首页/文章/ 详情

民意至上,票选最高!Cadence获封最受认可称号“2017大中华区卓越表现EDA供应商”

9小时前浏览1

由万千工程师在线投票评选的“2017年度大中华IC设计成就奖”今夜在上海揭晓,楷登电子(美国Cadence公司)在此次IC设计产业在线调查投票中获得最高票数,成为大中华区最受认可的EDA供应商,成功荣获“2017年度卓越表现EDA供应商”奖项。这已经是Cadence公司连续第5年获得此项殊荣。

在此Cadence公司向所有客户和认可我们的合作伙伴感恩,感谢您对我们的认可与支持!

EETimes-China、EDN-China、ESM-China 总分析师张毓波 (Yorbe Zhang)先生为Cadence颁发奖项

“2017年度大中华IC设计成就奖”是由Aspencore旗下《电子工程专辑》大陆和台湾 (EETimes-China/EETimes-Taiwan)、《电子技术设计》大陆与台湾(EDN-China/EDN-Taiwan)和《国际电子商情》(ESM-China)五大媒体联手举办,针对大中华区(中国大陆、台湾和香港)的IC设计公司进行的年度产业现状调查和对优秀的IC设计公司、为IC设计产业提供优质服务的半导体前端制造、EDA工具和IP服务公司,进行评选和表彰。

Cadence公司已经在该工程师在线调查与评选中,连续多年当选总票数第一,此次已经是连续第5年荣获“大中华区年度卓越表现EDA供应商”殊荣。这也体现了中国系统、IC设计工程师对Cadence公司的认可和多年的信赖。1992年Cadence公司进入中国大陆市场,迄今已拥有大量的集成电路(IC)及系统设计客户群体。把世界顶尖的产品技术和服务融入中国,成为中国电子行业最亲密合作伙伴,和中国电子高科技产业共同腾飞是Cadence在中国的坚定信念。

2012-2016年度Cadence连续所获“最受认可的EDA工具供应商”奖杯


'' 2017年度最受认可的EDA供应商'' 评选标准:

  • 该EDA公司在大中华区设有(分)公司或办公室,可以对大中华区客户进行直接的支持

  • 该EDA公司的开发工具或软件被媒体广泛报导并为大中华区客户广泛了解和认可

  • 该EDA公司的产品(工具或软件)必须是已经被大中华区IC设计公司正式采用

最终获奖者由参与调查的大中华区IC设计公司负责人员投票选出。

关于楷登电子Cadence

Cadence公司致力于推动电子系统和半导体公司设计创新的终端产品,以改变人们的工作、生活和娱乐方式。客户采用 Cadence的软件、硬件、IP 和服务,覆盖从半导体芯片到电路板设计乃至整个系统,帮助他们能更快速向市场交付产品。Cadence公司创新的“系统设计实现” (SDE)战略,将帮助客户开发出更具差异化的产品,无论是在移动设备、消费电子、云计算、汽车电子、航空、物联网、工业应用等其他的应用市场。Cadence公司同时被财富杂志评选为“全球年度最适宜工作的100家公司”之一。

来源:Cadence楷登
电路半导体航空汽车电子消费电子芯片云计算ECADCadence
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-09-24
最近编辑:9小时前
Cadence楷登
签名征集中
获赞 0粉丝 86文章 116课程 0
点赞
收藏
作者推荐

百科时间 - 为什么人工智能需要神经网络?

▍上周小编带来了Cadence发布业界首款独立完整的神经网络(CNN) DSP IP核心Tensilica Vision C5 DSP的重磅好消息。那么什么是卷积神经网络(CNN),为什么人工智能需要神经网络呢?下面的技术小文给您带来一些有关神经网络的介绍。卷积神经网络(CNN)执行数据密集型机器学习任务的关键现如今,随着计算任务的愈发繁重复杂,实时系统面临着一个前所未有的挑战 - 不仅要快速处理所有数据,还要针对下一步工作作出智能的决策。卷积神经网络(CNN)是快速处理海量数据的关键,作为业界领先解决方案,量身定制的Tensilica® 处理器及 DSP 可以高效执行性能需求极高的 CNN 运算,是用户的不二之选。CNN 的应用领域非常广泛,主要包括图像和模式识别、语音识别、自然语言处理,以及视频分析。从智能手机到智能手表,从高级驾驶辅助系统(ADAS)到虚拟现实游戏机,再到无人机控制和安防设备,依赖高分辨率成像(1080p,4K,甚至更高)的应用领域正在快速发展。发展至今,高分辨度成像技术已经非常成熟,无论智能手机的人脸检测功能,安防系统的人脸识别功能,还是智能车辆的交通标志识别功能都已经离不开它;未来,它还将继续为无人驾驶的实现保驾护航(详细内容请参阅 Tensilica视觉 DSP,或点击阅读原文)。我们非常看好 CNN 技术在计算机视觉领域的应用前景,它将推动成像精度和准确度的大幅增强。神经网络由信息共享的人工互联“神经元”构成,每个互联神经元的数字权重都通过反复训练而得到持续优化,经过良好训练的神经网络可以对图像或模式作出精准识别。神经网络包括多个由特征检测“神经元”组成的数据层,每一层的神经元都会对前一层不同组合的数据输入作出回应。图一:人工神经网络示意图卷积神经网络(CNN)是上述神经网络的其中一种,由一个或多个卷积层组成。CNN 通常包括一个下采样层,以及与标准神经网络一致的一个或多个全连接层。随着半导体技术的发展,芯片尺寸更小,高度并行处理器的功耗更低,基于卷积神经网络的计算机视觉解决方案将不再是纸上谈兵。来源:Cadence楷登

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈