作者页面描述
10月25日
CEO Interview with Lisa Spelman of Cornelis
与Cornelis公司CEO丽莎·斯佩尔曼的访谈➀ 丽莎·斯佩尔曼是Cornelis公司的CEO，负责领导人工智能和高性能计算基础设施的高性能网络工作。
➁ Cornelis致力于提高系统利用率并减少网络瓶颈，以实现可扩展的人工智能基础设施。
➂ 该公司的网络解决方案旨在以最佳性能每瓦最大化生产性计算。
10月23日
Inside the Silicon: Analog Bits N2P2 Test Chip
硅内奥秘：Analog Bits N2P2 测试芯片➀ 智能计算的未来依赖于在更严格的功率和热限制下提供更好性能的硅；
➁ 结合台积电先进的工艺技术与Analog Bits在模拟和混合信号设计方面的专业知识；
➂ N2P2测试芯片和评估板具备12个独立的IP设计，用于性能和集成评估；
➃ 专注于局部电源调节、电源监控、精确时钟和传感。
WEBINAR: Cut down EDA License cost by 25% with Stratos AI Nitro
通过Stratos AI Nitro将EDA许可证成本降低25%的网络研讨会➀ 2026年11月10日将举办网络研讨会“通过Stratos AI Nitro优化EDA许可证利用率和作业队列”；
➁ 讨论如何通过识别未使用工具、释放空闲座位和将支出与实际需求相匹配来减少许可证成本20-25%；
➂ Nitro将许可证和作业队列数据整合到一个实时视图中，帮助团队做出明智的决策。
The Wafer Is the New Battleground: Soitec CPO René Jonker on Building AI from the Substrate Up
晶圆是新战场：Soitec 高级产品官 René Jonker 探讨从基材构建 AI➀ 人工智能对话通常只关注芯片，但 Soitec 首席产品官 René Jonker 在 SEMICON West 2026 上讨论了晶圆在 AI 开发中的作用；
➁ 以其 Smart Cut 工艺闻名的 Soitec 已经悄无声息地在半导体基材中工程化适当的属性，构建了其业务；
➂ Jonker 强调，通过在早期阶段向硅添加属性，晶圆可以提高性能和效率，而无需复杂的晶圆厂工艺。
10月22日
From Sequential R&D to Trusted Co-Innovation: The EPIC Model for Semiconductor Innovation
从顺序研发到信任合作：半导体创新的EPIC模型➀ 半导体行业正从顺序研发向信任合作转变，采用EPIC模型；
➁ 该模型强调早期合作、专业知识共享和跨组织边界的解决问题；
➂ 目标是对齐研究优先级和解决相互依赖的技术挑战；
➃ 信任对于有效的合作创新和保护个人利益至关重要；
➄ EPIC中心作为一个物理场所，用于直接互动和早期实验。
Strong Electronics Growth 2026
2026年电子行业强劲增长➀ 2026年电子生产增长加速，美国在2026年8月的生产增长率达到8.1%。
➁ 日本和欧盟27国显示出更强的增长加速，日本的生产增长率从1.5%的下降增加到17.6%。
➂ 台湾的电子生产在2026年翻了一番多，主要是由对英伟达AI模块的需求推动。
➃ 在过去一个季度中，个人电脑和智能手机的出货量显著下降，个人电脑出货量下降了20%，智能手机出货量下降了22%。
➄ 人工智能应用推动了内存的巨大需求，推高了DRAM和闪存内存的价格。
SEMICON West’s Autonomous Fab Vision Needs a Decision-Escalation Design
SEMICON West 自动化晶圆厂愿景需要决策升级设计➀ SEMICON West 2026的智能制造议程讨论了数字孪生、代理AI和日益自动化的工厂运营。
➁ PDF Solutions展示了Exensio Aurora，这是一种用于半导体制造中代理AI的分析架构。
➂ 文章强调在AI驱动的运营中需要决策升级规则，以确保问责制和性能改进。
Teradyne Targets Edge AI Test Costs With UltraFLEXplus S Series
泰瑞达推出UltraFLEXplus S系列，针对边缘人工智能测试成本➀ 泰瑞达推出针对边缘人工智能测试的UltraFLEXplus S系列；
➁ 该系列以UltraFLEXplus S24开始，是一款24槽位的工程和生产测试系统；
➂ S系列针对微控制器、多媒体处理器和边缘人工智能设备。
10月21日
Beyond the Post-Mortem: How yieldHUB Live Turns the Test Floor Into an Open Window
从事后分析到实时控制：yieldHUB Live如何将测试地板变为开放窗口➀ yieldHUB Live将半导体测试地板转变为实时指挥中心；
➁ 该解决方案实时分析探针和最终测试数据；
➂ 通过自动化响应并保持工程师的控制，它提高了产出率和OEE；
➃ 系统无需新的硬件，且对测试器兼容；
➄ Allegro MicroSystems实现了显著的OEE改进和产出率影响；
➅ 实时车队控制对于保护利润率和质量至关重要。
Why America’s Semiconductor Manufacturing Capacity Matters
为什么美国的半导体制造能力至关重要➀ 美国的半导体未来取决于其将科学发现规模化制造芯片的能力；
➁ 美国在全球半导体制造业的份额从1990年的37%下降到2022年的10%，这是一个重大问题；
➂ 制造和创新相互强化，保持研究与开发、制造之间的紧密联系对于长期专业知识至关重要；
➃ 英特尔的高级工艺和封装技术体现了这种联系，提高了性能、管理了功耗，并连接了日益复杂的系统；
➄ 亚利桑那州英特尔Fab 62和俄亥俄项目的建设进展表明了为未来需求做准备；
➅ 经济影响远超出工厂大门，支持企业和社区；
➆ 实现技术领导力需要交付可靠产品的能力，英特尔的努力旨在从研究到生产的整个链条上加强实力。
Arteris FlexGen Opens Up Multi-Die Traffic Management for Non-Coherent Networks
Arteris FlexGen 开放非一致性网络的跨芯片管理➀ Arteris FlexGen 推出针对非一致性网络的跨芯片管理解决方案；
➁ 该方案支持芯片间的高效流量管理，解决带宽、延迟和服务质量问题；
➂ FlexGen 实现了芯片间接口的透明性和 UCIe IP 的有效利用。
10月20日
The Industry Challenge: AI Is Forcing Semiconductor Innovation Beyond the Chip
行业挑战：人工智能正推动半导体创新超越芯片➀ 人工智能正在改变半导体行业的需求；
➁ 现在的挑战是构建完整的计算系统；
➂ 人工智能对处理器、内存、互连和电源效率提出了巨大需求。
Who Gets to Move the Recipe? How Autonomous Agents Earn Decision Authority in the Fab
谁有权移动配方？自主代理如何在晶圆厂获得决策权➀ 讨论了在半导体工厂中谁有权更改配方的问题；
➁ 强调了在代理人工智能项目中治理和风险控制的重要性；
➂ 探讨了半导体行业现有的代理人工智能治理框架，强调了基于证据的决策和控制的需要。
Smoothing the Quantum Path: ASML and Xanadu Target Photon Loss
平滑量子路径：ASML与Xanadu瞄准光子损失➀ ASML与Xanadu合作解决光子量子计算中的光子损失问题；
➁ 将研究用于Xanadu光子量子硬件的先进光刻工艺；
➂ 重点关注更紧密的图案控制以抑制损失机制并提高容错机器的前景。
10月19日
Sir Arthur C. Clarke Deserves a Nobel Prize
亚瑟·C·克拉克应获诺贝尔奖➀ 自从2023年硅催化半导体行业论坛以来，作者坚信亚瑟·C·克拉克应获得诺贝尔奖；
➁ 亚瑟·C·克拉克1968年的电影《2001太空漫游》预测了技术和人工智能的未来；
➂ 半导体行业正在由人工智能、量子技术和太空经济推动进行转型。
Moving Beyond AI-Assisted Design – Agentrys Shows the Way with Agentic Loop Engineering
超越人工智能辅助设计——Agentrys通过代理循环工程展示路径➀ 在Hot Chips 2026上，OpenAI展示了Jalapeño，一款在设计循环中使用人工智能的推理ASIC；
➁ Agentrys将代理循环工程应用于XiangShan，一款Linux级的RISC-V处理器，提高了性能、功率和面积；
➂ Agentrys Studio平台自主提出并评估了设计变更，与参考设计相比实现了显著的改进。
ChipAgents Expands AI Across Chip Design. The Test Is Faster, Verified Results
ChipAgents 在芯片设计中扩展人工智能。测试更快，结果可验证➀ ChipAgents 正在将其代理人工智能平台扩展到数字和模拟半导体工程领域；
➁ 公司的 IC-Star 引擎结合了各种设计知识和人工智能能力；
➂ ChipAgents 旨在缩小人工智能模型演变与芯片开发周期之间的差距；
➃ 该平台支持数字和模拟设计能力，特别关注模拟扩展；
➄ 公司报告了客户的成果，展示了芯片设计中的时间和精力节省；
➅ 该平台旨在与现有的电子设计自动化基础设施兼容，并支持本地学习。
Rethinking Phase Jitter: An Algorithmic Approach to Signal Integrity
重新思考相位抖动：信号完整性的算法方法➀ 现代半导体架构正在推动物理缩放的极限；
➁ 相位抖动已成为高性能计算、5G/6G基础设施和AI集群中的关键瓶颈；
➂ 传统的硬件CDR/PLL环路本质上具有反应性，不足以解决这个问题。
Siemens and NVIDIA Accelerate Lithography for Next-Generation AI Chips
西门子与英伟达加速下一代人工智能芯片的光刻技术➀ 西门子与英伟达合作，加速先进人工智能半导体的计算光刻技术。
➁ 将NVIDIA的cuLitho库与西门子Calibre软件集成，旨在全芯片规模优化光掩模。
➂ 该集成使全芯片光学邻近效应校正工作负载速度提高至最多12倍。
10月18日
CEO Interview with Francisco Almada Lobo of Critical Manufacturing
与Critical Manufacturing首席执行官Francisco Almada Lobo的访谈➀ Francisco Almada Lobo是Critical Manufacturing的CEO和联合创始人，专注于高科技制造业的工业运营平台；
➁ 公司专注于半导体制造，提供执行、质量和AI集成解决方案；
➂ Critical Manufacturing通过一个覆盖前端、后端、先进封装和电子产品组装的平台区分自己，注重数据驱动操作和AI能力。
Maskless EUV Lithography: An Alternative to E-Beam
无掩模极紫外光刻：电子束的替代方案➀ 半导体制造依赖于光刻技术，传统的极紫外光刻技术使用定制光掩模来定义每一层。
➁ 无掩模极紫外光刻提出了一种直接数字图案化的方法，使用可编程阵列或另一个快速可寻址的光学元件。
➂ 该技术旨在结合光的并行曝光优势和直接数字图案化，有可能缩短迭代周期并降低固定成本。
CEO Interview with Dr. Raj Talluri of Kulicke & Soffa
与 Kulicke & Soffa 雷吉·塔卢里博士的 CEO 采访➀ 雷吉·塔卢里博士于 2026 年加入 Kulicke & Soffa 担任总裁兼首席执行官；
➁ Kulicke & Soffa 专注于半导体设备，重点领域为线束连接和先进封装；
➂ Kulicke & Soffa 致力于为 AI 和高性能计算市场创新先进封装技术。
10月16日
TSMC’s AI Expansion Signals a Broader Shift in Computing
台积电的AI扩张预示着计算领域的更大转变➀ 台积电董事长兼首席执行官魏哲家博士讨论了超越加速芯片的AI繁荣；
➁ 台积电预计AI将在未来几年支持半导体增长；
➂ 台积电的扩张计划包括建设新工厂、设备转换和灵活制造；
➃ 台积电计划在2027年将N2技术系列产能翻倍；
➄ 台积电正在扩大在台湾、亚利桑那州和日本的制造业务；
➅ 先进封装对于交付可用的AI系统至关重要。
Terafab’s Single Roof: Why Packaging, Not Lithography, Decides High Volume
Terafab单层建筑：为何封装而非光刻决定大规模生产➀ Terafab是一个价值168亿美元的雄心勃勃项目，旨在革新芯片制造；
➁ 项目重点在于封装而非光刻技术以实现大规模生产；
➂ 文章强调了封装技术中的挑战，如互连可靠性和CMP良率。
10月15日
Design the Right Chip: Why Prototyping Has to Be Easy
设计正确的芯片：为什么原型设计必须简单➀ 行业在验证芯片实现方面取得了进步，但在指定正确要求方面没有取得可比的进步；
➁ FPGA原型设计对于早期捕捉规格错误至关重要；
➂ S2C的Prodigy平台提供了高效的原型设计解决方案，包括现成的模块、调试工具和对复杂设计的支持。
Why Semiconductor AI Starts with Data, Not Algorithms
半导体人工智能的起点是数据而非算法➀ 半导体人工智能的下一波增长将来自可靠、互联且与工程决策相关的制造和测试数据；
➁ 半导体晶圆厂拥有大量数据，但缺乏连通性和上下文；
➂ 人工智能可以帮助在工艺步骤之间找到相关性并清理数据；
➃ 真正的优势在于对制造数据的深入理解和组织的知识。
Why AI Security Starts at the Chip Level
AI安全从芯片级别开始➀ 人工智能正成为支撑医疗、交通、金融、制造和日常数字服务的基础设施的一部分，处理敏感信息并依赖于日益复杂的硬件；
➁ Synopsys的白皮书认为，需要在芯片本身以及整个系统的生命周期中构建安全措施；
➂ 威胁包括毒化数据集、操纵模型结构、窃取模型和篡改结果；
➃ 现代人工智能硬件通过专用加速器、芯片块和高速互连增加了复杂性；
➄ 边缘人工智能由于资源有限和容易受到篡改而面临独特的安全挑战；
➅ Synopsys提出了PUF、硬件安全模块和加密加速器等技术来提高安全性；
➆ 论文强调了隔离、身份验证和生命周期保证；
➇ 对量子计算的准备包括后量子密码学和灵活的硬件；
➈ 安全对于公众和商业在人工智能系统中的信任至关重要。
10月14日
CTO Interview with Sirish Munipalli of Moores Lab AI
与Moores Lab AI的CTO Sirish Munipalli的访谈➀ Sirish Munipalli是Moores Lab AI的联合创始人和CTO，负责开发和领导用于芯片设计验证的agentic AI，包括公司的规范和建模平台SpecAgent™。
➁ 他在英特尔进行FPGA原型设计，在高通进行后硅验证，在微软进行机器学习芯片的设计验证和架构建模，拥有约15年的复杂硅芯片设计和验证经验。
➂ Moores Lab AI成立于2025年，旨在通过AI技术解决芯片设计验证中的挑战。
What DARPA Taught Me About Building Trust into Silicon
关于在硅中建立信任的DARPA经验教训➀ 国防高级研究计划局（DARPA）的目标是将从架构到安全强化RTL的时间从年缩短到周。
➁ AISS项目通过安全感知的CAD工具和IP库自动化硬件安全工艺。
➂ 安全被视为优化器的第四个轴，而不仅仅是检查清单。
➃ 一个专门的独立验证团队攻击其他团队构建的每一个缓解措施。
Delivering Silicon Systems Through AI Disruption, Part 1: Writing the Score
通过人工智能颠覆性变革交付硅系统，第1部分：编写乐谱➀ 在半导体开发中，AI被要求实现更快、更好或更高效；
➁ AI正在改变三个层面的工作流程：技术工作、工具和社会电路；
➂ AI在半导体开发中的有效性取决于理解和优化整个工作流程。