Das Start-up Moores Lab AI will agentische künstliche Intelligenz einsetzen, um den Zyklus des Chipdesigns zu verkürzen, mit einem anfänglichen Schwerpunkt auf Designverifizierung, Fehlerbehebung und Testabdeckung. Das Unternehmen, das im vergangenen Jahr von Fachleuten aus der Chipindustrie gegründet wurde, erklärt, seine Tools zielten darauf ab, den Chipdesignzyklus von Anfang bis Ende zu automatisieren und die Entwicklung von System-on-Chips (SoCs) zu beschleunigen.
Dieser Ansatz kommt zu einem Zeitpunkt, an dem die steigende Nachfrage nach KI-Chips die Designteams unter Druck setzt, Produkte in kürzeren Zeiträumen auszuliefern. Moores Lab AI ist der Ansicht, dass der Aufbau von KI-Tools aus der Erfahrung im Chipdesign heraus sich vom Ansatz von Unternehmen unterscheidet, die zunächst KI-Modelle entwickeln und sie anschließend auf Probleme der Halbleiterindustrie anwenden wollen.
Von Monaten auf 48 Stunden
Laut Shelly Henry, der Vorstandsvorsitzenden und Mitgründerin des Unternehmens, hat Moores Lab AI sein System an etwa 10 Standorten eingeführt, und Kunden nutzen es mit verschiedenen Arten von Intellectual-Property-Blöcken. Sie erklärt, die größten Produktivitätsgewinne seien in der frühen Vorbereitungsphase des Debuggings erzielt worden.
Üblicherweise benötigen Teams drei oder vier Monate, um den Testplan und die Testumgebung vorzubereiten, die erste Simulation auszuführen und den ersten Fehler zu finden. Nutzer der Plattform des Unternehmens erreichen laut Henry dagegen kontinuierlich innerhalb von 48 Stunden den ersten Fehler und verwenden die Plattform anschließend weiter, um zusätzliche Fehler schneller zu entdecken.
Warum menschliche Expertise weiterhin unverzichtbar ist
Der Artikel stellt künstliche Intelligenz nicht als eigenständigen Ersatz für Chipingenieure dar. Henry erklärt, dass bei der Übergabe einer Spezifikation an ein großes Sprachmodell oder einen KI-Agenten 20 bis 30 % ihrer feinen Details verloren gehen können. In einer Branche, in der ein Chip nach seiner Fertigung nicht korrigiert werden kann, kann ein einziger Fehler zu einem Problem im Wert von 10 Millionen Dollar werden, da die Behebung den vollständigen Neubau des Chip-Satzes erfordern kann.
Aus diesem Grund konzentriert sich das Unternehmen auf die Verifizierung und arbeitet daran, den komplexen Designzyklus auf mehrere Fachgebiete aufzuteilen, darunter Designengineering, Architektur, Verifizierung, Design-for-Manufacturing-Tests, physisches Design und Synthese. An der Entwicklung eines einzelnen Chips sind dem Artikel zufolge etwa 200 Ingenieure mit unterschiedlichen Spezialisierungen beteiligt, wodurch die Koordination der Agenten zwischen diesen Bereichen selbst zu einer technischen Herausforderung wird.
Was ändert sich praktisch?
Das wichtigste bisherige Ergebnis ist nicht der Nachweis, dass Agenten ohne Eingriff einen vollständigen Chip produzieren können, sondern die Verkürzung der Zeit bis zum ersten nützlichen Test- und Debugging-Zyklus. Dies könnte Designteams dabei helfen, frühe Mängel zu erkennen, bevor sich die Projektkosten anhäufen, beseitigt jedoch weder die Notwendigkeit einer umfassenden Verifizierung noch die Notwendigkeit von Experten, die Spezifikationen interpretieren und die Systemausgaben überprüfen können.
Moores Lab AI steht zudem vor der Herausforderung, messbare Ergebnisse von dem Marketinglärm rund um künstliche Intelligenz zu trennen. Das Unternehmen erklärt, es führe dem Kunden die Umsetzung eines einzelnen Projekts vor und vergleiche die Ergebnisse mit dem, was seine Ingenieure zuvor im selben Projekt erreicht hätten, bevor es zu weiteren Aufgaben übergehe.
Diese Strategie zeigt, dass der praktische Wert agentischer künstlicher Intelligenz im Chipdesign an der Zeit bis zum Erreichen verlässlicher Ergebnisse und an der Fähigkeit des Systems gemessen werden wird, mit den Details der Spezifikationen umzugehen, nicht lediglich an der Generierung von Code oder Designvorschlägen. Die Behauptung, Chips in weniger als sechs Monaten zu entwickeln, wurde vom Unternehmen geäußert; der Artikel liefert jedoch keine unabhängigen Details zu den Projekten oder Verifizierungskennzahlen, die dies belegen.