Σπίτι > Νέα > Mentor: Η AI θα είναι ένας άλλος καταλύτης για τη δεκαετία ανάπτυξης στον κλάδο των ημιαγωγών

Mentor: Η AI θα είναι ένας άλλος καταλύτης για τη δεκαετία ανάπτυξης στον κλάδο των ημιαγωγών

Μετά την έκρηξη της φούσκας στο Internet το 2001, πολλοί άνθρωποι ήταν γεμάτοι αμφιβολίες σχετικά με τη μελλοντική ανάπτυξη ολόκληρης της βιομηχανίας ημιαγωγών.

Στον γύρο της κατάρρευσης της αγοράς εκείνη την εποχή, πολλές εταιρείες ημιαγωγών άρχισαν να ενσωματώνουν? η ελκυστική επένδυση του κλάδου σε αιολικό κεφάλαιο μειώθηκε επίσης σε μεγάλο βαθμό. η τεχνολογική έρευνα και ανάπτυξη στην ανάπτυξη της διαδικασίας και άλλες πτυχές έχουν επίσης στασιμόσει και επιβραδυνθεί.

Ωστόσο, η βιομηχανία ημιαγωγών έχει δει μια νέα ανάκαμψη τώρα. Σε μια συνέντευξη με δημοσιογράφους όπως ο Ji Wei.com, ο εκτελεστικός αντιπρόεδρος της Mentor IC EDA, Joseph Sawicki, δήλωσε ότι η βιομηχανία είναι γεμάτη ευκαιρίες υπό την υποκίνηση νέων τεχνολογιών όπως η τεχνητή νοημοσύνη και η μηχανική μάθηση.

Μια έκθεση του McKinsey επεσήμανε ότι η τεχνητή νοημοσύνη μπορεί να εφαρμοστεί σε πολλές κάθετες περιοχές, γεγονός που επιτρέπει στις εταιρείες ημιαγωγών να συλλάβουν το 40 έως 50% της συνολικής αξίας από αυτές τις τεχνολογικές στοίβες. Ο Ιωσήφ δήλωσε ότι η τεχνητή νοημοσύνη θα αποτελέσει ισχυρό καταλύτη για έναν ακόμη 10ετή κύκλο ανάπτυξης στον κλάδο των ημιαγωγών. Αλλά για να γίνει πραγματικότητα αυτή η τάση, απαιτούνται πολλά δεδομένα ως υποστήριξη.

"Με αρκετά δεδομένα, μπορείτε να είστε προγνωστικά, ώστε να μπορείτε να εκπαιδεύσετε το μηχάνημά σας πολύ αξιόπιστα και να αφήσετε τη μηχανή να μάθει αποτελεσματικά". Ο Joseph πρόσθεσε επίσης ότι η ποσότητα των δεδομένων που απαιτούνται και δημιουργήθηκαν για επικοινωνία υψηλής ταχύτητας θα αυξηθεί τα επόμενα 12 χρόνια. Θα οδηγήσει σε χιλιάδες φορές ανάπτυξης και τα στοιχεία αυτά πρέπει να αναλυθούν και στη συνέχεια να αναλάβουν δράση με βάση αυτή την ανάλυση.

Ωστόσο, υπό την επίδραση του "τσουνάμι δεδομένων", η ανάπτυξη της τεχνητής νοημοσύνης αντιμετωπίζει επίσης διάφορες αντιφάσεις. Ο Ιωσήφ ανέφερε δύο αντικρουόμενους στόχους στην ανάπτυξη της τεχνητής νοημοσύνης:

Ένας στόχος είναι ότι πολλοί άνθρωποι θέλουν να ενισχύσουν συνεχώς τις δυνατότητες του κέντρου δεδομένων για να αντιμετωπίσουν τόσο τεράστιες ποσότητες δεδομένων. Έτσι εταιρείες όπως το Alibaba και το Amazon αναπτύσσουν μηχανισμούς σχετιζόμενους με την τεχνολογία της τεχνολογίας της πληροφορίας που χρησιμοποιούν αυτόν τον κινητήρα για να εκπαιδεύσουν τεράστια ποσά δεδομένων.

Από την άλλη πλευρά, ο στόχος ορισμένων εταιρειών είναι να πιέσουν όλο και περισσότερη δύναμη επεξεργασίας στην άκρη του νέφους, αποδίδοντας έτσι κάποια πίεση στην ανάπτυξη του κέντρου δεδομένων.




Η ανάπτυξη τσιπ στον υπολογισμό των άκρων θα υπερβεί σε μεγάλο βαθμό το τσιπ που απαιτείται από το κέντρο δεδομένων. Σύμφωνα με την Tractica, από το 2016 έως το 2021, ο σύνθετος ετήσιος ρυθμός αύξησης των συσκευών που συνδέονται με την άκρη θα ανέλθει στο 190%.

Ο Joseph δήλωσε ότι η πιο κοντινή υπολογιστική επεξεργασία θα είναι ο κύριος κινητήρας για την ανάπτυξη της βιομηχανίας ημιαγωγών. Δεδομένου ότι οι συγκεκριμένες εφαρμογές σε πολλές περιοχές απαιτούν βελτιστοποιημένα σχέδια τσιπ για την επίτευξη της βέλτιστης απόδοσης τσιπ, αυτό θα είναι μια ευκαιρία για τους πωλητές εργαλείων EDA όπως ο Mentor.

Ο Ιωσήφ τονίζει ότι στον σχεδιασμό chip-AI, ο σχεδιασμός των τσιπ καθορίζεται συχνά από συγκεκριμένες απαιτήσεις ανάπτυξης αρχιτεκτονικής. Έτσι, η τρέχουσα πλατφόρμα ανάπτυξης του AI είναι εντελώς διαφορετική από το προηγούμενο περιβάλλον ανάπτυξης.

Από αυτή την άποψη, ο Joseph παρουσίασε τα εργαλεία σχεδίασης τσιπ Mentor ειδικά για το πεδίο AI:

lHLS (σύνθεση υψηλού επιπέδου): Πάρτε το παράδειγμα της NVIDIA. Χρησιμοποιώντας αυτό το εργαλείο, μπορείτε να αυξήσετε την παραγωγικότητα κατά σχεδόν δύο φορές και το κόστος επαλήθευσης κατά 80%.

lHierarchicl test: Βοηθάει τους πελάτες να αυξήσουν περαιτέρω την παραγωγικότητα και να μειώσουν το κόστος. Λαμβάνοντας ως παράδειγμα τον πελάτη της Graphcor, με τη χρήση αυτού του εργαλείου, η παραγωγικότητα DFT αυξήθηκε κατά 4 φορές, η ταχύτητα της μεταφοράς δοκιμής βελτιώθηκε σημαντικά και η χρονική περίοδος σχεδιασμού μειώθηκε σε 3 ημέρες με βάση τα πραγματικά δεδομένα.

Η τεχνολογία lOPC: χρησιμοποιείται στην κατασκευή ημιαγωγών, απαιτεί 4000 CPU για να τρέξει μια μέρα σε βάση 7nm για να παράγει μία Μάσκα, αλλά αν χρησιμοποιήσετε αλγόριθμους μηχανικής μάθησης, μπορείτε να μειώσετε τον χρόνο λειτουργίας κατά 3-4 φορές.

Η τεχνολογία lLFD (λιθογραφικά φιλική): μειώνει σημαντικά τον συντελεστή ορίου απόδοσης και μειώνει τον χρόνο εκτέλεσης 10 φορές της παραγωγής. Όχι μόνο μπορεί να εντοπίσει ελαττώματα στην παραγωγική διαδικασία, αλλά και να προβλέψει ελαττώματα.

Εργαλείο κατάθεσης: λύνει το πρόβλημα της βλάβης του προϊόντος ή του εξαρτήματος και βελτιώνει την ποιότητα και την αποδοτικότητα της παραγωγής.

Επιπλέον, ο Mentor παρέχει μια πλατφόρμα τεχνολογίας χαρακτηρισμού για την αυτοκινητοβιομηχανία, παρέχοντας μια λεπτομερή ανάλυση της συνολικής αξιοπιστίας και ασφάλειας σε συνδυασμό με την AI για τη μείωση του χρόνου εκτέλεσης του χαρακτηρισμού κατά 100. Ο προσομοιωτής Autopilot PAVE 360 προσομοιώνει συνεχώς, παγκόσμιες συνθήκες κάτω από την εικονική μηχανή, μειώνοντας περαιτέρω τον χρόνο επαλήθευσης.

Εάν οι μελλοντικές έξυπνες μάρκες είναι αφιερωμένες ή ευέλικτες, ο κλάδος έχει διαφορετικές φωνές. Αλλά ο Ιωσήφ είπε στον δημοσιογράφο του micronet ότι το EDA είναι ένα ουδέτερο εργαλείο. Στο μέλλον, ο Mentor θα προσφέρει ένα μεγάλο περιβάλλον όπου οι πελάτες μπορούν να χρησιμοποιήσουν τα εργαλεία για να μοντελοποιήσουν και να αναπτύξουν το λογισμικό τους σε συγκεκριμένα περιβάλλοντα. Αυτή είναι η πιο σημαντική αξία που προσφέρει η Mentor ως εταιρεία EDA.