Les systèmes autonomes et l'intelligence artificielle physique tendent vers des transformations radicales dans de multiples secteurs tels que les transports, la robotique, l'énergie et l'industrie manufacturière. Cependant, le déploiement effectif de ces systèmes se heurte à des obstacles techniques imbriqués qui s'étendent des capteurs aux unités de traitement et d'exécution, poussant les concepteurs de puces et de systèmes semi-conducteurs à repenser globalement l'architecture matérielle.
Les prévisions du marché indiquent une croissance significative, les estimations du cabinet de conseil « Strategy& », filiale de « PwC », suggérant que le marché mondial de l'intelligence artificielle physique pourrait atteindre environ 430 milliards d'euros d'ici 2030. Malgré cet élan commercial, les experts de l'industrie soulignent que l'augmentation de la capacité de calcul seule ne suffit pas à résoudre les goulots d'étranglement existants ; l'efficacité du traitement doit plutôt être adaptée à la bande passante de la mémoire, aux interfaces efficaces, à l'énergie disponible et aux systèmes de dissipation thermique.
La transition vers des architectures spécialisées
Le dépassement des goulots d'étranglement liés aux systèmes dans leur ensemble nécessite des conceptions matérielles et logicielles hautement spécialisées et optimisées spécifiquement pour les cas d'utilisation visés. Dans ce contexte, les cadres dirigeants du secteur des solutions de sécurité et des puces estiment que l'industrie revient progressivement aux circuits intégrés spécifiques à une application (ASIC), conçus avec précision pour répondre à la charge de travail requise, surtout face à l'évolution rapide des modèles d'intelligence artificielle.
Les robots autonomes et les voitures autonomes partagent des technologies fondamentales telles que la perception et le contrôle, mais chaque application impose des défis uniques. Les voitures fonctionnent au sein d'une infrastructure routière organisée et tirent leur énergie de grandes batteries, tandis que les robots mobiles et humanoïdes font face à des environnements tridimensionnels non structurés qui nécessitent le maintien de l'équilibre et la manipulation d'objets avec des budgets énergétiques extrêmement limités.
La crise de la mémoire et le goulot d'étranglement
La capacité de la mémoire, la bande passante, la latence et la consommation d'énergie représentent des points de blocage majeurs pour les systèmes d'intelligence artificielle physique. Avec l'augmentation de la taille des paramètres dans les modèles d'intelligence artificielle, le besoin urgent d'interfaces ultra-rapides telles que les technologies « LPDDR6 » devient évident pour garantir que la mémoire vive (DRAM) ne devienne pas un obstacle entravant le traitement.
Le stockage non volatile joue également un rôle central dans la réduction des temps de chargement des modèles et dans la gestion des contraintes d'espace et de consommation d'énergie dans les appareils fonctionnant sur batterie et dépourvus de refroidissement actif. Les ingénieurs cherchent à équilibrer la dépendance entre la mémoire cache sur puce (SRAM), les mémoires « DRAM » externes et les supports de stockage rapides pour atteindre une efficacité optimale dans les limites thermiques et énergétiques autorisées.
La vérification de la fiabilité et les normes de sécurité
La mise en place de boucles de vérification et de tests rigoureux avant la mise sur le marché des systèmes d'intelligence artificielle physique est cruciale, notamment lorsqu'ils sont intégrés dans des machines lourdes et des applications critiques liées à la sécurité. Il ne s'agit pas seulement de réussir les tests au niveau des composants individuels, mais cela s'étend à la nécessité d'évaluer la réponse du système complet en cas de défaillance des capteurs, de coupure des communications ou d'exposition à des environnements imprévus.
Les spécialistes soulignent que le recours à des interfaces standardisées, fiables et à basse consommation, comme le cadre de sécurité pour les caméras « MIPI », permet aux concepteurs de construire des blocs intégrés et éprouvés qui garantissent la protection et l'intégrité des données, du capteur jusqu'à l'unité centrale de traitement, ce qui aide à équilibrer les charges et à limiter la consommation d'énergie et la latence sans compromettre les exigences de sécurité critiques.