Dom > Aktualności > Mentor: AI będzie kolejnym katalizatorem dekady wzrostu w branży półprzewodników

Mentor: AI będzie kolejnym katalizatorem dekady wzrostu w branży półprzewodników

Po pęknięciu bańki internetowej w 2001 r. Wiele osób miało wątpliwości co do przyszłego rozwoju całej branży półprzewodników.

W tym czasie załamanie rynku spowodowało, że wiele firm produkujących półprzewodniki zaczęło się integrować; atrakcyjna inwestycja branży w kapitał wiatrowy również została znacznie zmniejszona; badania i rozwój technologii w zakresie rozwoju procesów oraz inne aspekty również uległy stagnacji i spowolnieniu.

Jednak przemysł półprzewodników zmienił się teraz. W rozmowie z dziennikarzami, takimi jak Ji Wei.com, wiceprezes wykonawczy Mentor IC EDA, Joseph Sawicki, powiedział, że przemysł jest ponownie pełen możliwości dzięki stymulowaniu nowych technologii, takich jak sztuczna inteligencja i uczenie maszynowe.

Raport McKinsey wskazał, że sztuczną inteligencję można zastosować w wielu obszarach wertykalnych, co pozwala firmom produkującym półprzewodniki na przechwycenie 40 do 50% całkowitej wartości z tych stosów technologii. Joseph powiedział, że sztuczna inteligencja będzie silnym katalizatorem dla kolejnego 10-letniego cyklu wzrostu w branży półprzewodników. Aby jednak ten trend został w pełni zrealizowany, potrzebnych jest wiele danych jako wsparcie.

„Przy wystarczającej ilości danych możesz przewidywać, dzięki czemu możesz bardzo niezawodnie trenować swoją maszynę i pozwolić jej na efektywne uczenie się.” Joseph dodał ponadto, że ilość danych potrzebnych i utworzonych do szybkiej komunikacji wzrośnie w ciągu najbliższych 12 lat. Zapoczątkuje tysiące razy wzrostu, a dane te należy przeanalizować, a następnie podjąć działania w oparciu o tę analizę.

Jednak pod wpływem „tsunami danych” rozwój sztucznej inteligencji napotyka również różne sprzeczności. Joseph wspomniał o dwóch sprzecznych celach w rozwoju sztucznej inteligencji:

Jednym z celów jest to, że wiele osób chce stale zwiększać możliwości centrum danych w celu radzenia sobie z tak ogromnymi ilościami danych. Firmy takie jak Alibaba i Amazon opracowują silniki związane ze sztuczną inteligencją, które wykorzystują ten silnik do szkolenia ogromnych ilości danych.

Z drugiej strony celem niektórych firm jest przesunięcie coraz większej mocy obliczeniowej na brzeg chmury, uwalniając w ten sposób pewną presję na rozwój centrum danych.




Rozwój chipów w obliczeniach brzegowych znacznie przewyższy chip wymagany przez centrum danych. Według Tractica od 2016 do 2021 r. Łączna roczna stopa wzrostu urządzeń podłączonych do krawędzi wyniesie nawet 190%.

Joseph powiedział, że bliżej, obliczeniowe przetwarzanie / przetwarzanie będzie głównym motorem wzrostu w branży półprzewodników. Ponieważ określone zastosowania w wielu obszarach wymagają zoptymalizowanych układów układów, aby osiągnąć optymalną wydajność układów, będzie to okazja dla dostawców narzędzi EDA, takich jak Mentor.

Joseph podkreśla, że ​​w sztucznej inteligencji obliczeniowej projektowanie układów często zależy od specyficznych wymagań rozwoju architektury. Obecna platforma programistyczna AI różni się całkowicie od poprzedniego środowiska programistycznego.

W związku z tym Joseph wprowadził narzędzia do projektowania układów Mentor specjalnie dla dziedziny AI:

lHLS (synteza wysokiego poziomu): Weźmy na przykład NVIDIA. Korzystając z tego narzędzia, możesz zwiększyć wydajność prawie dwa razy, a koszty weryfikacji o 80%.

Test hierarchiczny: pomaga klientom w dalszym zwiększaniu produktywności i obniżaniu kosztów. Biorąc za przykład klienta Graphcor, dzięki temu narzędziu, wydajność DFT została zwiększona czterokrotnie, szybkość transferu testów została znacznie poprawiona, a czas projektowania skrócono do 3 dni w oparciu o rzeczywiste dane.

Technologia lOPC: stosowana w produkcji półprzewodników, potrzeba 4000 procesorów, aby uruchomić jeden dzień na podstawie 7 nm, aby wyprodukować jedną maskę, ale jeśli zastosujesz algorytmy uczenia maszynowego, możesz skrócić czas pracy o 3-4 razy.

Technologia lLFD (przyjazna litograficznie): znacznie zmniejsza współczynnik ograniczenia wydajności i skraca czas pracy 10-krotnej produkcji. Nie tylko potrafi zidentyfikować wady procesu produkcyjnego, ale także przewidzieć wady.

Narzędzie do pozycjonowania: rozwiązuje problem awarii produktu lub komponentu oraz poprawia jakość i wydajność produkcji.

Ponadto Mentor zapewnia platformę technologii charakteryzacji dla przemysłu motoryzacyjnego, zapewniając szczegółową analizę ogólnej niezawodności i bezpieczeństwa, w połączeniu z AI w celu skrócenia czasu charakteryzacji o współczynnik 100. Symulator autopilota PAVE 360 również stale symuluje rzeczywiste warunki na świecie pod maszyną wirtualną, co dodatkowo skraca czas weryfikacji.

Niezależnie od tego, czy przyszłe inteligentne chipy będą dedykowane czy elastyczne, branża ma różne głosy. Ale Joseph powiedział reporterowi mikronetowemu, że EDA jest neutralnym narzędziem. W przyszłości Mentor zapewni duże środowisko, w którym klienci będą mogli korzystać z narzędzi do modelowania i rozwijania oprogramowania w określonych środowiskach. Jest to najważniejsza wartość, jaką Mentor oferuje jako firma EDA.