Semiconductor Engineering 博客回顾（10 月 28 日）：STCO 异构设计、物理 AI 交互与 AI 生成设计签核

面向异构设计的 STCO；物理 AI 交互；AI 生成设计的签核；工作负载特征分析。

popularity

eBeam Initiative 的 Jan Willis 报道了一场专家小组讨论的洞见，主题涉及大幅面掩模、设备投资、高数值孔径（high-NA）EUV 以及曲线掩模。

Siemens 的 Kevin Rinebold 和 Andras Vass-Varnai 探讨了向基于芯粒的异构设计的转变，以及为什么系统技术协同优化和多物理场分析正成为解决热、功耗和集成瓶颈的必备手段。

Synopsys 的 Sumit Vishwakarma 认为，物理 AI 系统将需要一种全新的工程形式，通过整体性的、物理感知的方法对硅、传感器、软件、机械和电源的交互进行协同设计与验证。

Cadence 的 Reela Samuel 发现，随着 AI 日益能够生成 RTL、提出 ECO、修改约束或创建验证属性，所产生的芯片设计是否仍然满足其需求这一问题变得比以往任何时候都更加重要。

Arm 的 Alan Chen 探讨了如何启用无源码的微架构分析，采用证据优先的工具链工程方法，结合索引化的工作负载数据、有界 LLM 分析和仿真证据来改进优化结果。

Keysight 的 Eric Yu 解释了为什么张量并行是任何纵向扩展（scale-up）网络——无论是 NVLink 还是 Ethernet——都必须首先做对的并行维度。

SEMI 的 Paul Carey 确定了塑造MEMS 和传感器行业的七大主题，机器人与医疗等市场带来了新的需求和差异化机遇。

此外，欢迎阅读最新一期《制造、封装与材料通讯》精选的博客：

Synopsys 的 Germain Fenger 论证了为什么更好的模型、更丰富的量测技术、可解释的 AI 以及跨行业协作必须结合起来，才能延续半导体微缩。

Amkor 的 Gerard John 概述了为什么当今的高性能处理器越来越像一个独立的系统。

Lam Research 的 Qingpeng Wang 展示了面向 SRAM 和逻辑器件的自对准 CFET 工艺流程，如何通过更大的有效沟道宽度和在更小节点上改善的静电特性带来更高性能。

Intel Foundry 的 Kaladhar Radhakrishnan、Nicolas Butzen 和 Vishal Javvaji 深入探讨了集成电压稳压器如何降低电流密度、提供更高的调节带宽，并减少对大型去耦电容网络的依赖。

Advantest 的 Clemens Leichtle 概述了新的光子学测试需求，包括光纤对准、耦合效率、偏振管理和光学仪器。

（全部文章）
Jesse Allen 是 Semiconductor Engineering 的知识中心管理员兼资深编辑。