集微网推出集成电路微信公共号：“天天IC”，重大新闻即时发布，天天IC、天天集微网，积微成著！长按 laoyaoic 复制微信公共号搜索添加关注。
1.传Intel收购虚拟中央处理器新星软机公司；
据知情人士爆料，英特尔正在筹备收购美国圣塔克拉拉的一家芯片设计商软机公司——SMI(Soft Machines )。据了解，该交易已经基本上敲定，但英特尔发言人和软机方面并末公布任何的消息。知情人士表示，这对于那些自2006年以来在软机上投入了2 亿美元资金的投资者来说并不是特别好的消息。
软机曾有希望成为硅谷的稀罕公司，即业界所指的10亿美元初创公司，不过有业界人士称，软机VISC设计的性能并未达到预期，因而公司的价值打了折扣。据悉，除了英特尔以外，尚有包括中国企业在内的其他企业有兴趣与软机组建合资企业。
软机的VISC处理器架构在业内颇有名气，VISC是英文可变指令集计算(Variable Instruction Set Computing)的缩写。VISC处理器含多个物理内核，可在软件里作为虚拟内核使用。两个或更多物理内核合在一起即可成为一颗虚拟中央处理器 (CPU)。
这些虚拟内核通过转换层执行 x86 及 32 位和 64 位 ARMv8 代码，转换层的作用是将指令转换成类似 RISC 的VISC指令。前端的负载平衡将物理内核分配给执行虚拟硬件线程的虚拟 CPU。分配是动态的，可根据应用程序运行改变;如果对特别大的内核有需要，那就凑上一个。这样做据称有益于性能。
软机2014年推出 500 MHz 8nm 设计原型，去年底曾将一16nm测试芯片送芯片工场造出样品。软机原计划今年展出代号为Mojave的2 GHz 2W 16nm FinFET 系统芯片，Mojave用的是有自己风格的Shasta内核设计。Mojave含两个虚拟内核，可映射成一个或两个物理内核。将来的系统芯片可望拥有更多的物理CPU。
网上可以搜到软机**技术官和主席Mohammad Abdallah两年前在处理器大会上的发言视频，他在视频里描述了VISC技术。
另外，芯片巨头英特尔近期处于规模温和的收购阶段，今年夏天曾吞掉 Movidius 和 Nervana。51CTO
2.iFixit 拆解iPhone 7 Plus，一探A10 Fusion芯片等元件；
苹果iPhone 7 系列、Apple Watch Series 2 16 日正式在台上市，相信读者您昨天可能在Facebook、******* 等社群网站上被iPhone 7 新机开箱所洗版。美国知名维修团队iFixit 同**也详细拆解iPhone 7 系列，特别是搭载双镜头的iPhone 7 Plus，揭开其机身内部的秘密。
虽然iPhone 7 系列在外型上仍旧与iPhone 6 / 6s 系列相似，但苹果逐年加入新功能，内部零组件配置有所调整；尤其今年iPhone 7 系列微调天线、加强防水防尘功能、取消3.5mm 耳机孔，改采全新广色域Retina 显示器、固态式Home 键以及A10 Fusion 晶片，甚至iPhone 7 Plus 采用广角与长焦双镜头，更令消费者好奇新机内部有着什么秘密。
首先，iFixit 仍是先从卸下Lightning 连接器两边的Pentalobe 螺丝开始逐步拆解。掀开iPhone 7 Plus 萤幕时，萤幕侧边与机身相连，不同于iPhone 6s Plus 是以上端与机身连接，若非小心拆解很可能造成排线损毁，推测这是为了加强防水防尘所作的调整，且周围连接处的黏着剂黏性也加强。
取消3.5mm 耳机孔，不仅是为了新机防水防尘的其中一环；让出的位置给了Taptic Engine 模组，这也使iPhone 7 Plus 的Home 键具备Force Touch 的反馈手感。
苹果官方称iPhone 7 Plus 电池使用时间比iPhone 6s Plus 长约1 小时，经拆解后发现iPhone 7 Plus 内建的锂电池为2900 mAh，相较iPhone 6s Plus 锂电池的2750 mAh 略高一些，但比iPhone 6 Plus 的2950 mAh 低了50 mAh。
iPhone 7 Plus 的1200 万像素广角与长焦摄录镜头是拆解过程的一大亮点，具备2 倍光学变焦、10 倍数位变焦的能力，以及光学影像稳定功能（Optical Image Stabilization，OIS）。此外，iPhone 7 系列的镜头仍是凸出于机身之外。
▲ 左为广角镜头，右为长焦镜头。
iPhone 7 Plus主板的部分，采用苹果A10 Fusion晶片（下图红色处，型号为APL1W24）、三星3 GB LPDDR4 RAM（型号为K3RG4G40MM-YGCH）、高通MDM9645M LTE Cat. 12基带（下图橘色处） 、东芝128 GB NAND Flash（型号为THGBX6T0T8LLFXF）等元件。欲进一步了解各个元件，可参考iFixit的资讯。
*后，苹果官方针对Nano-SIM 卡卡槽以胶条做了防水防尘的保护；iFixit 也确认固态式Home 键可拆下更换，但是比过去更加复杂难拆。iFixit 给予iPhone 7 Plus 7 分的维修评价，满分则为10 分。
IFIXIT
3.通吃iphone 7芯片 台积电大赢家；
苹果iPhone 7/7 Plus全球热卖，销售力道直逼两年前推出的iPhone 6。虽然此次苹果针对不同市场推出不同型号机种，并分别采用英特尔及高通的数据机基频晶片平台方案，但不论哪一种，都是由台积电代工生产，再加上 iPhone 7/7 Plus搭载的A10 Fusion应用处理器也由台积电**代工，台积电俨然成为*大赢家。
台积电受惠于 iPhone 7/7 Plus搭载晶片出货放量，8月合并营收冲上943.11亿元创下历史新高。法人表示，台积电第三季营收可望达到业绩展望高标，第四季虽有季节性库存调整，但以iPhone销售情况优于预期，第四季营运不看淡，营收季减率可望低于10％。
台积电ADR上周五小跌0.27美元、28.91美元作收，但台股连假期间（美国14日至16日）合计仍涨0.43美元、涨幅约1.5％，与台积电14日台股收盘价173.5元价差扩大，可望推升台积电今日股价上涨。
iPhone 7/7 Plus虽然基频晶片平台分别由英特尔及高通提供，但两家业者平台中的数据机基频晶片、多频段及射频收发器、电源管理IC等，均由台积电代工生产，加上核心A10 Fusion处理器也是由台积电操刀，搭载的戴乐格（Dialog）电源管理IC、博通WiFi及GPS晶片、凌云逻辑（Cirrus Logic）音讯IC等也是台积电接单生产。整体来看，台积电将成iPhone热卖下的*大赢家。
苹果新机搭载的A10 Fusion应用处理器，是采用台积电16奈米加强版鳍式场效电晶体（16FF+）制程，及*先进的整合扇出型晶圆级封装（InFO WLP），所以晶片能比上代A9更薄。工商时报
4.苹果积极布局传明年iPhone有无线充电；
无线充电技术可望在手机和电动车领域开花结果，连苹果（Apple）也在鸭子划水积极布局。外界预期，明年iPhone 8可能支援无线充电技术。
无线充电技术**方兴未艾，根据资策会MIC统计，2014至2015年，全美国无线充电**申请数量已经超过1000件，相当于2010至2013年申请量的总和。
MIC指出，前10名申请厂商包括三星（Samsung）、高通（Qualcomm）与LG等大厂，也包含丰田汽车（Toyota）及现代（Hyundai）等电动车供应链业者。
MIC预期，依据**申请概况推估，无线充电技术在未来几年内，会被大量导入到智慧终端及电动车，**发展潜能。
苹果（Apple）似乎也正在鸭子划水，积极布局无线充电技术。
国外科技网站The Verge先前报导，苹果正组建无线充电的专业团队，今年上半年有2位前新创企业uBeam工程师转战到苹果，这2位工程师具备无线充电与超音波（ultrasonic）技术的专业经验。
报导指出，过去2年来，苹果已雇用超过12位专精无线充电的专业人员。
国外媒体网站MacRumors先前指出，uBeam主要利用超音波转换成电流的原理，达到无线充电的功能。
市场也持续传出苹果正在开发无线充电技术的消息。彭博（Bloomberg）先前引述知情人士报导，苹果正开发下一代无线充电技术，*快2017年的iPhone新品，有机会内建无线充电技术。
外媒也引述消息人士报导，苹果有意与新创企业Energous合作，开发应用Energous的无线充电技术。
无线充电的应用趋向多元化。MIC表示，例如英国国营道路养护公司测试道路的地底，置入无线充电模组提供电动车使用；此外医疗机械业者Thoratec与无线充电技术业者WiTricity合作，开发使用磁场共振无线充电人工心脏，期盼减少动手术换电池的风险。
MIC预期，无线充电应用将愈来愈多元、融入人们的日常生活需求之中，同时也将加速无线充电技术的快速发展，促使无线充电的范围及速度获得显著提升。 中央社
5.双摄像头手机热！高通推Clear Sight技术加速推广；
Qualcomm Snapdragon 820 / 821 旗舰处理器现在又有了新的技术加持，这回是针对双镜头设计的 Clear Sight 技术，这项技术的发表，未来可望在市场上看到更多双镜头手机的推出。Qualcomm Clear Sight 主要是模仿人眼所拥有视锥细胞和视杆细胞的特性，试图让照片具备更高的动态范围、更锐利的画质，以及更少的弱光噪点；设计上包括两个镜头的单一全集成硬体模块，并且支援 Qualcomm Spectra ISP 的多项计算弱光成像演算法所组成。
Qualcomm Clear Sight 支援的双镜头，每个镜头拥有相同的焦距（可以看到同样远的距离），但却有着不同的图像传感器，分别是彩**像传感器（模仿视锥细胞）与黑白图像传感器（可吸收更多光线，模仿视杆细胞）。从技术上���看，彩色传感器和黑白传感器是相同的，但黑白传感器不含上层的彩色滤光片。没有它，传感器就无法捕捉色彩，但捕捉光线的能力能提高 3 倍，这对于在弱光环境下特别有帮助。高通方面指出，当两个镜头同时拍照并即时融合照片后，就能带来更出色的图像质量。
▲在没有彩色滤光片的情况下，黑白照片会有更好的对比度，在弱光条件下噪点更少，画质更佳锐利。当与另外一个彩色镜头拍摄的照片融合后，就会得到一张精彩绝伦的照片。sogi
6.量子的飞跃：下一代D-Wave量子芯片计算速度能快1000倍
导读：量子计算机（Quantum Computer）是一种使用量子逻辑进行通用计算的设备。不同于电子计算机（或称传统电脑），量子计算机用来存储数据的对象是量子比特，它使用量子算法进行数据操作。
我们也许离真正解锁量子计算的真实力量还很远，但是D-Wave承诺通过其显著升级的量子处理器让我们一尝未来的滋味。
当其明年初发布时，这家加拿大公司新的量子芯片将能处理2000量子比特的数据（qubits），几乎是现有D-Wave 2X系统中处理器可用数量的两倍，同时能够比前代产品的处理速度快1000倍。
D- Wave机器都是价值数百万美元的电脑，其使用“量子晶体管”来处理数据，另外使用液氮来冷却细小的环形铌到**零度。只有很少一些地方在使用这个系统，包括谷歌和高校空间研究学会（Universities Space Research Association）、洛克希德马丁（Lockheed Martin）和洛斯阿拉莫斯国家实验室（Los Alamos National Laboratory）。此外，D-Wave也提供云端服务允许用户来访问它的量子计算机系统。
量子计算仍然大部分处于理论研究阶段，其主要研究如何利用的奇怪和违反直觉的方式，在原子水平上开发非常强大的机器。对于某些特定任务，量子计算机有潜力比现有的系统要明显快上许多倍，同时更加节能。但是通用的量子计算机目前还不存在，D-Wave系统利用不同的原子行为特性（比如纠缠和状态叠加等）来解决一系列困难的计算问题。
“我们选择的方向发展十分迅速，几乎每年量子比特的数目都会翻一倍。”D-Wave业务发展和战略合作伙伴Colin Williams说道。
提升D-Wave处理器中的量子比特使得系统更加靠近拥有挑战传统计算机的能力，同时新的处理器也支持添加新的特性（允许进行更有效地运算）。
“从内部测试来看，这是一个非常值得去做的事情。通过利用这种特性我们已经加速了1000倍去解决那些存在的问题。”剑桥CW TEC的William这样说道。
如果按照今日的计算机来类比的话，D-Wave系统不是通用的计算机。
D-Wave能做的远不止你要求的任一计算任务，它被设计来是处理一些特定的任务（像无约束二进制优化及相关取样问题等）。有关这类优化问题可以举一个非常简单的例子，你要制定一个房子的规划，它要尽可能符合你心目中理想的条件、细节，但是又要保持在你的预算范围中。
D-Wave处理器能够执行的特定工作也能应用到一系列领域中，特别是训练机器学习模型。
然而，建立通用的量子计算机仍然存在十分巨大的困难，有几个尚未解决的工程难题摆在面前。UCL纳米电子学和光子学教授John Morton通过过去芯片发展趋势推算，预测**代通用量子计算处理器不会在21世纪30年代之前出现。
John Morton提到仅仅一个计算器的话并不能称为计算机，因此D-Wave系统并不能说是一个通用的量子计算机。“一个计算器能够解决许多特定的问题。很多人都在使用它，并且你也能在不同的工业领域中使用它。因此当D-Wave展示出很多个工业领域中都可以运用它们的机器时，也许确实其可以被应用到该领域中，但是它仍然只是一个特定的设备而已。”
虽然谷歌目前并没有将D-Wave运用到自身的机器学习系统中，但是D-Wave处理器的可信度（一直有学术界人士质疑）在去年谷歌的一个实验中得到验证。
在谷歌的实验中，处理同样大小数据量时D-Wave所需要的退火时间要少几个数量级，下图所示为模拟退火方法（SA）,量子蒙特卡洛方法及D-Wave 2X在执行退火操作所用时间的对比结果。
该实验发现D-Wave 2X处理器在进行相似的操作中比传统的处理器要快上1亿倍，不过Williams说更重要是，这证明了D-Wave的芯片在未来的可行性。
实验中也为我们展示了D-Wave 2X处理器在处理弱-强集群网络问题方面的几个实例的布局图（见下图）。图中所示为三个不同规模大小的网络295,490，945量子比特。每一个集群由 Chimera图的一个8量子比特单元构成。橙色的点所描述的是一个强局部场的量子比特，蓝绿色的点代表弱场的量子比特。蓝色线代表强磁耦合，红色线代表强反磁耦合。注意，由于并不是所有的1152量子比特都具有可操作性，所得到的图像可能呈现无规律性。
“该实验的主要结果并不完全是速度的提升，因为在其他经典算法上能够做到更好。这个实验表明量子隧穿真的在D-Wave芯片中发生着。这说明即便隧穿范围是有限的，它仍然是一个有用的计算工具。”
“谷歌同我们一样明白，当我们进一步使得芯片更加紧密连接时，目前运行良好的经典算法将会马上完全失败。”Williams另外提到。
D- Wave已经从许多投资者那边募集了几百万美金，投资者包括高盛投资银行、In-Q-Tel（美国中央情报局投资部）、Bezos Expeditions（亚马逊创始人Jeff Bezos）以及BDC Capital、Harris & Harris Group和DFJ。
一台能够模仿人类说话的机器
D-Wave芯片太过于专业化，反而限制了其实用性，这是关于这种芯片的另一种批判性观点，但是， Willams并不赞同这种观点。
“认为D-Wave芯片用途过于单一，我不赞同这种观点。事实上，该种芯片在一个领域的应用能够被扩展到更多不同的领域”，他表示。
Williams 未直接提及有哪些公司通过这种方式运用D-Wave芯片，他表示，这类处理器被应用于商业领域来优化交易轨迹，在生物科学中用于研究蛋白质是如何组合的，并构建蛋白质序列过滤器，以便**检测每一个潜在的蛋白质序列，D-Wave芯片的这种应用有助于改善检测恐怖分子名单的安检服务，同时也有助于研发AI 和计算机视觉二元分类器。
但是，D-Wave芯片的理论基础是无监督机器学习，为一个神经网络提供训练数据，机器通过识别模式进行学习。Williams认为，D-Wave处理器将产生巨大的影响，也许能够解释Google在该技术领域的研究兴趣。
“我们认为，机器学习与AI是这种机器**的应用案例。D-Wave芯片将有可能为机器学习领域，尤其是为无监督生成学习研究，带来一场彻底的**”，他认为。
“利用这种量子芯片，我们将有能力解决机器学习领域先前出现的**挑战性的问题——‘如何使无监督生成型机器学习能够有效地投入到实际应用中？’”
如果能够解决上述问题，你将能够运用机器学习实现许多不可思议的突破。通过训练机器，你能够使它生成新的数据，从统计学层面来讲，新生成的数据能够达到与用于训练机器本身的数据高度相似的效果。
Williams预测，未来的D-Wave芯片能够训练机器，例如用绘画大师的作品来训练机器，使机器能够生成具有艺术价值的新作品，或者使机器能够高度逼真地模仿人类的声音。
D-Wave已经在芯片上运用机器学习进行过实验，构建出一种玻尔兹曼机，一种随机递归神经网络，也可以称之为“量子玻尔兹曼机”，Willams表示，“这种量子玻尔兹曼机在本质上有别于先前的机器学习模型”。
Williams认为，D-Wave芯片，或其他类型的量子处理器不会取代一些经典的计算机芯片，反之，将会与这些经典的芯片共同被用户使用。
“我们认为，量子计算不会取代经典的机器，这种计算方法将通过强化经典的系统来改变世界”，Williams表示。
例如，你能够获取一台量子计算机的输出信息，将其作为输入信息运用到一种启发式搜索算法中。核心观点是这种量子算法有助于你接近而不能够找到一种好的解决方案，而一种经典的算法则能够有助于*终找到这种解决方案。
我们也可以从一些预处理技术中选取一个难以解决的问题，运用这种量子芯片将这个问题分解为一系列小问题。
Williams表示，除了能够处理2000量子比特，D-Wave将基于我们学习到的所有经验，运用一种新型拓扑结构，设计出一种“下一代芯片”。
关于新型D-Wave芯片的更多详细信息
针对那些对实质问题感兴趣的专业人士，Williams对2,000量子比特芯片的性能做出了深度解说。
每一个D-Wave处理器的设计宗旨是用于量子退火，即运用量子物理学知识找到一种消耗能量*小的状态，这将有利于解决优化问题和上述提到的相关样本问题。关于这种新型芯片如何更加有效地控制退火过程，Williams也做出了详细解释。
经过参考哈密顿公式（在给出一个系统的状态的条件下，运用该公式能够在该系统中输出能量），他表示，“这种新型芯片不仅仅能够处理更多的量子比特，我们已经运用它改变了许多其他特征。运用先前的D-Wave芯片，我们只能够观察一种退火轨迹。目前，我们只能基本做到闭合初始哈密顿回路，打开*终哈密顿回路”。
现在运用能够处理2,000量子比特的芯片，我们将能够更好地控制参数，控制轨迹。
我们能够运用很多特征中止退火过程，并且能够快速加速这一过程。不再需要以一种恒定的速度执行退火这一过程。
这将是非常有趣的，因为你能够在退火正在进行的过程中，探测量子的状态，这是量子玻尔兹曼机的一个极为重要的特征。
我们先前也拥有一个快速退火生成系统，能够在20微秒内操作完成退火过程。不过，运用我们的新系统，能够实现在5微秒能完成这一操作。雷锋网
公安机关备案号：
