半導体セクターは、従来の設計の限界を克服することに焦点を当てた一連の本質的な進化を遂げています。最近の技術レビューでは、人工知能と異種システムの役割が増大する中、チップの設計、製造、テストの方法における深い変革が明らかになりました。
異種設計とチップレットへの移行
業界が小型チップ（チップレット）に基づく設計へと向かう中、Siemensのエキスパートは、「システム技術の共同最適化」（STCO）とマルチフィジックス解析（Multiphysics analysis）が差し迫った必要性になっていることを強調しました。この動向は、異種設計によって課される熱、消費電力、および統合の課題に関連するボトルネックに対処することを目的としています。
これに関連して、Amkorのエキスパートは、高性能プロセッサが単なる個別のチップではなくなり、それ自体が統合システムとなっているため、より複雑なパッケージングと設計の戦略が必要であると説明しました。
物理AIと自動設計の課題
「物理AI」（Physical AI）の概念が最も重要な軸の1つとして浮上しています。Synopsysのエキスパートは、このタイプのシステムには、物理法則を考慮した包括的なアプローチを使用して、シリコン、センサー、ソフトウェア、メカニクス、および電力を統合する新しいエンジニアリングが必要であると考えています。
しかし、設計の生成における人工知能への依存の高まり（RTLの生成や変更の提案など）は、検証段階において新たな課題をもたらします。Cadenceが指摘したように、根本的な疑問はもはやAIが設計できるかどうかではなく、自動生成された設計が厳格な要件や基準を満たす能力がどれほどあるかであり、これにより検証プロセスにより大きな負担がかかることになります。
製造とネットワーキングの革新
製造面では、Lam Researchが、小さなノードでのメモリ（SRAM）とロジックのパフォーマンスを向上させるための自己整合CFETプロセスシーケンスなどの技術を紹介しました。また、Intel Foundryのエキスパートは、電流密度の削減と電力効率の向上における統合電圧レギュレータの役割について議論しました。
ネットワーキングの分野では、Keysightが、AIシステムにおけるデータ転送の効率を確保するために、NVLinkまたはEthernetのいずれに依存しているかにかかわらず、スケールアップファブリック（Scale-up fabric）が習得しなければならない最初で不可欠な次元である「テンソル並列性」（Tensor parallelism）を表していることを強調しました。
実際に何が変わるのか？
この移行は、チップのエンジニアリングがもはやトランジスタサイズの最適化だけに限定されず、システム全体の最適化のレベルに移行したことを意味します。エンジニアやメーカーにとって、これには以下が必要です。
- 単一設計から分散設計への移行：チップレットへの依存には、さまざまなパーツ間の熱的および電気的相互作用を予測できるシミュレーションツールが必要です。
- 検証の再定義：人工知能が設計プロセスに参入するにつれて、妥当性確認（Validation）ツールは、自動設計の品質を確保するための第一防衛線になります。
- 物理とソフトウェアの統合：特に物理AIアプリケーションにおいては、ハードウェアの設計をソフトウェアやメカニクスの動作から切り離すことはもはや不可能です。