Min förfrågan:0Del

Hem > Nyheter > Mentor: AI kommer att vara en annan katalysator under decenniet av tillväxt inom halvledarindustrin

Mentor: AI kommer att vara en annan katalysator under decenniet av tillväxt inom halvledarindustrin

Efter att internetbubblan brast 2001 var många människor fulla av tvivel om den framtida utvecklingen av hela halvledarindustrin.

I den omgången av marknadskollaps vid den tiden började många halvledarföretag integreras; branschens attraktiva investering i vindkapital minskades också kraftigt; Teknologisk forskning och utveckling inom processutveckling och andra aspekter har också stagnerat och bromsat.

Halvledarindustrin har dock sett en ny vändning nu. I en intervju med reportrar som Ji Wei.com sa Mentor IC EDA: s verkställande direktör Joseph Sawicki att industrin är återfylld av möjligheter under stimulans av ny teknik som artificiell intelligens och maskininlärning.

En McKinsey-rapport påpekade att konstgjord intelligens kan tillämpas på många vertikala områden, vilket gör det möjligt för halvledarföretag att fånga 40 till 50% av det totala värdet från dessa teknikstackar. Joseph sa att konstgjord intelligens kommer att vara en stark katalysator för ytterligare en 10-årig tillväxtcykel inom halvledarindustrin. Men för att denna trend verkligen ska förverkligas krävs mycket data som stöd.

"Med tillräckligt med data kan du vara förutsägbar, så att du kan träna din maskin mycket pålitligt och låta maskinen lära sig effektivt." Joseph tilllade vidare att mängden data som behövs och skapas för snabb hastighetskommunikation kommer att öka under de kommande 12 åren. Det kommer att inledas tusentals gånger av tillväxt, och dessa data måste analyseras och sedan vidta åtgärder baserat på denna analys.

Men under påverkan av "data tsunami" står utvecklingen av konstgjord intelligens också inför olika motsägelser. Joseph nämnde två motstridiga mål för utvecklingen av konstgjord intelligens:

Ett mål är att många ständigt vill stärka datacentrets kapacitet att hantera så enorma mängder data. Så företag som Alibaba och Amazon utvecklar AI-relaterade motorer som använder denna motor för att träna enorma mängder data.

Å andra sidan är målet för vissa företag att driva mer och mer processorkraft till kanten av molnet och därmed släppa ett visst tryck på utvecklingen av datacentret.

Chiputveckling i kantberäkning kommer att överstiga det chip som krävs av datacentret. Enligt Tractica, från 2016 till 2021, kommer den sammansatta årliga tillväxttakten för anslutna enheter att vara så hög som 190%.

Joseph sa att närmare kommer databehandling / bearbetning att vara den huvudsakliga motorn för tillväxt inom halvledarindustrin. Eftersom specifika applikationer inom många områden kräver optimerade chipkonstruktioner för att uppnå optimal chipprestanda kommer detta att vara en möjlighet för EDA-verktygsleverantörer som Mentor.

Joseph betonar att chiputformning ofta definieras i specifika arkitekturutvecklingskrav när det gäller databehandling AI. Så den nuvarande AI-utvecklingsplattformen är helt annorlunda än den tidigare utvecklingsmiljön.

I detta avseende introducerade Joseph Mentors chipdesignverktyg specifikt för AI-fältet:

lHLS (syntese på hög nivå): Ta NVIDIA som exempel. Genom att använda detta verktyg kan du öka produktiviteten med nästan två gånger och verifieringskostnaderna med 80%.

lHierarchicl-test: Hjälper kunder att öka produktiviteten ytterligare och minska kostnaderna. Med ett exempel från Graphcors kund, med hjälp av detta verktyg har DFT-produktiviteten ökats med fyra gånger, hastigheten för testöverföringen har förbättrats kraftigt och designtidsperioden har förkortats till 3 dagar baserat på faktiska data.

lOPC-teknik: används i halvledartillverkning, tar det 4 000 CPU-apparater att köra en dag på 7 nm för att producera en mask, men om du använder maskininlärningsalgoritmer kan du minska körtiden med 3-4 gånger.

lLFD (litografiskt vänlig) teknik: minskar avkastningsgränsfaktorn avsevärt och minskar körtiden på tio gånger produktion. Inte bara kan identifiera defekter i produktionsprocessen utan också förutsäga defekter.

l Avsättningsverktyg: löser problemet med produkt- eller komponentfel och förbättrar produktionens kvalitet och effektivitet.

Dessutom tillhandahåller Mentor en karaktäristikplattform för fordonsindustrin, som ger en detaljerad analys av den totala tillförlitligheten och säkerheten, i kombination med AI för att minska karakteriseringens körtid med en faktor 100. PAVE 360 Autopilot Simulator simulerar också kontinuerligt världsläget under den virtuella maskinen, vilket ytterligare reducerar verifieringstiden.

Oavsett om framtidens smarta chips är dedikerade eller flexibla har branschen olika röster. Men Joseph berättade för micronetreporteraren att EDA är ett neutralt verktyg. I framtiden kommer Mentor att tillhandahålla en stor miljö där kunderna kan använda verktygen för att modellera och utveckla sin programvara i specifika miljöer. Detta är det viktigaste värdet som Mentor erbjuder som ett EDA-företag.