality在多個場景的時域仿真中高效性的深度研究 隨著產品的速率及復雜性越來越高，針對仿真而言，除了要求仿真本身具有非常高的精度外，還對仿真的效率提出了很高的要求。具體到不同的信號模塊，如DDR系統或者高速串行信號上，基于速率越來越高，越來越希望仿真給能出“最優解”的配置，例如DDR5顆粒的ODT的最優配置，高速信號芯片的加重均衡的最優配置等參數。那么如何在成百上千種組合的參數中選擇相對最優的參數呢？傳統的軟件只能通過大量的掃描來進行篩選，在仿真時間和工程師的精力兩方面都有比較大的耗費。使用Optimality軟件，通過分享一些具體的仿真案例，展現軟件的智能性，幫助使用者更快速挑選出最優的參數，使DDR及高速串行的仿真工作變得更加輕松，充分體現出Optimality軟件的高效性。 發表于：2024/9/4 ?…87888990919293949596…?
