• 可扩展性能:  在FlexNoC 和 Ncore 互连 IP 产品中，网状拓扑功能支持以瓦格化（tiling）方式扩展片上网络，使带有人工智能的系统级芯片能够在不改变基本设计的情况下轻松扩展 10 倍以上，从而满足人工智能对更快速、更强大计算能力的巨大需求。
• 降低功耗:  片上网络瓦格（tile）可动态关闭，平均可降低 20% 的功耗，这对于实现更节能、更可持续、运营成本更低的人工智能应用至关重要。
• 设计重用:  经过预先测试的片上网络瓦格（tile）可重复使用，将 SoC 集成时间最多缩短 50%，从而加快了人工智能创新产品的上市时间。

加利福尼亚州 坎贝尔，2024年10月15日（GLOBE NEWSWIRE）- 致力于加速系统级芯片（SoC）创建的领先的系统IP提供商Arteris, Inc. ，今日宣布其片上网络（NoC）IP产品实现创新演进，使该产品具有了瓦格化（tiling）功能和扩展的网状拓扑支持，可加快系统级芯片（SoC）设计中人工智能（AI）和机器学习（ML）计算的开发速度。新功能使设计团队能够将计算性能提升 10 倍以上，同时满足项目进度以及功耗、性能和面积（PPA）目标。

片上网络瓦格化（tiling）是 SoC 设计的新兴趋势。这种演进式方法使用经过验证的、稳健的片上网络 IP 来促进扩展、缩短设计时间、加快测试速度并降低设计风险。它允许 SoC 架构师通过在芯片上复制软瓦格（tile）来创建模块化、可扩展的设计。每个软瓦格（tile）代表一个独立的功能单元，从而实现更快的集成、验证和优化。

在Arteris的旗舰NoC IP产品FlexNoC和Ncore中，将瓦格化（tiling）技术与网状拓扑相结合，对于将AI计算日益纳入大多数SoC中具有革命性意义。AI系统的规模和复杂性都在不断增长，但通过增加软瓦格（tile），可以在不中断整个 SoC 设计的情况下实现快速扩展。瓦格化（tiling）和网状拓扑的结合为进一步缩短辅助处理单元（XPU）子系统设计时间和整个 SoC 连接执行时间提供了一种方法，与手动集成的非瓦格化设计相比，可以将设计时间和执行时间减少高达 50%。

NoC 瓦格化（tiling）技术的首次迭代将网络接口单元 (NIU) 组织成模块化、可重复的区块，提高了 SoC 设计的可扩展性、效率和可靠性。这些SoC设计带来了越来越大、越来越先进的AI计算，为视觉、机器学习（ML）模型、深度学习（DL）、自然语言处理（NLP）（包括大型语言模型（LLM））和生成式AI（GAI）等快速增长的复杂AI工作负载提供支持，用于进行训练和推理，包括在边缘进行训练和推理。

“得益于Arteris高度可扩展和灵活的基于网状网络的NoC IP，我们的SoC团队能够更高效地实现对更大AI数据量和复杂算法的支持。与Arteris的密切合作使我们能够创建一个基于Arm、多模态、以软件为中心的边缘AI平台，该平台支持从CNN到多模态GenAI以及介于两者之间的所有模型，并具有可扩展的每瓦性能。”SiMa.ai硬件工程副总裁Srivi Dhruvanarayan表示，“我们期待部署扩展的Arteris NoC瓦格化（tiling）和网状功能，这将进一步增强我们为边缘创建高度可扩展的AI芯片平台的能力。”

Arteris总裁兼首席执行官K. Charles Janac表示：“Arteris一直在不断创新，这种由大型网状拓扑支持的革命性NoC软瓦格化（tiling）功能是SoC设计技术的一大进步。我们的客户已经在构建领先的AI SoC，他们将进一步获得能力，以更高的效率加速开发更大、更复杂的AI系统，同时保持在他们的项目时间表和 PPA 目标范围内。”

通过瓦格化（tiling）和扩展的网状拓扑功能，FlexNoC和Ncore NoC IP产品能提供更多AI支持，现已向早期客户和合作伙伴提供。