تسعى شركة Moores Lab AI الناشئة إلى استخدام الذكاء الاصطناعي الوكيلي لتقليص دورة تصميم الشرائح، مع تركيز أولي على التحقق من التصميم وتصحيح الأخطاء وتغطية الاختبارات. وتقول الشركة، التي تأسست العام الماضي على يد متخصصين في صناعة الشرائح، إن أدواتها تستهدف أتمتة دورة تصميم الشرائح من البداية إلى النهاية وتسريع تطوير الأنظمة على الشريحة (SoC).
تأتي هذه المقاربة في وقت يضغط فيه الطلب المتزايد على شرائح الذكاء الاصطناعي على فرق التصميم لتسليم المنتجات خلال فترات أقصر. وترى Moores Lab AI أن بناء أدوات الذكاء الاصطناعي من داخل خبرة تصميم الشرائح يختلف عن نهج الشركات التي تحاول تطوير نماذج الذكاء الاصطناعي أولاً ثم تطبيقها على مشكلات أشباه الموصلات.
من أشهر إلى 48 ساعة
بحسب Shelly Henry، الرئيسة التنفيذية والشريكة المؤسسة للشركة، نشرت Moores Lab AI نظامها في نحو 10 مواقع، ويستخدمه العملاء مع أنواع مختلفة من وحدات الملكية الفكرية. وتقول إن أكبر مكاسب الإنتاجية ظهرت في مرحلة الإعداد الأولي للتصحيح.
عادةً تحتاج الفرق إلى ثلاثة أو أربعة أشهر لإعداد خطة الاختبار وبيئة الاختبار وتشغيل المحاكاة الأولى والعثور على أول خطأ. أما مستخدمو منصة الشركة، فتقول Henry إنهم يصلون باستمرار إلى أول خطأ خلال 48 ساعة، ثم يواصلون استخدام المنصة لاكتشاف أخطاء إضافية بسرعة أكبر.
لماذا تظل الخبرة البشرية ضرورية؟
لا تقدم المادة الذكاء الاصطناعي بديلاً مكتفياً ذاتياً عن مهندسي الشرائح. تقول Henry إن تقديم مواصفة إلى نموذج لغوي كبير أو وكيل ذكاء اصطناعي قد يؤدي إلى فقدان 20% إلى 30% من تفاصيلها الدقيقة. وفي صناعة لا يمكن فيها تصحيح الشريحة بعد تصنيعها، قد يتحول خطأ واحد إلى مشكلة تبلغ قيمتها 10 ملايين دولار، لأن المعالجة قد تتطلب إعادة بناء مجموعة الشرائح بالكامل.
لهذا السبب تركز الشركة على التحقق، وتعمل على تقسيم دورة التصميم المعقدة بين تخصصات متعددة، تشمل هندسة التصميم والمعمارية والتحقق واختبار قابلية التصنيع والتخطيط الفيزيائي والتوليف. ويشارك في تطوير الشريحة الواحدة، وفق المادة، نحو 200 مهندس ذوي تخصصات مختلفة، ما يجعل تنسيق الوكلاء بين هذه المجالات تحدياً هندسياً بحد ذاته.
ما الذي يتغير عملياً؟
النتيجة الأهم حتى الآن ليست إثبات قدرة الوكلاء على إنتاج شريحة مكتملة دون تدخل، بل ضغط الزمن اللازم للوصول إلى أول دورة مفيدة من الاختبار والتصحيح. وهذا قد يساعد فرق التصميم على اكتشاف عيوب مبكرة قبل أن تتراكم تكلفة المشروع، لكنه لا يلغي الحاجة إلى التحقق الشامل أو الخبراء القادرين على تفسير المواصفات ومراجعة مخرجات النظام.
وتواجه Moores Lab AI أيضاً تحدي فصل النتائج القابلة للقياس عن الضجيج التسويقي المحيط بالذكاء الاصطناعي. وتقول الشركة إنها تعرض تنفيذ مشروع واحد للعميل ومقارنة النتائج بما أنجزه مهندسوه في المشروع نفسه قبل الانتقال إلى أعمال أخرى.
توضح هذه الاستراتيجية أن القيمة العملية للذكاء الاصطناعي الوكيلي في تصميم الشرائح ستُقاس بزمن الوصول إلى نتائج موثوقة وبقدرة النظام على التعامل مع تفاصيل المواصفات، لا بمجرد توليد شيفرة أو اقتراحات تصميم. أما ادعاء بناء الشرائح خلال أقل من ستة أشهر، فورد على لسان الشركة ولم تقدم المادة تفاصيل مستقلة عن المشاريع أو مقاييس التحقق التي تثبته.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.