La startup Moores Lab AI busca utilizar inteligencia artificial agéntica para reducir el ciclo de diseño de chips, con un enfoque inicial en la verificación del diseño, la depuración y la cobertura de las pruebas. La empresa, fundada el año pasado por especialistas de la industria de los chips, afirma que sus herramientas están dirigidas a automatizar el ciclo de diseño de chips de principio a fin y acelerar el desarrollo de sistemas en chip (SoC).
Este enfoque llega en un momento en que la creciente demanda de chips de inteligencia artificial presiona a los equipos de diseño para entregar productos en plazos más cortos. Moores Lab AI considera que construir herramientas de inteligencia artificial desde la experiencia en diseño de chips difiere del enfoque de las empresas que intentan desarrollar primero modelos de inteligencia artificial y luego aplicarlos a problemas de semiconductores.
De meses a 48 horas
Según Shelly Henry, directora ejecutiva y cofundadora de la empresa, Moores Lab AI ha desplegado su sistema en alrededor de 10 sitios, y los clientes lo utilizan con distintos tipos de bloques de propiedad intelectual. Afirma que las mayores ganancias de productividad han aparecido en la fase inicial de preparación de la depuración.
Por lo general, los equipos necesitan tres o cuatro meses para preparar el plan de pruebas y el entorno de pruebas, ejecutar las primeras simulaciones y encontrar el primer error. En cambio, Henry afirma que los usuarios de la plataforma de la empresa llegan de forma constante al primer error en 48 horas y luego siguen utilizando la plataforma para detectar errores adicionales con mayor rapidez.
¿Por qué sigue siendo necesaria la experiencia humana?
El artículo no presenta la inteligencia artificial como un sustituto autónomo de los ingenieros de chips. Henry afirma que proporcionar una especificación a un modelo de lenguaje grande o a un agente de inteligencia artificial puede provocar la pérdida de entre el 20 % y el 30 % de sus detalles precisos. En una industria en la que el chip no puede corregirse después de su fabricación, un solo error puede convertirse en un problema valorado en 10 millones de dólares, porque la solución podría requerir reconstruir todo el conjunto de chips.
Por esta razón, la empresa se centra en la verificación y trabaja en dividir el complejo ciclo de diseño entre múltiples disciplinas, incluidas la ingeniería de diseño, la arquitectura, la verificación, las pruebas de fabricabilidad, el diseño físico y la síntesis. Según el artículo, alrededor de 200 ingenieros de distintas especialidades participan en el desarrollo de un solo chip, lo que convierte la coordinación de los agentes entre estos ámbitos en un desafío de ingeniería por derecho propio.
¿Qué cambia en la práctica?
El resultado más importante hasta ahora no es demostrar que los agentes puedan producir un chip completo sin intervención, sino reducir el tiempo necesario para llegar al primer ciclo útil de pruebas y depuración. Esto podría ayudar a los equipos de diseño a detectar defectos tempranos antes de que se acumule el coste del proyecto, pero no elimina la necesidad de una verificación exhaustiva ni de expertos capaces de interpretar las especificaciones y revisar los resultados del sistema.
Moores Lab AI también afronta el desafío de separar los resultados medibles del ruido de marketing que rodea a la inteligencia artificial. La empresa afirma que muestra al cliente la ejecución de un proyecto y compara los resultados con lo que sus ingenieros lograron en ese mismo proyecto antes de pasar a otros trabajos.
Esta estrategia demuestra que el valor práctico de la inteligencia artificial agéntica en el diseño de chips se medirá por el tiempo necesario para llegar a resultados fiables y por la capacidad del sistema para manejar los detalles de las especificaciones, no simplemente por generar código o propuestas de diseño. En cuanto a la afirmación de construir chips en menos de seis meses, esta fue expresada por la empresa, y el artículo no proporcionó detalles independientes sobre los proyectos ni métricas de verificación que la demostraran.