قدمت Semiconductor Engineering في مراجعة منشورة في 19 أغسطس 2026 مجموعة من الموضوعات التي تعكس اتساع نطاق التحديات أمام تصميم الأنظمة والرقائق. وتشمل المراجعة آليات حماية الذاكرة، والمحاكاة الرقمية للبعثات القمرية، وتغليف الشرائح، ومعالجة بيانات المستشعرات المتدفقة، إضافة إلى إدارة بيانات تصميم الرقائق وكفاءة تشغيل نماذج الذكاء الاصطناعي.
من حماية الذاكرة إلى إعادة إنتاج مشكلات الواقع
يشرح Ravi Vora من Cadence كيف يمكن لـ AMBA AXI5 Memory Tagging Extension اكتشاف إساءة استخدام الذاكرة مع إبقاء الكلفة التشغيلية محدودة. تعتمد الآلية على ربط وسم صغير بكل كتلة من كتل الذاكرة، ثم مقارنة هذا الوسم بالوسم المتوقع عند كل وصول عبر المؤشر. ويقدم هذا النهج وسيلة لاكتشاف بعض أخطاء الذاكرة ضمن مسار الوصول نفسه، بدلاً من الاعتماد على فحوص منفصلة فقط.
وفي موضوع آخر، يعرض Christopher Seidl من Arm إطاراً لتطوير الذكاء الاصطناعي الفيزيائي يستطيع التقاط بيانات المستشعرات المتدفقة من العالم الحقيقي، ثم إعادة تشغيل السيناريوهات نفسها وإعادة إنتاج المشكلات التي ظهرت ميدانياً والتحقق من تحسينات الخوارزميات باستخدام المدخلات ذاتها. وتكمن أهمية هذا الأسلوب في ربط اختبار الخوارزمية بظروف قابلة للتكرار، وهو أمر ضروري عند مقارنة التعديلات أو التحقيق في حالات فشل يصعب إعادة تكوينها.
المحاكاة والتغليف في قلب تصميم الأنظمة
يتناول Shawn Carpenter من Synopsys إنشاء توأم رقمي للقمر يجمع بين التضاريس عالية الدقة، ونمذجة الاتصالات، وديناميكيات المهمات، والتحقق من العتاد داخل بيئة افتراضية. ويُستخدم هذا النموذج لدعم التخطيط لبرنامج Artemis وعملياته، بحيث يمكن اختبار عناصر مختلفة من المهمة ضمن إطار محاكاة موحد.
وفي بودكاست، تناقش Tova Levy من Siemens مع Bob Patti من NHanced Semiconductors سبب تحول التوصيلات إلى أحد أبرز التحديات في تصميم الرقائق الحديثة. فمع انتقال التغليف من مرحلة لاحقة إلى عنصر محوري في تصميم النظام، أصبحت طريقة ربط المكونات جزءاً مؤثراً في أداء الحل ككل، لا مجرد خطوة تابعة لتصميم القالب.
إدارة البيانات وكفاءة الذكاء الاصطناعي
يقترح Pedro Pires من Keysight إدخال إدارة بيانات تصميم الرقائق مباشرة إلى Visual Studio Code، بهدف دعم إدارة الإصدارات والتعاون والحوكمة ضمن بيئة العمل اليومية للمطورين. كما يرى Pushkar P. Apte من SEMI أن كفاءة الطاقة يجب أن تكون أولوية استراتيجية لدى جميع الجهات التي تستخدم استدلال الذكاء الاصطناعي، وليس لدى مشغلي مراكز البيانات وحدهم.
وتضم النشرة المشار إليها في المراجعة موضوعات إضافية: يشرح Zaman Mollah من Rambus تحديات نقل البيانات وإدارتها لدى معماريي مراكز البيانات، بينما يناقش Emma-Jane Crozier من Siemens EDA ضرورة ربط قرارات وكلاء الذكاء الاصطناعي بالمخرجات التي ينتجونها. ويعرض Sharad Chole من Expedera انتقال معالجات الرؤية الطرفية من الاعتماد على الرؤية وحدها إلى أنظمة تجمع بين LLMs وVLMs والخصائص التوليدية وشبكات الإدراك التقليدية.
ما الذي تكشفه هذه المجموعة؟
تكشف الموضوعات مجتمعة أن عنق الزجاجة لا يقع في مكوّن واحد. فسلامة الذاكرة، وقابلية اختبار الخوارزميات، والتغليف، ونقل الإشارات والبيانات، واستهلاك الطاقة، كلها تتداخل في تحديد قدرة النظام على العمل بكفاءة. وتشير مواد أخرى في المراجعة إلى حاجة معماريي SoC إلى عتاد ذكاء اصطناعي يجمع بين الكفاءة العالية وقابلية البرمجة، وإلى متطلبات نشر البصريات المدمجة مع الحزمة، ونقل معالجة الإشارة مجدداً إلى SerDes المضيف لتقليل الطاقة والكمون والحمل الحراري.
كما يناقش Robbie Williamson من Arm ضرورة تحسين البنية التحتية لسير العمل الكامل للنموذج مع انتقال الذكاء الاصطناعي من الإجابة عن المطالبات إلى إنجاز المهام، فيما ترى Reela Samuel من Cadence أن العلاقة بين الأنظمة الذكية والهندسة أصبحت مترابطة عبر السيليكون والأنظمة والبرمجيات الحاسوبية.