作为公司提高供应链韧性战略的一部分,该举措将助力Microchip实现40纳米专业工艺

Microchip Technology(微芯科技公司)宣布扩大与全球领先的半导体代工厂台积电的合作伙伴关系,在台积电位于日本熊本县的控股子公司日本先进半导体制造公司(JASM)实现40纳米专业制造能力。该合作伙伴关系是Microchip建立供应链韧性的持续战略的一部分。其他举措包括投资更多技术提高内部制造能力和产能,以及与晶圆厂、代工厂、封装、测试和OSAT等合作伙伴建立更多的地理多样性和冗余性。
Microchip全球制造和技术高级副总裁Michael Finley表示:“Microchip致力于提供负责任和可靠的供应管理,与台积电达成新的制造合作关系有助于提升Microchip的声誉。在韧性强大的制造能力的支持下,客户可以放心地将我们的产品设计到他们的应用和平台中。”
JASM的晶圆产能供应进一步加强了Microchip在汽车、工业和网络应用等多个市场为全球客户提供服务的能力。
台积电北美业务管理高级副总裁Rose Castanares表示:“与Microchip的合作进一步证明了台积电支持客户长期发展和创新的承诺。随着先进技术的不断发展,我们与Microchip扩大合作将确保,我们能够携手在全球客户需要时,制造并准时交付产品。”
与台积电的合作伙伴关系以及JASM的产能为制造环境增添了更多保障,通过抵消频繁变化的业务条件和自然灾害等外部因素,有助于减少Microchip供应中断的可能性。如需了解更多有关Microchip企业责任和客户承诺的信息,请访问Microchip网站。
资源
可通过Flickr或联系编辑获取高分辨率图片(欢迎自由发布):
https://www.flickr.com/photos/microchiptechnology/53600864232/sizes/o/
Microchip Technology Inc. 简介
Microchip Technology Inc.是致力于智能、互联和安全的嵌入式控制解决方案的领先供应商。其易于使用的开发工具和丰富的产品组合让客户能够创建最佳设计,从而在降低风险的同时减少系统总成本,缩短上市时间。Microchip的解决方案为工业、汽车、消费、航天和国防、通信以及计算市场中约12万5千家客户提供服务。Microchip总部位于美国亚利桑那州Chandler市,提供出色的技术支持、可靠的产品交付和卓越的质量。详情请访问公司网站www.microchip.com。
###
注:Microchip的名称和徽标组合及Microchip徽标均为Microchip Technology Incorporated在美国和其他国家或地区的注册商标。在此提及的所有其他商标均为各持有公司所有。
警示声明:
本新闻稿中有关通过合作实现 40 nm 专业制造能力、该能力将加强 Microchip 在不同市场为全球广大客户提供服务的能力以及该能力有助于通过抵消外部因素降低 Microchip 供应中断的可能性的声明均为根据 1995 年《私人证券诉讼改革法案》(Private Securities Litigation Reform Act of 1995)的安全港条款做出的前瞻性声明。
这些陈述涉及可能导致我们的实际结果出现重大差异的风险和不确定性,包括但不限于:对预测及设想下的结论、某些正在开发中的产品类型的预期生产以及采用的特定技术、这些产品和客户产品的需求或市场接受度的变化以及我们满足市场需求的能力。
有关上述及其他风险因素的详细讨论,请参阅 Microchip 提交的 10-K 和 10-Q 表。您可以从 Microchip 网站 (www.microchip.com)或美国证券交易委员会网站(www.sec.gov)或商业文件检索服务免费获取 10-K 表和 10-Q 表及其他相关文件的副本。
请 Microchip 股东注意不要过分依赖我们的前瞻性声明,因为这些声明仅适用于作出声明的当日。Microchip没有义务更新任何前瞻性声明,以反映本新闻稿发布后的事件、公开情况或新信息,或反映意外事件的发生。
好文章,需要你的鼓励
在基于Chiplet的架构中,可观测性正成为系统设计的关键缺失环节。多位半导体行业专家指出,AI可从硅层遥测数据中挖掘价值,但前提是架构须提供一致的检测手段、近传感器数据压缩及可编程采集能力。专家们强调,多供应商Chiplet生态系统需要标准化、安全的遥测模式,以实现跨芯片、封装和互联域的故障定位,同时保护敏感运营数据。目前,AI在遥测分析阶段已展现出显著价值,但可观测性的扩展本质上仍是架构问题。
这项研究系统比较了四种AI图像分词策略在640000张星系图像上的表现,发现重建质量与物理属性预测能力之间存在根本性解耦,为天文基础模型的分词器选择提供了实验依据。
生命科学企业在全渠道战略和AI平台上投入巨大,但成效往往不尽如人意。问题根源不在于技术本身,而在于组织架构、数据治理和工作方式未能同步演进。许多转型项目止步于试点阶段,原因是各部门数据孤立、职责不清。要实现从传统CRM向智能互动的真正转型,企业需优先建立统一的数据基础和跨团队协作机制,并将AI能力嵌入日常工作流程,而非将其视为独立模块。
阿里Qwen团队研究如何将大模型的规模化训练思路迁移到机器人操作领域,通过统一多机器人表示与38100小时数据预训练,让机器人在陌生场景和陌生机型上也能完成复杂操作任务。