Автономные системы и физический ИИ направлены на осуществление радикальных преобразований в различных секторах, таких как транспорт, робототехника, энергетика и производство. Однако фактическое развертывание этих систем сталкивается с взаимосвязанными техническими препятствиями, простирающимися от датчиков до вычислительных и исполнительных блоков, что заставляет разработчиков чипов и полупроводниковых систем полностью переосмысливать архитектуру оборудования.
Рыночные прогнозы указывают на значительный рост: по оценкам консалтинговой компании Strategy&, входящей в PwC, мировой рынок физического ИИ может достичь примерно 430 миллиардов евро к 2030 году. Несмотря на этот коммерческий импульс, отраслевые эксперты подчеркивают, что одного лишь увеличения вычислительной мощности недостаточно для решения существующих проблем; эффективность обработки должна соответствовать пропускной способности памяти, эффективным интерфейсам, доступной энергии и системам отвода тепла.
Переход к специализированным архитектурам
Преодоление узких мест, связанных с системами в целом, требует крайне специализированных аппаратных и программных решений, оптимизированных именно под целевые сценарии использования. В этом контексте руководители в секторе решений для безопасности и чипов считают, что отрасль постепенно возвращается к специализированным интегральным схемам (ASIC), точно спроектированным под конкретные рабочие нагрузки, особенно в условиях стремительного развития моделей искусственного интеллекта.
Автономные роботы и беспилотные автомобили используют общие базовые технологии, такие как восприятие и управление, однако каждое приложение накладывает уникальные требования. Автомобили работают в рамках организованной дорожной инфраструктуры и получают энергию от больших аккумуляторов, в то время как мобильные и человекоподобные роботы сталкиваются с неструктурированной трехмерной средой, требующей поддержания баланса и манипулирования объектами в условиях крайне ограниченного бюджета энергопотребления.
Кризис памяти и узкие места
Емкость памяти, пропускная способность, задержка и энергопотребление являются основными узкими местами для систем физического ИИ. По мере роста количества параметров в моделях ИИ возникает острая необходимость в сверхскоростных интерфейсах, таких как технологии LPDDR6, чтобы гарантировать, что оперативная память (DRAM) не станет препятствием для обработки данных.
Энергонезависимая память также играет ключевую роль в сокращении времени загрузки моделей и решении проблем с ограничениями пространства и энергопотребления в устройствах с батарейным питанием, не имеющих активного охлаждения. Инженеры стремятся сбалансировать использование встроенной в чип памяти (SRAM), внешней памяти DRAM и быстрых накопителей для достижения оптимальной эффективности в рамках допустимых тепловых и энергетических параметров.
Проверка надежности и стандарты безопасности
Создание циклов тщательной проверки и тестирования перед выводом систем физического ИИ на рынок имеет решающее значение, особенно при их интеграции в тяжелое машиностроение и критически важные для безопасности приложения. Речь идет не только о прохождении тестов на уровне отдельных компонентов, но и о необходимости оценки реакции всей системы при сбоях датчиков, разрывах связи или воздействии непредвиденных условий окружающей среды.
Специалисты указывают на то, что использование стандартных, надежных и энергоэффективных интерфейсов, таких как фреймворк безопасности для камер MIPI, позволяет разработчикам создавать интегрированные и проверенные блоки, обеспечивающие защиту и целостность данных от датчика до центрального процессора. Это помогает сбалансировать нагрузку и снизить энергопотребление и задержку, не нарушая критически важных требований безопасности.