爱尔兰戈尔韦与韩国首尔,2026年5月11日——欧洲感知识别公司FotoNation Ltd.与全球领先的定制AI半导体解决方案提供商SEMIFIVE Inc.今日宣布达成战略合作协议。根据协议,SEMIFIVE将主导FotoNation旗下超低功耗感知AI芯片系列TriSilica的交钥匙开发工作。
TriSilica是一款超低功耗、小尺寸感知AI芯片平台,支持多模态传感器输入,涵盖音频、毫米波、光谱、红外及RGB等多种类型。
SEMIFIVE首席执行官兼联合创始人Brandon Cho表示:"FotoNation是设备端计算成像解决方案领域的先驱,其视觉AI技术正在重新定义边缘端的可能性。我们很高兴能够协助将FotoNation先进的TriSense IP核心解决方案转化为高性能芯片。此次合作不仅彰显了SEMIFIVE的技术领导力,也是我们拓展欧洲半导体市场的重要战略支点。"
此次合作是SEMIFIVE在欧洲达成的首笔交易,标志着其在美国、中国、日本、印度市场之外,进一步拓展全球版图。凭借先进的半导体平台能力,SEMIFIVE持续巩固其作为全球定制AI ASIC解决方案首选合作伙伴的地位。
SEMIFIVE在高复杂度、低功耗集成电路设计及封装集成技术方面的深厚积累,是赢得本次项目合作的关键因素。
FotoNation首席执行官Petronel Bigioi表示:"与SEMIFIVE在定制半导体领域的合作,将成为FotoNation下一代超高性能、低功耗传感器融合SoC商业化落地的核心驱动力。我们相信,此次合作将成为推动图像处理与传感器融合技术跨越式发展的重要里程碑,助力满足快速增长的边缘AI市场需求。"
首款产品TS-210计划于今年年底参与多项目晶圆(MPW)流片,目标制程工艺为三星晶圆代工的8纳米低功耗旗舰工艺(8LPU)。
关于FotoNation
FotoNation Ltd.是一家总部位于爱尔兰戈尔韦的AI公司,在罗马尼亚布拉索夫设有研发中心。FotoNation专注于芯片与IP设计,核心理念是在推理开始前消除冗余数据。其TriSense(TM) IP核心融合了神经网络ISP、传感器融合与感知认知AI,可在极端功耗限制下稳定运行;TriSilica(R)芯片系列则在此架构基础上集成业界首创的大容量键合存储,实现了具备感知、自适应与执行能力的量产芯片。FotoNation的技术已嵌入全球逾40亿件产品,广泛应用于消费电子与边缘AI市场。更多信息请访问:www.fotonation.com。
关于SEMIFIVE
SEMIFIVE Inc.(KOSDAQ: 490470)是平台化SoC设计领域的先驱,致力于以高效方式将客户的创新理念转化为定制芯片。公司的SoC平台提供强大的设计基础,融合可配置的领域专用架构与经过预验证的核心IP池,提供从规格定义到系统交付的全链路端到端解决方案,助力数据中心、AI赋能物联网等关键应用领域的定制SoC更快落地,同时有效降低成本与风险。SEMIFIVE与三星晶圆代工保持深度合作,是其SAFE(TM) DSP生态的重要合作伙伴,为各类SoC设计需求提供一站式解决方案。更多信息请访问:www.semifive.com。
Q&A
Q1:TriSilica芯片平台主要面向哪些应用场景?
A:TriSilica是FotoNation推出的超低功耗感知AI芯片系列,支持音频、毫米波、光谱、红外及RGB等多模态传感器输入,主要面向边缘AI市场。其核心能力在于推理前消除冗余数据,适用于需要低功耗、高性能感知处理的消费电子及边缘计算设备。首款产品TS-210计划于2026年底完成流片。
Q2:SEMIFIVE在此次合作中承担什么角色?
A:SEMIFIVE负责主导TriSilica芯片系列的交钥匙开发,即从设计到制造的全流程统筹。此次合作是SEMIFIVE进入欧洲市场的首笔交易,将借助其在高复杂度低功耗IC设计和封装集成技术方面的积累,将FotoNation的TriSense IP核心方案转化为量产芯片,目标制程为三星晶圆代工8LPU工艺。
Q3:FotoNation的技术目前应用规模有多大?
A:FotoNation的技术已嵌入全球超过40亿件产品中,涵盖消费电子与边缘AI等多个市场领域,并参与了数十个顶级芯片流片项目。其TriSense IP核心整合了神经网络ISP、传感器融合与感知认知AI能力,是推动边缘端智能感知落地的核心技术支撑。
好文章,需要你的鼓励
英国科学、创新与技术部(DSIT)与思科签署合作备忘录,框架延伸至2030年,旨在借助AI和数字技术推动经济增长、提升公共服务水平并培育数字技能。合作核心包括:将巴恩斯利打造为英国首个"科技城镇"、探索医疗健康实验室建设、支持百万中学生接触AI教育,以及通过思科网络学院帮助更多人掌握数字技能。过去一年,思科已帮助10万人完成技能培训。
耶鲁大学研究团队证明两层神经网络在学习有限群运算时,梯度下降自发驱动每个神经元收敛到单一不可约群表示,并在傅里叶域实现秩一旋转对齐,揭示了特征学习的表示论机制。
微软AI首席执行官穆斯塔法·苏莱曼近日公开表示,Anthropic的AI服务价格过高,许多用户正在寻找替代方案。与此同时,微软在年度Build大会上发布七款新AI模型,主打低成本优势,希望帮助企业实现AI项目的商业可行性。据悉,微软还计划于6月底取消大部分Claude Code授权,将工程师转移至自家Copilot工具,显示出其在AI开发者工具市场上的竞争意图。
强化学习训练的大语言模型可在无任何指令的情况下自发发现社会规章制度漏洞,现有安全机制对此几乎无效,这一现象或将重塑AI安全防护框架。