Главная > Новости > Ментор: ИИ станет еще одним катализатором десятилетия роста в полупроводниковой промышленности

Ментор: ИИ станет еще одним катализатором десятилетия роста в полупроводниковой промышленности

После взрыва интернет-пузыря в 2001 году многие люди были полны сомнений относительно будущего развития всей полупроводниковой промышленности.

В то время, когда происходил обвал рынка, многие полупроводниковые компании начали интегрироваться; привлекательные инвестиции отрасли в капитал ветра также были значительно сокращены; технологические исследования и разработки в процессе разработки и других аспектах также застоялись и замедлились.

Тем не менее, в полупроводниковой промышленности произошел новый поворот. В интервью с журналистами, такими как Ji Wei.com, исполнительный вице-президент Mentor IC EDA Джозеф Савицкий сказал, что отрасль пополняется возможностями, стимулируемыми новыми технологиями, такими как искусственный интеллект и машинное обучение.

В отчете McKinsey отмечается, что искусственный интеллект может применяться во многих вертикальных областях, что позволяет полупроводниковым компаниям получать от 40 до 50% общей стоимости от этих технологических стеков. Джозеф сказал, что искусственный интеллект станет мощным катализатором еще одного 10-летнего цикла роста в полупроводниковой промышленности. Но чтобы эта тенденция была по-настоящему реализована, необходимо много данных в качестве поддержки.

«Имея достаточное количество данных, вы можете быть прогнозирующими, поэтому вы сможете очень надежно обучить свою машину и позволить ей эффективно учиться». Джозеф также добавил, что объем данных, необходимых и создаваемых для высокоскоростной связи, увеличится в течение следующих 12 лет. Это приведет к росту в тысячи раз, и эти данные необходимо проанализировать, а затем принять меры на основе этого анализа.

Однако под воздействием «цунами данных» развитие искусственного интеллекта также сталкивается с различными противоречиями. Джозеф упомянул две противоречивые цели в развитии искусственного интеллекта:

Одна из целей состоит в том, что многие люди хотят постоянно расширять возможности центра обработки данных, чтобы справляться с такими огромными объемами данных. Поэтому такие компании, как Alibaba и Amazon, разрабатывают движки, связанные с ИИ, которые используют этот движок для обучения огромных объемов данных.

С другой стороны, цель некоторых компаний состоит в том, чтобы направить все больше и больше вычислительных мощностей на границу облака, тем самым снимая некоторое давление на развитие центра обработки данных.




Разработка чипов в периферийных вычислениях значительно превзойдет чип, требуемый центром обработки данных. По данным Tractica, с 2016 по 2021 год совокупный годовой темп роста устройств, подключенных по краям, достигнет 190%.

Джозеф сказал, что, ближе, современные вычисления / обработка будут основным двигателем роста в полупроводниковой промышленности. Поскольку конкретные приложения во многих областях требуют оптимизированных конструкций микросхем для достижения оптимальной производительности микросхем, это будет возможностью для поставщиков инструментов EDA, таких как Mentor.

Джозеф подчеркивает, что в искусственном интеллекте современных вычислений дизайн чипов часто определяется конкретными требованиями разработки архитектуры. Таким образом, текущая платформа разработки ИИ полностью отличается от предыдущей среды разработки.

В связи с этим Джозеф представил инструменты для проектирования микросхем Mentor специально для области искусственного интеллекта:

lHLS (синтез высокого уровня): возьмем NVIDIA в качестве примера. Используя этот инструмент, вы можете увеличить производительность почти в два раза и расходы на проверку на 80%.

lHierarchicl test: помогает клиентам еще больше повысить производительность и сократить расходы. На примере клиента Graphcor, с помощью этого инструмента производительность DFT была увеличена в 4 раза, скорость передачи теста была значительно улучшена, а период проектирования был сокращен до 3 дней на основе фактических данных.

Технология lOPC: используется в производстве полупроводников, для производства одной маски требуется 4 000 процессоров в день за 7 нм, но если вы используете алгоритмы машинного обучения, вы можете сократить время работы в 3-4 раза.

Технология LLFD (литографически дружественная): значительно снижает предельный коэффициент текучести и сокращает время работы в 10 раз. Не только можно выявить дефекты в процессе производства, но и прогнозировать дефекты.

Инструмент размещения: решает проблему отказа продукта или компонента и повышает качество и эффективность производства.

Кроме того, Mentor предоставляет технологическую платформу определения характеристик для автомобильной промышленности, предоставляя подробный анализ общей надежности и безопасности в сочетании с AI для сокращения времени выполнения определения характеристик в 100 раз. Имитатор автопилота PAVE 360 также непрерывно моделирует реальные данные. мировые условия под виртуальной машиной, еще больше сокращая время проверки.

Независимо от того, являются ли будущие интеллектуальные чипы специализированными или гибкими, у отрасли разные мнения. Но Джозеф сказал корреспонденту микронета, что EDA - нейтральный инструмент. В будущем Mentor предоставит большую среду, в которой клиенты могут использовать инструменты для моделирования и разработки своего программного обеспечения в конкретных средах. Это самая важная ценность, которую Mentor предлагает в качестве EDA-компании.