Casa > notizia > Mentore: AI sarà un altro catalizzatore per il decennio di crescita nel settore dei semiconduttori

Mentore: AI sarà un altro catalizzatore per il decennio di crescita nel settore dei semiconduttori

Dopo lo scoppio della bolla di Internet nel 2001, molte persone erano piene di dubbi sullo sviluppo futuro dell'intera industria dei semiconduttori.

Nel round del crollo del mercato a quel tempo, molte aziende di semiconduttori iniziarono a integrarsi; anche gli interessanti investimenti del settore nel capitale eolico sono stati notevolmente ridotti; anche la ricerca e lo sviluppo tecnologico nello sviluppo dei processi e altri aspetti hanno ristagnato e rallentato.

Tuttavia, l'industria dei semiconduttori ha subito una nuova inversione di tendenza. In un'intervista con giornalisti come Ji Wei.com, il vicepresidente esecutivo del Mentor IC EDA Joseph Sawicki ha affermato che l'industria è piena di opportunità sotto la stimolazione di nuove tecnologie come l'intelligenza artificiale e l'apprendimento automatico.

Un rapporto di McKinsey ha sottolineato che l'intelligenza artificiale può essere applicata a molte aree verticali, il che consente alle aziende di semiconduttori di catturare dal 40 al 50% del valore totale da queste pile tecnologiche. Joseph ha affermato che l'intelligenza artificiale sarà un forte catalizzatore per un altro ciclo di crescita di 10 anni nel settore dei semiconduttori. Ma per realizzare davvero questa tendenza, sono necessari molti dati come supporto.

"Con una quantità sufficiente di dati, puoi essere predittivo, in modo da poter addestrare la tua macchina in modo molto affidabile e far apprendere in modo efficace la macchina." Joseph ha inoltre aggiunto che la quantità di dati necessari e creati per la comunicazione ad alta velocità aumenterà nei prossimi 12 anni. Introdurrà migliaia di volte di crescita e questi dati devono essere analizzati e quindi agire sulla base di questa analisi.

Tuttavia, sotto l'impatto dello "tsunami di dati", anche lo sviluppo dell'intelligenza artificiale sta affrontando varie contraddizioni. Joseph menzionò due obiettivi contrastanti nello sviluppo dell'intelligenza artificiale:

Un obiettivo è che molte persone desiderano rafforzare continuamente le capacità del data center per far fronte a enormi quantità di dati. Quindi aziende come Alibaba e Amazon stanno sviluppando motori relativi all'intelligenza artificiale che utilizzano questo motore per addestrare enormi quantità di dati.

D'altra parte, l'obiettivo di alcune aziende è spingere sempre più potenza di elaborazione al limite del cloud, rilasciando così una certa pressione sullo sviluppo del data center.




Lo sviluppo di chip nel edge computing supererà notevolmente il chip richiesto dal data center. Secondo Tractica, dal 2016 al 2021, il tasso di crescita annuo composto dei dispositivi connessi ai bordi sarà del 190%.

Joseph ha affermato che, più da vicino, il edge computing / processing sarà il principale motore di crescita nel settore dei semiconduttori. Poiché applicazioni specifiche in molte aree richiedono progetti di trucioli ottimizzati per ottenere prestazioni ottimali, questa sarà un'opportunità per i fornitori di strumenti EDA come Mentor.

Joseph sottolinea che nell'intelligenza artificiale del edge computing, la progettazione dei chip è spesso definita da specifici requisiti di sviluppo dell'architettura. Quindi l'attuale piattaforma di sviluppo AI è completamente diversa dal precedente ambiente di sviluppo.

A questo proposito, Joseph ha introdotto gli strumenti di progettazione dei chip di Mentor appositamente per il settore AI:

lHLS (sintesi di alto livello): prendi NVIDIA come esempio. Utilizzando questo strumento, è possibile aumentare la produttività di quasi due volte e i costi di verifica dell'80%.

lHierarchicl test: aiuta i clienti ad aumentare ulteriormente la produttività e ridurre i costi. Prendendo ad esempio il cliente di Graphcor, utilizzando questo strumento, la produttività DFT è stata aumentata di 4 volte, la velocità di trasferimento dei test è stata notevolmente migliorata e il periodo di progettazione è stato ridotto a 3 giorni in base ai dati effettivi.

Tecnologia lOPC: utilizzata nella produzione di semiconduttori, sono necessarie 4.000 CPU per funzionare un giorno su una base di 7 nm per produrre una maschera, ma se si utilizzano algoritmi di apprendimento automatico, è possibile ridurre il tempo di esecuzione di 3-4 volte.

Tecnologia lFF (litografica): riduce significativamente il fattore limite di snervamento e riduce il tempo di esecuzione di 10 volte la produzione. Non solo è possibile identificare i difetti nel processo di produzione, ma anche prevedere i difetti.

Strumento di riposizionamento: risolve il problema del guasto del prodotto o dei componenti e migliora la qualità e l'efficienza della produzione.

Inoltre, Mentor fornisce una piattaforma tecnologica di caratterizzazione per l'industria automobilistica, fornendo un'analisi dettagliata dell'affidabilità e della sicurezza complessive, combinata con AI per ridurre il tempo di caratterizzazione di un fattore di 100. Il simulatore di pilota automatico PAVE 360 simula continuamente anche condizioni del mondo sotto la macchina virtuale, riducendo ulteriormente i tempi di verifica.

Sia che i futuri smart chip siano dedicati o flessibili, l'industria ha voci diverse. Ma Joseph disse al reporter di micronet che l'EDA è uno strumento neutrale. In futuro, Mentor fornirà un ampio ambiente in cui i clienti possono utilizzare gli strumenti per modellare e sviluppare il proprio software in ambienti specifici. Questo è il valore più importante che Mentor offre come società EDA.