- Bosna
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
E-mail:Info@Y-IC.com
Mentor: AI će biti još jedan katalizator za deceniju rasta industrije poluvodiča
Nakon pucanja internetskog mjehurića 2001. godine, mnogi ljudi su bili puni sumnje u budući razvoj cjelokupne industrije poluvodiča.
U doba kolapsa tržišta u to doba, mnoge su se poluvodičke kompanije počele integrirati; atraktivno ulaganje industrije u vjetroviti kapital također je značajno smanjeno; tehnološka istraživanja i razvoj u razvoju procesa i drugi aspekti su takođe stagnirali i usporavali.
Međutim, industrija poluvodiča sada je doživjela novi zaokret. U intervjuu s novinarima poput Ji Wei.com, izvršni potpredsjednik IC EDA Joseph Sawicki rekao je da je industrija ponovo ispunjena mogućnostima pod stimulacijom novih tehnologija poput umjetne inteligencije i mašinskog učenja.
Izvještaj McKinseyja je istaknuo da se umjetna inteligencija može primijeniti na mnogim vertikalnim područjima, što omogućava kompanijama za proizvodnju poluvodiča da ulove od 40 do 50% ukupne vrijednosti iz ovih tehnoloških dionica. Joseph je rekao da će umjetna inteligencija biti snažan katalizator za još 10-godišnji ciklus rasta u industriji poluvodiča. Ali da bi se ovaj trend doista ostvario, potrebno je puno podataka kao podrška.
"Uz dovoljno podataka, možete biti prediktivni, tako da možete veoma sigurno trenirati mašinu i pustiti mašinu da efikasno uči." Joseph je dalje dodao da će se količina potrebnih i stvorenih za brzu komunikaciju povećati u sljedećih 12 godina. Uspostavit će se tisućama puta rasta, te podatke treba analizirati, a zatim poduzeti mjere na temelju ove analize.
Međutim, pod utjecajem „cunamija podataka“, razvoj umjetne inteligencije suočen je i s raznim kontradikcijama. Joseph je spomenuo dva sukobljena cilja u razvoju umjetne inteligencije:
Jedan od ciljeva je da mnogi ljudi žele kontinuirano jačati mogućnosti data centra kako bi se nosili sa tako ogromnim količinama podataka. Tako kompanije poput Alibabe i Amazon razvijaju motore povezane sa AI koji koriste ovaj motor za obuku ogromnih količina podataka.
S druge strane, cilj nekih kompanija je gurnuti sve više i više procesne snage na rub oblaka, čime će se osloboditi određeni pritisak na razvoj podatkovnog centra.
U doba kolapsa tržišta u to doba, mnoge su se poluvodičke kompanije počele integrirati; atraktivno ulaganje industrije u vjetroviti kapital također je značajno smanjeno; tehnološka istraživanja i razvoj u razvoju procesa i drugi aspekti su takođe stagnirali i usporavali.
Međutim, industrija poluvodiča sada je doživjela novi zaokret. U intervjuu s novinarima poput Ji Wei.com, izvršni potpredsjednik IC EDA Joseph Sawicki rekao je da je industrija ponovo ispunjena mogućnostima pod stimulacijom novih tehnologija poput umjetne inteligencije i mašinskog učenja.
Izvještaj McKinseyja je istaknuo da se umjetna inteligencija može primijeniti na mnogim vertikalnim područjima, što omogućava kompanijama za proizvodnju poluvodiča da ulove od 40 do 50% ukupne vrijednosti iz ovih tehnoloških dionica. Joseph je rekao da će umjetna inteligencija biti snažan katalizator za još 10-godišnji ciklus rasta u industriji poluvodiča. Ali da bi se ovaj trend doista ostvario, potrebno je puno podataka kao podrška.
"Uz dovoljno podataka, možete biti prediktivni, tako da možete veoma sigurno trenirati mašinu i pustiti mašinu da efikasno uči." Joseph je dalje dodao da će se količina potrebnih i stvorenih za brzu komunikaciju povećati u sljedećih 12 godina. Uspostavit će se tisućama puta rasta, te podatke treba analizirati, a zatim poduzeti mjere na temelju ove analize.
Međutim, pod utjecajem „cunamija podataka“, razvoj umjetne inteligencije suočen je i s raznim kontradikcijama. Joseph je spomenuo dva sukobljena cilja u razvoju umjetne inteligencije:
Jedan od ciljeva je da mnogi ljudi žele kontinuirano jačati mogućnosti data centra kako bi se nosili sa tako ogromnim količinama podataka. Tako kompanije poput Alibabe i Amazon razvijaju motore povezane sa AI koji koriste ovaj motor za obuku ogromnih količina podataka.
S druge strane, cilj nekih kompanija je gurnuti sve više i više procesne snage na rub oblaka, čime će se osloboditi određeni pritisak na razvoj podatkovnog centra.
Razvoj čipova u rubnom računaru znatno će nadmašiti čip koji zahtijeva podatkovni centar. Prema Tractici, od 2016. do 2021. godine složena godišnja stopa rasta uređaja koji su povezani s ivicama iznosit će čak 190%.
Joseph je rekao da će, bliže, računanje / obrada rubova biti glavni motor rasta u industriji poluvodiča. Budući da posebne aplikacije u mnogim područjima zahtijevaju optimizirane dizajne čipova kako bi postigli optimalne performanse čipa, ovo će biti prilika za dobavljače EDA alata kao što je Mentor.
Joseph naglašava da se pri rubnom računanju AI dizajn čipova često definira specifičnim potrebama arhitekture razvoja. Dakle, trenutna razvojna platforma AI potpuno se razlikuje od prethodnog razvojnog okruženja.
S tim u vezi, Joseph je predstavio Mentor-ove alate za dizajn čipova specijalno za AI polje:
lHLS (sinteza na visokom nivou): Uzmite NVIDIA kao primer. Upotrebom ovog alata možete povećati produktivnost za gotovo dva puta, a troškove provjere za 80%.
lHierarhički test: pomaže kupcima da dodatno povećaju produktivnost i smanje troškove. Uzimajući kupca Graphcor-a, primjerom ovog alata, produktivnost DFT-a povećana je za 4 puta, brzina prijenosa testa je znatno poboljšana, a vremensko razdoblje dizajna skraćeno je na 3 dana na temelju stvarnih podataka.
lOPC tehnologija: koja se koristi u proizvodnji poluvodiča, potrebno je 4.000 CPU-a da bi se jedan dan pokrenulo 7nm kako bi se proizvela jedna Maska, ali ako koristite algoritme mašinskog učenja, možete smanjiti vrijeme rada za 3-4 puta.
lLFD (litografski prihvatljiva) tehnologija: značajno smanjuje faktor ograničenja prinosa i smanjuje vrijeme rada 10 puta više. Ne samo da može utvrditi nedostatke u procesu proizvodnje, nego i predvidjeti nedostatke.
lOdržavanje alata: rješava problem kvara proizvoda ili komponente i poboljšava kvalitetu i efikasnost proizvodnje.
Osim toga, Mentor pruža platformu za karakterizaciju tehnologija za automobilsku industriju, pružajući detaljnu analizu cjelokupne pouzdanosti i sigurnosti, u kombinaciji s AI-om radi smanjenja vremena izvođenja karakterizacije za faktor 100. PAVE 360 Autopilot Simulator također kontinuirano simulira stvarne- svjetskim uvjetima u virtualnom stroju, dodatno smanjujući vrijeme provjere.
Bilo da su budući pametni čipovi namjenski ili fleksibilni, industrija ima različite glasove. Ali Joseph je rekao novinaru mikroneta da je EDA neutralan alat. U budućnosti će Mentor pružiti veliko okruženje u kojem kupci mogu koristiti alate za modeliranje i razvoj svog softvera u određenim okruženjima. Ovo je najvažnija vrijednost koju Mentor nudi kao EDA kompaniju.
Joseph je rekao da će, bliže, računanje / obrada rubova biti glavni motor rasta u industriji poluvodiča. Budući da posebne aplikacije u mnogim područjima zahtijevaju optimizirane dizajne čipova kako bi postigli optimalne performanse čipa, ovo će biti prilika za dobavljače EDA alata kao što je Mentor.
Joseph naglašava da se pri rubnom računanju AI dizajn čipova često definira specifičnim potrebama arhitekture razvoja. Dakle, trenutna razvojna platforma AI potpuno se razlikuje od prethodnog razvojnog okruženja.
S tim u vezi, Joseph je predstavio Mentor-ove alate za dizajn čipova specijalno za AI polje:
lHLS (sinteza na visokom nivou): Uzmite NVIDIA kao primer. Upotrebom ovog alata možete povećati produktivnost za gotovo dva puta, a troškove provjere za 80%.
lHierarhički test: pomaže kupcima da dodatno povećaju produktivnost i smanje troškove. Uzimajući kupca Graphcor-a, primjerom ovog alata, produktivnost DFT-a povećana je za 4 puta, brzina prijenosa testa je znatno poboljšana, a vremensko razdoblje dizajna skraćeno je na 3 dana na temelju stvarnih podataka.
lOPC tehnologija: koja se koristi u proizvodnji poluvodiča, potrebno je 4.000 CPU-a da bi se jedan dan pokrenulo 7nm kako bi se proizvela jedna Maska, ali ako koristite algoritme mašinskog učenja, možete smanjiti vrijeme rada za 3-4 puta.
lLFD (litografski prihvatljiva) tehnologija: značajno smanjuje faktor ograničenja prinosa i smanjuje vrijeme rada 10 puta više. Ne samo da može utvrditi nedostatke u procesu proizvodnje, nego i predvidjeti nedostatke.
lOdržavanje alata: rješava problem kvara proizvoda ili komponente i poboljšava kvalitetu i efikasnost proizvodnje.
Osim toga, Mentor pruža platformu za karakterizaciju tehnologija za automobilsku industriju, pružajući detaljnu analizu cjelokupne pouzdanosti i sigurnosti, u kombinaciji s AI-om radi smanjenja vremena izvođenja karakterizacije za faktor 100. PAVE 360 Autopilot Simulator također kontinuirano simulira stvarne- svjetskim uvjetima u virtualnom stroju, dodatno smanjujući vrijeme provjere.
Bilo da su budući pametni čipovi namjenski ili fleksibilni, industrija ima različite glasove. Ali Joseph je rekao novinaru mikroneta da je EDA neutralan alat. U budućnosti će Mentor pružiti veliko okruženje u kojem kupci mogu koristiti alate za modeliranje i razvoj svog softvera u određenim okruženjima. Ovo je najvažnija vrijednost koju Mentor nudi kao EDA kompaniju.