氮化鎵 (GaN) 功率芯片行業(yè)領(lǐng)導(dǎo)者納微半導(dǎo)體(Navitas Semiconductor)宣布,開設(shè)新的電動汽車 (EV) 設(shè)計中心,進一步擴展到更高功率的氮化鎵市場。與傳統(tǒng)的硅解決方案相比,基于氮化鎵的車載充電器 (OBC) 的充電速度估計快 3 倍,節(jié)能高達 70%。據(jù)估計,氮化鎵OBC、DC-DC 轉(zhuǎn)換器和牽引逆變器將有望延長電動汽車續(xù)航里程,或?qū)㈦姵爻杀窘档?5%,和原先使用硅芯片相比,氮化鎵功率芯片有望加速全球 EV 的普及提前三年來到。據(jù)估計,到 2050 年,將電動汽車升級到使用GaN之后,道路部門的二氧化碳排放量每年有望減少 20%,這也是《巴黎協(xié)定》的減排目標。
氮化鎵 (GaN) 器件是功率半導(dǎo)體技術(shù)的前沿,其運行速度比傳統(tǒng)硅芯片快 20 倍。 Navitas 的 GaNFast™ 功率芯片集成了 GaN 電源、GaN 驅(qū)動、保護和控制。高速和高效率已成為節(jié)能、高功率密度、低成本和更高可靠性的新行業(yè)標準。
新的設(shè)計中心位于中國上海,擁有一支經(jīng)驗豐富的世界級電力系統(tǒng)設(shè)計師團隊,他們在電氣、熱力和機械設(shè)計、軟件開發(fā)以及完整的仿真和原型設(shè)計能力方面具有全面的能力。新團隊將在全球范圍內(nèi)為電動汽車客戶提供支持,從概念到原型,再到全面認證和大規(guī)模生產(chǎn)。
著名電動汽車行業(yè)專家、上海設(shè)計中心新任高級總監(jiān)孫浩先生表示:“設(shè)計中心將為全功能、可產(chǎn)品化的電動汽車動力系統(tǒng)開發(fā)原理圖、布局和固件。 Navitas 將與 OBC、DC-DC 和牽引系統(tǒng)公司合作,創(chuàng)建具有最高功率密度和最高效率的創(chuàng)新世界級解決方案,以推動 GaN 進入主流電動汽車。”
為 EV 應(yīng)用量身定制的高功率 650V GaN IC 已于2021年 12 月向 EV 客戶提供樣品。在最近的小米產(chǎn)投日活動上,納微展示了 6.6kW OBC 概念模型,后在CES 上也進行了展示。
“納微半導(dǎo)體電動汽車團隊在提供動力系統(tǒng)方面擁有豐富的人才和成熟的經(jīng)驗,”納微半導(dǎo)體副總裁兼中國區(qū)總經(jīng)理查瑩杰表示。 “對于 GaN 來說,電動汽車是一個令人興奮的擴展市場,估計每輛 EV 內(nèi),氮化鎵的潛在價值為250 美元。逐個市場來看,Navitas 正在快速推進到更高功率的應(yīng)用,例如電動汽車、數(shù)據(jù)中心和太陽能。”
制造氮化鎵功率芯片的二氧化碳排放量比硅芯片低 10 倍??紤]到效率以及材料尺寸和重量優(yōu)勢,每個出貨的納微氮化鎵功率芯片相比硅可以節(jié)省大約 4 公斤的二氧化碳??傮w而言,到 2050 年GaN 有望解決每年 2.6 Gton 的二氧化碳排放量減少問題。
好文章,需要你的鼓勵
浙江大學(xué)團隊提出動態(tài)專家搜索方法,讓AI能根據(jù)不同問題靈活調(diào)整內(nèi)部專家配置。該方法在數(shù)學(xué)、編程等任務(wù)上顯著提升推理準確率,且不增加計算成本。研究發(fā)現(xiàn)不同類型問題偏愛不同專家配置,為AI推理優(yōu)化開辟新路徑。
清華大學(xué)研究團隊提出SIRI方法,通過"壓縮-擴張"交替訓(xùn)練策略,成功解決了大型推理模型"話多且準確率低"的問題。實驗顯示,該方法在數(shù)學(xué)競賽題上將模型準確率提升43.2%的同時,輸出長度減少46.9%,真正實現(xiàn)了效率與性能的雙重優(yōu)化,為AI模型訓(xùn)練提供了新思路。
南洋理工大學(xué)與騰訊聯(lián)合研究團隊開發(fā)出Rolling Forcing技術(shù),實現(xiàn)AI視頻實時流式生成的重大突破。該技術(shù)通過滾動窗口聯(lián)合去噪、注意力錨點機制和高效訓(xùn)練算法三項創(chuàng)新,解決了長視頻生成中的錯誤累積問題,可在單GPU上以16fps速度生成多分鐘高質(zhì)量視頻,延遲僅0.76秒,質(zhì)量漂移指標從傳統(tǒng)方法的1.66降至0.01,為交互式媒體和內(nèi)容創(chuàng)作開辟新可能。
華中科技大學(xué)研究團隊發(fā)現(xiàn),通過讓AI模型學(xué)習(xí)解決幾何問題,能夠顯著提升其空間理解能力。他們構(gòu)建了包含約30000個幾何題目的Euclid30K數(shù)據(jù)集,使用強化學(xué)習(xí)方法訓(xùn)練多個AI模型。實驗結(jié)果顯示,幾何訓(xùn)練在四個空間智能測試基準上都帶來顯著提升,其中最佳模型達到49.6%準確率,超越此前最好成績。這項研究揭示了基礎(chǔ)幾何知識對培養(yǎng)AI空間智能的重要價值。