2019年9月2日,中国武汉,紫光集团旗下长江存储科技有限责任公司(以下简称“长江存储”) 在IC China 2019前夕宣布,将在其第三代3D NAND闪存中应用Xtacking 2.0,相关技术概念将在IC China 2019紫光展台首次公开介绍。
Xtacking2.0 - 释放3D NAND闪存无限潜能
Xtacking 2.0将充分利用Xtacking架构优势为客户带来更多价值。其中包括:进一步提升NAND吞吐速率、提升系统级存储的综合性能、开启定制化NAND全新商业模式等。
通过与客户、行业合作伙伴和行业标准机构的紧密合作,搭载Xtacking 2.0技术的长江存储第三代产品将被广泛应用于数据中心,企业级服务器、个人电脑和移动设备等领域,并将开启高性能、定制化NAND解决方案的全新篇章。
2018年8月,长江存储在全球FMS(闪存峰会)上发布了Xtacking架构,并获得大会最高荣誉“Best of Show”奖项。Xtacking可实现在两片独立的晶圆上分别加工外围电路和存储单元,这样有利于选择更先进的制造工艺。当两片晶圆各自完工后,创新的Xtacking技术只需一个处理步骤就可通过数十亿根垂直互联通道(VIA)将两片晶圆键合。
具体来讲,相比传统3D NAND闪存架构,Xtacking可带来更快的I/O传输速度、更高的存储密度和更短的产品上市周期。
采用Xtacking,可在一片晶圆上独立加工负责数据I/O及记忆单元操作的外围电路。这样的加工方式有利于选择合适的先进逻辑工艺,以让NAND获取更高的I/O接口速度及更多的操作功能。存储单元同样也将在另一片晶圆上被独立加工。当两片晶圆各自完工后,创新的Xtacking技术只需一个处理步骤就可通过数十亿根金属VIA(Vertical Interconnect Accesses,垂直互联通道)将二者键合接通电路,而且只增加了有限的成本。
传统3D NAND架构中,外围电路约占芯片面积的20~30%,降低了芯片的存储密度。随着3D NAND技术堆叠到128层甚至更高,外围电路可能会占到芯片整体面积的50%以上。Xtacking®技术将外围电路置于存储单元之上,从而实现比传统3D NAND更高的存储密度。
Xtacking技术充分利用存储单元和外围电路的独立加工优势,实现了并行的、模块化的产品设计及制造,产品开发时间可缩短三个月,生产周期可缩短20%,从而大幅缩短3D NAND产品的上市时间。此外,这种模块化的方式也为引入NAND外围电路的创新功能以实现NAND闪存的定制化提供了可能。
长江存储在此次IC China 2019开幕前夕同时宣布,中国首款64层3D NAND闪存作为首个搭载Xtacking架构的闪存芯片已启动量产。
好文章,需要你的鼓励
香港中文大学与华为诺亚方舟实验室合作开发了PreMoe框架,解决了大型混合专家模型(MoE)在内存受限设备上的部署难题。研究团队发现MoE模型中的专家表现出明显的任务专业化特征,据此提出了概率专家精简(PEP)和任务自适应专家检索(TAER)两大核心技术。实验证明,DeepSeek-R1 671B模型在精简50%专家后仍保持97.2%的MATH500准确率,内存需求降至688GB;而更激进的精简方案(减少87.5%专家)也能保持72.0%的准确率。该方法适用于多种MoE架构,为强大AI系统的广泛部署铺平了道路。
SCIENCEBOARD是一项开创性研究,旨在评估多模态自主智能体在真实科学工作流中的表现。研究团队构建了一个包含169个高质量任务的基准测试,涵盖生物化学、天文学等六个科学领域,并开发了一个真实环境让智能体通过CLI或GUI接口与科学软件交互。实验评估表明,即使是最先进的模型在这些复杂科学任务上的成功率也仅为15%,远低于人类表现,揭示了当前技术的局限性并为未来科学智能体的发展提供了宝贵见解。
帝国理工学院的研究团队开发了AlphaMed,这是首个仅通过极简规则强化学习就能培养医疗推理能力的AI模型,无需依赖传统的思维链示范数据。通过分析数据信息丰富度和难度分布的影响,研究发现高信息量的医疗问答数据是推理能力的关键驱动因素。AlphaMed在六个医疗问答基准上取得了领先成绩,甚至超越了更大的封闭源模型,同时展现出自发的步骤推理能力,为医疗AI发展提供了更加开放、高效的新路径。
Alita是一种新型通用AI代理系统,采用极简设计理念,以"最小预定义,最大自我进化"为原则构建。由普林斯顿大学等多家机构研究团队开发的Alita,只配备一个核心能力和少量通用模块,能自主创建所需工具并重用为模型上下文协议(MCPs)。实验显示,Alita在GAIA基准测试上达到87.27%的通过率,超越包括OpenAI Deep Research在内的复杂系统,证明简约设计可带来卓越性能。