Сектор полупроводников претерпел ряд фундаментальных изменений, направленных на преодоление традиционных ограничений проектирования. Недавний технический обзор выявил глубокие сдвиги в подходах к проектированию, производству и тестированию чипов, причем возрастающую роль играют искусственный интеллект и гетерогенные системы.
Переход к гетерогенному проектированию и Chiplets
Поскольку индустрия движется в сторону проектирования на основе небольших кристаллов (Chiplets), эксперты компании Siemens подчеркнули, что процесс «совместной оптимизации системных технологий» (STCO) и мультифизический анализ (Multiphysics analysis) стали острой необходимостью. Эта тенденция направлена на устранение узких мест, связанных с тепловыделением, энергопотреблением и проблемами интеграции, которые создают гетерогенные конструкции.
В этом же контексте специалисты из Amkor пояснили, что высокопроизводительные процессоры больше не являются просто отдельными чипами, а представляют собой полноценные интегрированные системы, что требует более сложных стратегий корпусирования и проектирования.
Физический искусственный интеллект и проблемы автоматического проектирования
Концепция «физического искусственного интеллекта» (Physical AI) выступает в качестве одного из важнейших направлений. Эксперты Synopsys считают, что этот тип систем требует новой архитектуры, объединяющей кремний, датчики, программное обеспечение, механику и энергию с использованием комплексного подхода, учитывающего законы физики.
Тем не менее, растущая зависимость от искусственного интеллекта при генерации проектов (таких как генерация RTL или предложение модификаций) создает новые проблемы на этапе верификации. В компании Cadence отметили, что ключевой вопрос заключается уже не в способности искусственного интеллекта проектировать, а в том, насколько автоматически сгенерированные проекты способны соответствовать строгим требованиям и стандартам, что возлагает дополнительную нагрузку на процессы верификации (Verification).
Инновации в производстве и сетевых технологиях
В области производства компания Lam Research продемонстрировала такие технологии, как самосовмещенная последовательность CFET для повышения производительности памяти (SRAM) и логики на малых технологических узлах. Эксперты из Intel Foundry также обсудили роль встроенных регуляторов напряжения в снижении плотности тока и повышении энергоэффективности.
Что касается сетевых технологий, компания Keysight подчеркнула, что «тензорный параллелизм» (Tensor parallelism) представляет собой первое и основное измерение, которым должна овладеть любая инфраструктура масштабирования (Scale-up fabric), будь то на базе NVLink или Ethernet, для обеспечения эффективности передачи данных в системах искусственного интеллекта.
Что меняется на практике?
Этот сдвиг означает, что разработка чипов больше не ограничивается улучшением размеров транзисторов, а перешла на уровень оптимизации системы в целом. Для инженеров и производителей это требует следующего:
- Переход от монолитного проектирования к распределенному: опора на Chiplets требует инструментов моделирования, способных прогнозировать тепловые и электрические взаимодействия между различными частями.
- Переосмысление верификации: с внедрением искусственного интеллекта в процесс проектирования инструменты проверки правильности (Validation) станут первой линией обороны для обеспечения качества автоматических проектов.
- Интеграция физики с программным обеспечением: проектирование аппаратного обеспечения больше нельзя отделять от поведения программного обеспечения и механики, особенно в приложениях физического искусственного интеллекта.