- Україна
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
Електронна пошта:Info@Y-IC.com
Вихователь: AI буде ще одним каталізатором зростання десятиліття в галузі напівпровідників
Після вибуху Інтернет-бульбашки в 2001 році багато людей були сповнені сумнівів щодо майбутнього розвитку всієї напівпровідникової галузі.
Під час колапсу ринку в цей час почали інтегруватися багато напівпровідникові компанії; також було значно зменшено привабливі інвестиції галузі у вітровий капітал; Дослідження та розробки технологій у розвитку процесів та інші аспекти також застоювались та сповільнювалися.
Однак зараз напівпровідникова промисловість побачила новий поворот. В інтерв'ю з журналістами, такими як Ji Wei.com, виконавчий віце-президент MDA EDA Йозеф Савіцкі сказав, що галузь заново заповнюється можливостями в рамках стимулювання нових технологій, таких як штучний інтелект та машинне навчання.
У доповіді МакКінсі вказувалося, що штучний інтелект можна застосувати до багатьох вертикальних областей, що дозволяє компаніям з напівпровідників забирати від цих стеків технологію від 40 до 50% загальної вартості. Джозеф сказав, що штучний інтелект стане сильним каталізатором ще одного десятирічного циклу зростання в напівпровідниковій галузі. Але для того, щоб цю тенденцію реально реалізувати, потрібно багато даних для підтримки.
"Маючи достатньо даних, ви можете бути передбачуваними, тому ви можете тренувати машину дуже надійно і дозволяти машині ефективно навчатися". Далі Джозеф додав, що кількість необхідних та створених для швидкісного зв'язку даних збільшуватиметься протягом наступних 12 років. Це призведе до зростання в тисячі разів, і ці дані потрібно проаналізувати, а потім вжити заходів на основі цього аналізу.
Однак під впливом "цунамі даних" розвиток штучного інтелекту також стикається з різними суперечностями. Джозеф згадав дві суперечливі цілі у розвитку штучного інтелекту:
Одна мета полягає в тому, що багато людей хочуть постійно зміцнювати можливості центру обробки даних, щоб впоратися з такою величезною кількістю даних. Тож такі компанії, як Alibaba та Amazon, розробляють двигуни, пов'язані з ІІ, які використовують цей двигун для підготовки величезних обсягів даних.
З іншого боку, мета деяких компаній - підштовхувати все більше і більше процесорних потужностей до краю хмари, тим самим звільняючи деякий тиск на розвиток центру обробки даних.
Під час колапсу ринку в цей час почали інтегруватися багато напівпровідникові компанії; також було значно зменшено привабливі інвестиції галузі у вітровий капітал; Дослідження та розробки технологій у розвитку процесів та інші аспекти також застоювались та сповільнювалися.
Однак зараз напівпровідникова промисловість побачила новий поворот. В інтерв'ю з журналістами, такими як Ji Wei.com, виконавчий віце-президент MDA EDA Йозеф Савіцкі сказав, що галузь заново заповнюється можливостями в рамках стимулювання нових технологій, таких як штучний інтелект та машинне навчання.
У доповіді МакКінсі вказувалося, що штучний інтелект можна застосувати до багатьох вертикальних областей, що дозволяє компаніям з напівпровідників забирати від цих стеків технологію від 40 до 50% загальної вартості. Джозеф сказав, що штучний інтелект стане сильним каталізатором ще одного десятирічного циклу зростання в напівпровідниковій галузі. Але для того, щоб цю тенденцію реально реалізувати, потрібно багато даних для підтримки.
"Маючи достатньо даних, ви можете бути передбачуваними, тому ви можете тренувати машину дуже надійно і дозволяти машині ефективно навчатися". Далі Джозеф додав, що кількість необхідних та створених для швидкісного зв'язку даних збільшуватиметься протягом наступних 12 років. Це призведе до зростання в тисячі разів, і ці дані потрібно проаналізувати, а потім вжити заходів на основі цього аналізу.
Однак під впливом "цунамі даних" розвиток штучного інтелекту також стикається з різними суперечностями. Джозеф згадав дві суперечливі цілі у розвитку штучного інтелекту:
Одна мета полягає в тому, що багато людей хочуть постійно зміцнювати можливості центру обробки даних, щоб впоратися з такою величезною кількістю даних. Тож такі компанії, як Alibaba та Amazon, розробляють двигуни, пов'язані з ІІ, які використовують цей двигун для підготовки величезних обсягів даних.
З іншого боку, мета деяких компаній - підштовхувати все більше і більше процесорних потужностей до краю хмари, тим самим звільняючи деякий тиск на розвиток центру обробки даних.
Розвиток мікросхем в крайових обчисленнях значно перевищить чіп, необхідний центру обробки даних. За даними Tractica, з 2016 по 2021 рік загальний річний темп приросту приєднаних до краю пристроїв складе 190%.
Джозеф сказав, що ближче, обчислювальні технології / обробка будуть основним двигуном для зростання в напівпровідниковій галузі. Оскільки конкретні програми в багатьох областях вимагають оптимізованих конструкцій чіпів для досягнення оптимальної продуктивності чіпа, це буде можливістю для постачальників інструментів EDA, таких як Mentor.
Джозеф підкреслює, що при кращому обчисленні AI дизайн мікросхем часто визначається конкретними вимогами архітектури. Тож нинішня платформа розробки AI повністю відрізняється від попереднього середовища розробки.
У зв'язку з цим Джозеф представив інструменти дизайну мікросхем Mentor спеціально для галузі AI:
lHLS (синтез високого рівня): Візьміть NVIDIA як приклад. Використовуючи цей інструмент, ви можете підвищити продуктивність майже в два рази, а витрати на перевірку - на 80%.
lHierarchicl test: допомагає клієнтам ще більше підвищити продуктивність та зменшити витрати. Взявши за приклад замовника Graphcor, використовуючи цей інструмент, продуктивність DFT була збільшена в 4 рази, швидкість тестового перенесення значно покращена, а термін проектування скорочено до 3 днів на основі фактичних даних.
Технологія lOPC: використовується у виробництві напівпровідників, для виготовлення однієї маски потрібно 4 000 процесорів, щоб запустити один день на 7-нм основі, але якщо використовувати алгоритми машинного навчання, ви можете скоротити час роботи в 3-4 рази.
lLFD (літографічно чиста) технологія: значно знижує граничний коефіцієнт врожайності та скорочує час роботи в 10 разів. Не тільки можна виявити дефекти у виробничому процесі, але й передбачити дефекти.
lЗасіб інструменту: вирішує проблему відмови продукту чи компонентів та покращує якість та ефективність виробництва.
Крім того, Mentor пропонує платформу технологічних технологій для автомобільної індустрії, надаючи детальний аналіз загальної надійності та безпеки в поєднанні з AI, щоб зменшити час виконання характеристик в 100 разів. Симулятор автопілоту PAVE 360 також безперервно імітує реально- світові умови у віртуальній машині, ще більше скорочуючи час перевірки.
Незалежно від того, чи будуть майбутні смарт-чіпи присвячені чи гнучкі, галузь має різні голоси. Але Джозеф сказав репортеру мікромережі, що EDA є нейтральним інструментом. Надалі Ментор забезпечить широке середовище, де клієнти можуть використовувати інструменти для моделювання та розробки свого програмного забезпечення у конкретних умовах. Це найважливіша цінність, яку Mentor пропонує компанії EDA.
Джозеф сказав, що ближче, обчислювальні технології / обробка будуть основним двигуном для зростання в напівпровідниковій галузі. Оскільки конкретні програми в багатьох областях вимагають оптимізованих конструкцій чіпів для досягнення оптимальної продуктивності чіпа, це буде можливістю для постачальників інструментів EDA, таких як Mentor.
Джозеф підкреслює, що при кращому обчисленні AI дизайн мікросхем часто визначається конкретними вимогами архітектури. Тож нинішня платформа розробки AI повністю відрізняється від попереднього середовища розробки.
У зв'язку з цим Джозеф представив інструменти дизайну мікросхем Mentor спеціально для галузі AI:
lHLS (синтез високого рівня): Візьміть NVIDIA як приклад. Використовуючи цей інструмент, ви можете підвищити продуктивність майже в два рази, а витрати на перевірку - на 80%.
lHierarchicl test: допомагає клієнтам ще більше підвищити продуктивність та зменшити витрати. Взявши за приклад замовника Graphcor, використовуючи цей інструмент, продуктивність DFT була збільшена в 4 рази, швидкість тестового перенесення значно покращена, а термін проектування скорочено до 3 днів на основі фактичних даних.
Технологія lOPC: використовується у виробництві напівпровідників, для виготовлення однієї маски потрібно 4 000 процесорів, щоб запустити один день на 7-нм основі, але якщо використовувати алгоритми машинного навчання, ви можете скоротити час роботи в 3-4 рази.
lLFD (літографічно чиста) технологія: значно знижує граничний коефіцієнт врожайності та скорочує час роботи в 10 разів. Не тільки можна виявити дефекти у виробничому процесі, але й передбачити дефекти.
lЗасіб інструменту: вирішує проблему відмови продукту чи компонентів та покращує якість та ефективність виробництва.
Крім того, Mentor пропонує платформу технологічних технологій для автомобільної індустрії, надаючи детальний аналіз загальної надійності та безпеки в поєднанні з AI, щоб зменшити час виконання характеристик в 100 разів. Симулятор автопілоту PAVE 360 також безперервно імітує реально- світові умови у віртуальній машині, ще більше скорочуючи час перевірки.
Незалежно від того, чи будуть майбутні смарт-чіпи присвячені чи гнучкі, галузь має різні голоси. Але Джозеф сказав репортеру мікромережі, що EDA є нейтральним інструментом. Надалі Ментор забезпечить широке середовище, де клієнти можуть використовувати інструменти для моделювання та розробки свого програмного забезпечення у конкретних умовах. Це найважливіша цінність, яку Mentor пропонує компанії EDA.