生成式AI
關注創建者：匿名 創建時間：2026-01-04
生成式AI的視頻教程
Cadence Celsius Studio從芯片到系統熱仿真解決方案
除了帶來全新的系統級熱完整性解決方案，將電熱協同仿真、電子散熱和熱應力分析融合在一起，Celsius Studio 還能夠無縫地用于設計同步多物理場分析，助力設計人員在設計流程的早期發現熱完整性問題，并有效利用生成式 AI 優化算法和新穎的建模算法來確定理想的散熱設計。 同時，Celsius Studio 采用大規模并行架構，與之前的解決方案相比，性能快10倍！
免費 54分鐘 207播放
查看
生成式AI的實例教程
識別生成式AI解決方案的商業價值 課程時長：1小時 課程大小：140.0MB 發布年份：2026 課程內容：許多機構在引入生成式AI時，缺乏評估其價值與展示實際回報的清晰框架。本課程將幫助你掌握評估生成式AI應用場景的能力，使其與實際業務成果相匹配。你將學習生成式AI基礎理念、成
尤其在數據閉環迭代、長尾場景驗證及安全冗余驗證等關鍵環節中，高保真、高復雜度的場景生成能力正在成為測試體系的核心支撐。
傳統場景生成方式面臨效率低、人工成本高、行為多樣性不足等問題，難以滿足當前智能駕駛系統對大規模、多模態、真實物理驅動場景的需求。為應對這一挑戰，基于生成式AI的4D場景生成技術迅速興起，構建了從環境建模、行為重建到視覺渲染的完整鏈條，正在重塑自動駕駛仿真驗證的技術基礎。
本文將從技術背景、系統能力、核心技術和實際應用四個方面，系統梳理AI驅動的4D場景生成體系及其在自動駕駛仿真中的實踐價值。
一、測試覆蓋率瓶頸與生成式AI切入點
自動駕駛測試需要應對極其復雜的交通場景，包括非結構化路口、弱交通規則區域、極端天氣、低照度場景，以及多主體交互引發的不確定性行為等。當前基于真實數據采集或手工建模的方式存在如下限制：
（1）采集成本高：依賴實車、實景、多模態同步設備，周期長、數據稀疏；
（2）稀有場景不足：事故場景、異常行為等真實比例極低，難以高質量復現；
（3）組合爆炸問題：參數空間（如天氣、時間、交通密度）指數級增長，難以人工覆蓋；
（4）場景可控性弱：缺乏可調控的語義接口，測試粒度不足。
生成式AI具備從數據中學習潛在分布、生成新組合樣本的能力。其引入使得場景構建從“手工定義”轉向“自動生成”，具備如下優勢：
（1）能構造真實但未見過的長尾組合；
（2）能對目標測試策略進行定向增強（如遮擋率、交通密度等指標）；
（3）可支持大規模仿真測試平臺的持續供場；
（4）支持動態交互與時間演進建模，構建完整4D語義閉環。
二、4D場景生成的核心能力
所謂4D場景生成，核心在于“空間 + 時間”的聯合建模能力，既要對物理環境建模，也要對場景中各類參與者的行為軌跡進行動態建模與演化。
展開 GPT，即“生成式預訓練模型”（Generative Pretrained Transformer），是一個能“理解”數據之間關系的復雜數學模型。在使用您可能熟悉的ChatGPT這類工具時，該模型通過語言數據進行了訓練，創建了一個模型來描述語言中的詞匯如何相互關聯。通過研究書籍、文檔、博文、錄音轉寫等中的數十億個詞匯，該模型能夠理解一個詞匯如何根據不同的上下文與另一個詞匯相關聯。通過這種方式，它也能理解新的輸入并逐詞生成輸出，形成類似我們聊天時的回應。當它為輸出生成一個新詞時，它會回顧上下文并生成句子中接下來最可能出現的詞。
如今，市面上有很多LLM（Large Language Model，大型語言模型），而OpenAI的GPT-4模型就是其中之一。到目前為止，GPT已經經歷了四次重大迭代，每一次都在功能、記憶力和理解力方面超越了之前的模型。
盡管GPT通常來說是用于理解人類語言，但它實際上只是一個模型，也可以被訓練用來理解如代碼等其他類型數據間的關系。這意味著我們可以與它討論某段代碼，并要求它進行分析，或是通過往復對話來幫助我們自己更好地理解代碼。
API審查的現狀
自去年12月中旬以來，我們一直在運行一個概念驗證機器人，監控提交到codereview.qt-project.org的更改，并通過GPT-4進行diff（代碼差異）分析。由于生成式AI不會自行作出反應，它必須根據提示語來生成輸出。提示語可以包含指令、請求、上下文信息等。以下是我們用于API審查的提示語，以及提供的一段原始代碼更改差異：
（摘要）“任務：對公共頭文件中的更改進行分類，判定它們是否對API的行為和使用具有重大影響。
展開 高級RAG：構建與部署生產級生成式AI應用 發布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時，文件大小10.1GB。 你將學到：使用BM25混合搜索、RRF融合與Qdr
MINDS 獎項與項目隸屬于世界經濟論壇的 AI Global Alliance（全球人工智能聯盟）計劃，旨在甄選能夠在高復雜度、高風險挑戰中引領人工智能應用落地的組織。新思科技與 AMD 是基于雙方在半導體芯片設計領域將強化學習、生成式 AI 以及代理式（Agentic）AI 應用于工程流程方面的突出貢獻而受到表彰——這是一個對創新速度與精度要求極高的技術領域。
在芯片設計中引入人工智能，已不再是可選項。架構復雜性快速攀升、性能目標日益激進以及人才缺口持續擴大，使傳統的工程工作流面臨極限壓力。
AI 驅動的設計流程緩解了這些壓力——它們并非取代工程師，而是提升專家知識的效能與決策質量。代理式（Agentic）與基于學習的系統能夠幫助開發者更快速地探索龐大的設計空間，更有效地權衡取舍，并在問題成本最低時提前發現潛在隱患，從而實現更短的開發周期、更高質量的芯片以及更具韌性的創新鏈路。隨著上市時間壓力加劇以及高端芯片需求持續增長，這類流程正成為半導體行業未來發展的關鍵路徑。
新思科技與 AMD 被選為 MINDS 獎項得主，凸顯了在前所未有的行業壓力下，AI 創新在半導體行業中的戰略重要性。通過對這兩家公司的認可和表彰，世界經濟論壇強調：基于代理式（Agentic）和強化學習驅動的 AI 正從實驗階段邁向可規模化、可投入生產的工作流程。它們在增強人類開發者專業能力的同時，為工程團隊及更廣泛的科技生態體系帶來實質性價值。
作為全球最具創新力企業的重要研發合作伙伴，新思科技始終致力于推動行業前行。此次入選世界經濟論壇 MINDS 項目，并因 AI 在芯片設計這一極其復雜的工程領域中的突破性應用而獲得認可，我們深感榮幸。
展開 
生成式AI的相關專題、標簽、搜索
生成式AI的最新內容
· AI 賦能迭代：2025 版本引入AI 輔助建模與優化，自動生成約束方案、優化設計參數，求解效率提升60%；未來將融合生成式 AI，實現 “概念草圖 - 仿真模型” 一鍵生成，進一步降低使用門檻。
3. 未來發展趨勢
· 多物理場深度融合：強化機械 - 電 - 液 - 熱 - 控制全耦合仿真，適配新能源汽車、智能裝備等復雜系統需求。
廣泛的探索空間
生成式AI打通生成式工程與虛擬孿生技術的應用脈絡，為創新發展注入強勁動力。這不僅可加速設計探索，同時還能在一體化高效流程中優化性能、合規性與可持續性。
設計即合理
從設計源頭確保產品的安全性、可靠性以及可制造性。CATIA將質量與合規性檢查直接嵌入在設計流程中，助力將零妥協的創新成果推向市場。
識別生成式AI解決方案的商業價值17天前
識別生成式AI解決方案的商業價值 課程時長：1小時 課程大小：140.0MB 發布年份：2026 課程內容：許多機構在引入生成式AI時，缺乏評估其價值與展示實際回報的清晰框架。本課程將幫助你掌握評估生成式AI應用場景的能力，使其與實際業務成果相匹配。你將學習生成式AI基礎理念、成
高級RAG：構建與部署生產級生成式AI應用 發布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時1個月前
高級RAG：構建與部署生產級生成式AI應用 發布于2026年，視頻格式MP4，視頻編碼h264，分辨率1920×1080，音頻編碼AAC，采樣率44.1kHz，雙聲道。課程共114講，時長11小時，文件大小10.1GB。 你將學到：使用BM25混合搜索、RRF融合與Qdr
AI訓練，規控算法測試，自動駕駛軟件工具鏈集成等領域的應用與研究。
PCIe 7.0 可將帶寬翻倍并降低延遲，這對于快速發展的生成式 AI 和 HPC 應用而言至關重要。感謝新思科技能夠支持 PCIe 7.0 生態系統，持續推動前沿技術發展。
Narendra Konda
硬件工程副總裁
英偉達
軟件定義的 HAV 能力延展系統生命周期價值：
持續的軟件改進帶來復合性能提升、更高的調試效率，以及為新系統和已安裝系統提供更多應用場景能力。
Ansys AVxcelerate自動駕駛仿真網絡研討會專題
時間：16:00-17:00
講師簡介：
劉宏鯤 | Ansys 高級應用工程師
Ansys智駕領域應用工程師，從事感知算法測試，基于生成式數據的AI訓練，規控算法測試，自動駕駛軟件工具鏈集成等領域的應用與研究。
時間：4月 3日（星期五），14:00–15:00
地點：線上直播
講師簡介：
史迎輝 | 新思科技應用工程師
負責數字電路驗證系列產品的支持，在DDR VIP，低功耗動態驗證，生成式AI代碼生成等方向具有豐富經驗。
掃碼立即報名參會?
生成式數據AI訓練，自動駕駛軟件工具鏈集成。
適合人群：自動駕駛算法工程師、ADAS測試工程師、虛擬仿真專家
NO.3 新一代嵌入式軟件解決方案 - Ansys Scade One
核心價值：符合ISO 26262、DO-178C標準的嵌入式軟件開發。PyScadeOne API，融入Python生態圈。
面向幾何結構的Ansys GeomAI平臺引入了一種由生成式AI驅動的概念設計探索方法，使工程團隊能夠以更高的創造力和效率快速生成、評估和優化幾何結構概念。通過直接學習參考設計，GeomAI可幫助工程師在保持工程意圖的同時加速早期創新，確保AI生成的概念具備可預測性、可靠性，且可用于下游驗證。
