Chips y semiconductores

Los chips tridimensionales impulsan a las herramientas de diseño de chips a reconstruir el flujo de trabajo

La transición de los chips de inteligencia artificial hacia arquitecturas apiladas y diseños basados en chiplets obliga a las herramientas de EDA a analizar el sistema completo, desde el chip hasta el encapsulado y la placa, integrando inteligencia artificial agéntica para acelerar la exploración. Sin embargo, la interoperabilidad, la planificación dinámica, el análisis de potencia y térmico, y el mantenimiento de la precisión de los resultados siguen siendo desafíos fundamentales.

2026-09-24
4 min de lectura
338 visitas
certi.news Editorial Team
Los chips tridimensionales impulsan a las herramientas de diseño de chips a reconstruir el flujo de trabajo

La expansión de los chips apilados, los diseños basados en chiplets y las formas de integración heterogénea está llevando a los proveedores de herramientas de automatización del diseño electrónico (EDA) a superar el modelo tradicional que trata la célula, el bloque y el chip como límites separados. El diseño de aceleradores de inteligencia artificial y de sistemas de computación de alto rendimiento requiere ahora considerar la computación, la memoria, la interconexión, la potencia y el calor dentro de un único sistema.

Liz Allan afirma en Semiconductor Engineering que las herramientas de EDA avanzan hacia el análisis conjunto en múltiples dominios, la aceleración de la exploración de alternativas y la incorporación de asistentes basados en inteligencia artificial agéntica. En lugar de ejecutar analizadores separados en etapas tardías, los proveedores intentan ofrecer modelos multifísicos dentro de una sola herramienta, de modo que los efectos de las decisiones de diseño aparezcan mientras el diseño cambia y no después de que se haya completado.

El problema se ha trasladado a los límites del sistema

El artículo citó a Artour Levin, vicepresidente de ingeniería de silicio de inteligencia artificial en Microsoft, quien señaló que los problemas más difíciles de los aceleradores de inteligencia artificial ya no están confinados dentro del chip, sino que se encuentran en los límites del sistema. Un chip individual no basta para ejecutar muchas cargas de trabajo de inteligencia artificial, lo que hace necesario evaluar el sistema en su conjunto.

Hardik Kabaria, director ejecutivo y cofundador de Vinci, considera que el flujo de trabajo tradicional surgió en torno a límites de abstracción claros, con la verificación física pospuesta hasta el final de cada dominio. Este modelo resulta menos adecuado cuando el calor, el estrés y el comportamiento eléctrico atraviesan todo el apilamiento físico. Por ello, los equipos necesitan información física durante la toma de decisiones, no después de que el diseño haya dejado de cambiar.

¿Qué está cambiando en la práctica?

Según el planteamiento presentado en el material, no basta con acelerar las herramientas antiguas. Lo necesario es proporcionar física precisa y determinista de forma continua a través del chip, el encapsulado, la placa y el sistema. Kabaria subraya que los resultados deben ser medibles y suficientemente precisos para respaldar decisiones reales, y que la reproducibilidad de los resultados entre ejecuciones es tan importante como la velocidad.

La planificación espacial se vuelve más difícil debido a las diferencias entre los componentes del sistema, ya que deben distribuirse las unidades de computación, memoria e interconexión teniendo en cuenta sus efectos mutuos. También surgen desafíos relacionados con la compatibilidad de las herramientas entre proveedores, la planificación dinámica, el análisis de caída de tensión (IR) y el análisis estático de temporización (STA).

Entre desarrollar las herramientas existentes y construir herramientas nuevas

Esta etapa plantea una cuestión estratégica a la industria de EDA: ¿se están ampliando las herramientas maduras que han acumulado décadas de conocimiento, o se están construyendo herramientas nuevas adaptadas a las diferencias entre los diseños de inteligencia artificial y de computación de alto rendimiento y los chips monolíticos tradicionales?

Henry Sheng, director ejecutivo de investigación y desarrollo de Synopsys, afirmó que gran parte del conocimiento acumulado sigue siendo importante, pero que algunos supuestos que funcionan de forma aislada quizá no resistan al pasar al análisis multidominio. El desafío consiste en reorganizar las herramientas, los datos y la terminología dentro de un entorno coherente, en lugar de reinventarlo todo o mantener representaciones diferentes del mismo concepto.

Lectura de certi.news

El cambio real aquí no consiste simplemente en añadir una función de inteligencia artificial a una herramienta de EDA, sino en trasladar el punto de decisión del nivel del chip al nivel del sistema. La inteligencia artificial agéntica puede ayudar a automatizar tareas y explorar más alternativas, pero no elimina la necesidad de simulaciones precisas y reproducibles. La interoperabilidad entre herramientas, la velocidad de los modelos multifísicos y su capacidad para seguir el ritmo de un diseño dinámico siguen siendo cuestiones abiertas que determinarán el éxito de esta transformación.

Fuente de la noticia
Semiconductor Engineering
Abrir fuente original ↗
c
Autor

certi.news Editorial Team

Lo que necesitas saber

Los chips 3D y los diseños de chiplets están impulsando a las herramientas de automatización del diseño electrónico a analizar el chip, el paquete, la placa y el sistema como una sola unidad. La IA agéntica ayuda a explorar alternativas, pero la precisión de la simulación, la reproducibilidad de los resultados y la interoperabilidad entre herramientas siguen siendo desafíos abiertos.

  • Los diseños de chips apilados y la integración heterogénea requieren un análisis conjunto de la computación, la memoria, la interconexión, la energía y la térmica.
  • Las herramientas de EDA avanzan hacia la integración de modelos multifísicos y la visualización de los efectos de las decisiones de diseño a medida que este cambia.
  • Los problemas de los aceleradores de IA están relacionados con los límites del sistema, no solo con los del chip individual.
  • Entre los desafíos se incluyen la planificación espacial dinámica, el análisis de caída de tensión, el análisis estático de temporización y la compatibilidad entre herramientas de distintos proveedores.
  • La IA agéntica puede acelerar la automatización y la exploración, pero no sustituye una simulación precisa y reproducible.
  • La industria de EDA se enfrenta a la opción de ampliar herramientas maduras o crear nuevas herramientas adaptadas a los diseños de IA y la computación de alto rendimiento.

Preguntas frecuentes

¿Por qué necesitan las herramientas de EDA analizar todo el sistema?

Porque los chips apilados y los diseños de chiplets transmiten los efectos térmicos, mecánicos y eléctricos entre el chip, el paquete y la placa; además, muchas cargas de trabajo de IA no dependen de un único chip.

¿Qué función cumple la IA agéntica en las herramientas de diseño?

Puede ayudar a automatizar tareas y acelerar la exploración de alternativas de diseño, pero no elimina la necesidad de modelos y simulaciones precisos y reproducibles.

¿Cuáles son los principales desafíos aún no resueltos?

Incluyen la interoperabilidad entre herramientas, la planificación dinámica, la velocidad de los modelos multifísicos, el análisis de la energía y la térmica, y el mantenimiento de la precisión de los resultados.

De la misma categoría

También te puede interesar

Ver todas las noticias