头条 复旦团队研发出“纤维芯片” 可以像普通纱线一样织进布料 想象一下，未来我们穿的衣服不仅能保暖，还能像手机、电脑一样处理信息；虚拟现实手套轻薄透气，让医生远程手术时可拥有现场操作般的“触觉”……这些看似科幻的场景，正因一项名为“纤维芯片”的原创成果而增加了早日实现的可能。1月22日凌晨，国际顶级学术期刊《自然》主刊发表了复旦大学彭慧胜/陈培宁团队的最新研究成果《基于多层旋叠架构的纤维集成电路》，团队成功在柔软的高分子纤维内制造出大规模集成电路，创造出世界首款“纤维芯片”。这意味着，“芯片”第一次从“硬质块体”走向“柔软纤维”，为未来智能织物、脑机接口、虚拟现实等新兴产业提供了新的技术支撑。 最新资讯 英伟达新一代显卡Feynman首发将1.6nm工艺 10月30日消息，在前两天的GTC华盛顿大会上，NVIDIA又发布了多款重量级AI产品，以Rubin GPU为核心衍生了多款超高性能AI服务器。在这次会议上，NVIDIA也揭示了新一代产品，那就是代号Feynman的GPU，名字来源于美国理论物理学家理查德·费曼，是量子力学大佬，1965年获得了诺贝尔物理学奖。 发表于：2025/10/31 传美光HBM4开发遇阻 量产或将推迟 10月30日消息，据韩国媒体mk.co.kr报道，由于美光（Micron）的HBM4产品仍难以满足英伟达（NVIDIA）对性能和功耗的要求，导致美光可能需要重新设计HBM4芯片架构。如果消息属实，那么将导致美光HBM4的量产延后长达9 个月，这也意味着其在2026年内都将难以实现量产，将错失英伟达的订单。 发表于：2025/10/31 GlobalFoundries宣布投资11亿欧元扩大其德国晶圆厂产能 当地时间2025年10月28 日，GlobalFoundries（GF）宣布计划投资11亿欧元，以扩大其德国德累斯顿工厂的制造能力。到 2028 年底，这项投资将使产能提高到每年 100 万片以上，使其成为欧洲同类工厂中最大的。 该扩展被称为 SPRINT 项目，预计将在《欧洲芯片法案》的框架下得到德国联邦政府和萨克森州的支持，欧盟预计将在今年晚些时候批准整个计划。这项投资凸显了萨克森州作为半导体制造和创新关键中心的作用，并强化了欧洲供应链弹性的战略目标。 发表于：2025/10/31 我国首个光量子计算机制造工厂将落成 10月30日消息，据央视财经报道，目前量子科技已成为多方研发的重点方向，产业正在快速从理论研究向应用场景过渡。 发表于：2025/10/30 央企510亿战新基金来了 重点支持人工智能等 10月29日讯，又一只央企母基金来了。今日，由国务院国资委发起，委托中国国新设立和管理的中央企业战略性新兴产业发展专项基金在北京启动。 510亿！央企战新基金来了 重点支持人工智能、航空航天等未来产业 发表于：2025/10/30 国内首个汽车芯片标准验证平台投入使用 10 月 29 日消息，据央视新闻报道，国内首个国家级汽车芯片标准验证中试服务平台于 10 月 28 日在深圳投入使用，这标志着我国车规级芯片质量验证与评价能力迈上新台阶。 发表于：2025/10/29 VESA发布DisplayPort汽车扩展标准合规测试规范模型 VESA重点介绍了其于2025年5月发布的DP AE合规测试规范模型。这一完全可执行的Linux C模型包含500多项功能安全与信息安全合规测试，使芯片制造商能够基于VESA DP AE标准，构建和测试用于汽车显示器的视频源（电子控制单元/ECU）、桥接器件（如串行器/解串器）和接收设备（如时序控制器）。 发表于：2025/10/29 英伟达发布NVQLink开放系统架构 10 月 29 日消息，在华盛顿特区举行的英伟达全球技术大会上，英伟达（NVIDIA）正式发布了 NVQLink—— 一种开放系统架构，旨在将量子处理器直接与基于 GPU 的超级计算机相连接。 发表于：2025/10/29 基于PoE技术的多功能可级联全向会议麦克风设计与实现 随着全球化商务环境的发展、远程办公的普及以及突发事件可能带来的不便，社会对在线会议的需求日益增长。为满足这一需求，设计并实现了一种多功能、可级联的全向会议麦克风。该设备采用系统级芯片（SoC）、触控传感器和MEMS麦克风，结合PoE供电技术，构建了一个集音频采集、数据传输及多设备级联功能于一体的硬件平台。在算法方面，系统集成了回声消除与混响抑制等音频处理技术，以提升语音质量。实验结果表明：单个设备可在半径7 m范围内高效拾音，支持最多4台设备级联，并在大空间环境下实现稳定运行。同时，扬声器的频率响应保持在±60dB以内；经音频算法处理后，回声消除效率超过98%，混响抑制比可达94%，满足会议麦克风的设计要求。 发表于：2025/10/28 基于CNN-BiLSTM-Attention的工业数据中心IT设备能耗预测模型研究 IT设备的能耗直接影响到工业数据中心的电力消耗，预测IT设备能耗对优化能源管理和资源规划具有重要意义。然而，由于IT能耗数据呈现出非线性、非平稳的特点，导致预测精度低。对此，结合卷积神经网络CNN、双向长短期记忆网络BiLSTM和注意力机制的优势，分别对IT设备能耗的局部特征、数据中深层次的关键信息进行提取，并根据自测IT设备能耗数据集构建基于CNN-BiLSTM-Attention的能耗预测模型，该模型的R2、MAE和RMSE分别为0.905 3、0.050 4、0.067 3，相较于现有的LSTM、BiLSTM和CNN-BiLSTM模型均有不同程度的提高，说明该模型可以应用于工业数据中心内IT设备能耗的准确预测。 发表于：2025/10/28 <…20212223242526272829…>
