首页/文章/ 详情

Cadence为ARM高端移动IP套件提供完整的解决方案

8小时前浏览2

2015年2月3日美国加州圣何塞 Cadence(Cadence Design Systems, Inc.)与ARM今天宣布,合作推出一个完整的系统级芯片(SoC)的开发环境,支持ARM全新的高端移动IP套件,它采用了最新的ARM®Cortex®-A72处理器、ARM Mali™-T880 GPU和ARM的CoreLink™CCI-500高速缓存一致性互联解决方案。

针对ARM Cortex-A72处理器的Cadence®参考流程从今天起面向市场,支持包括TSMC16纳米FinFET Plus在内的先进制程;同时面向市场的还包括针对ARM Cortex-A72处理器和ARM Mali-T860及T880 GPUs的性能领先的ARM Artisan® 物理IP和 ARM POP™ IP,从而使设计人员能够从容面对处理器越来越具挑战性的性能和功耗目标。

为了支持这款处理器和ARM的高端移动IP套件,Cadence与ARM合作:

  • 通过定义从RTL综合到最终signoff理想的参考流程,为高端移动设备市场实现最佳的PPA目标。该流程经过了ARM内部的使用并验证,包括Encounter® 数字设计实现系统、Encounter RTL编译器、多个Encounter Conformal® 产品、Tempus™ 时序Signoff解决方案、Quantus™ QRC寄生参数提取方案、Voltus™ IC电源完整性解决方案和物理验证系统。

  • 整合Cadence Palladium® XP系列和ARM Cortex-A72快速模型(Fast Models),相比于原先单独仿真的方案,在软硬件协同开发、同步周期精准的软硬件调试支持及动态功率分析上可使操作系统启动时间加快50倍并获得10倍的执行加速,通过现实的软件加载优化功耗和预期性能之间的平衡。

  • 实现Cadence Interconnect Workbench和ARM CoreLink CCI-500的整合,使自动生成的测试平台能吻合ARM IP多种可能的配置。这些测试平台用于执行互连子系统的周期精确的性能分析,优化设备性能并加速上市时间。

ARM CPU事业部总经理Noel Hurley表示:“ARM Cortex-A72处理器树立了新的标准,提供优质的移动体验、并有望成为移动系统级芯片性能最高的CPU技术。我们一直与Cadence合作,支持我们共同的客户脱颖而出,为移动设备提供业界领先的创新解决方案。”

“我们与ARM密切合作,运用ARM Cortex-A72处理器,联合优化我们先进的数字实现和signoff解决方案和系统级芯片验证工具及IP,而且我们已经看到了早期高端移动设备客户的丰硕成果。”Cadence资深副总裁兼EDA首席战略官徐季平博士表示:“此外,我们双方合作确保Cadence的设计流程可以让客户整合ARM Mali-T880 GPU与ARM CoreLink CCI-500,从而在先进工艺节点上实现最佳的效果。Cadence系统级芯片开发环境,支持ARM最新的高端移动IP套件,已经全面通过严格的测试,设计人员可以放心采用这些最新的技术。”

来源:Cadence楷登
WorkbenchSystem寄生参数电源电源完整性芯片UMCadenceFAST
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:8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