- Tiếng Việt
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
E-mail:Info@Y-IC.com
Mentor: AI sẽ là chất xúc tác khác cho thập kỷ tăng trưởng trong ngành công nghiệp bán dẫn
Sau khi bong bóng Internet nổ vào năm 2001, nhiều người đã nghi ngờ về sự phát triển trong tương lai của toàn bộ ngành công nghiệp bán dẫn.
Trong vòng sụp đổ của thị trường tại thời điểm đó, nhiều công ty bán dẫn bắt đầu hội nhập; đầu tư hấp dẫn của ngành công nghiệp vào vốn gió cũng giảm đáng kể; nghiên cứu và phát triển công nghệ trong quá trình phát triển và các khía cạnh khác cũng bị đình trệ và chậm lại.
Tuy nhiên, ngành công nghiệp bán dẫn đã chứng kiến một bước ngoặt mới. Trong một cuộc phỏng vấn với các phóng viên như Ji Wei.com, Phó chủ tịch điều hành Mentor IC EDA Joseph Sawicki nói rằng ngành công nghiệp này chứa đầy cơ hội dưới sự kích thích của các công nghệ mới như trí tuệ nhân tạo và học máy.
Một báo cáo của McKinsey chỉ ra rằng trí thông minh nhân tạo có thể được áp dụng cho nhiều khu vực dọc, cho phép các công ty bán dẫn nắm bắt 40 đến 50% tổng giá trị từ các ngăn xếp công nghệ này. Joseph cho rằng trí tuệ nhân tạo sẽ là chất xúc tác mạnh mẽ cho chu kỳ tăng trưởng 10 năm nữa trong ngành công nghiệp bán dẫn. Nhưng để làm cho xu hướng này thực sự được nhận ra, rất nhiều dữ liệu là cần thiết để hỗ trợ.
Có đủ dữ liệu, bạn có thể dự đoán được, vì vậy bạn có thể huấn luyện máy của mình rất đáng tin cậy và để máy học hiệu quả. Joseph nói thêm rằng lượng dữ liệu cần thiết và được tạo ra để liên lạc tốc độ cao sẽ tăng lên trong 12 năm tới. Nó sẽ mở ra hàng ngàn lần tăng trưởng và những dữ liệu này cần được phân tích, và sau đó thực hiện hành động dựa trên phân tích này.
Tuy nhiên, dưới tác động của sóng thần dữ liệu trên mạng, sự phát triển của trí tuệ nhân tạo cũng đang đối mặt với nhiều mâu thuẫn khác nhau. Joseph đã đề cập đến hai mục tiêu mâu thuẫn trong phát triển trí tuệ nhân tạo:
Một mục tiêu là nhiều người muốn liên tục tăng cường khả năng của trung tâm dữ liệu để đối phó với lượng dữ liệu khổng lồ như vậy. Vì vậy, các công ty như Alibaba và Amazon đang phát triển các công cụ liên quan đến AI sử dụng công cụ này để đào tạo lượng dữ liệu khổng lồ.
Mặt khác, mục tiêu của một số công ty là đẩy ngày càng nhiều sức mạnh xử lý đến rìa của đám mây, do đó giải phóng một số áp lực đối với sự phát triển của trung tâm dữ liệu.
Trong vòng sụp đổ của thị trường tại thời điểm đó, nhiều công ty bán dẫn bắt đầu hội nhập; đầu tư hấp dẫn của ngành công nghiệp vào vốn gió cũng giảm đáng kể; nghiên cứu và phát triển công nghệ trong quá trình phát triển và các khía cạnh khác cũng bị đình trệ và chậm lại.
Tuy nhiên, ngành công nghiệp bán dẫn đã chứng kiến một bước ngoặt mới. Trong một cuộc phỏng vấn với các phóng viên như Ji Wei.com, Phó chủ tịch điều hành Mentor IC EDA Joseph Sawicki nói rằng ngành công nghiệp này chứa đầy cơ hội dưới sự kích thích của các công nghệ mới như trí tuệ nhân tạo và học máy.
Một báo cáo của McKinsey chỉ ra rằng trí thông minh nhân tạo có thể được áp dụng cho nhiều khu vực dọc, cho phép các công ty bán dẫn nắm bắt 40 đến 50% tổng giá trị từ các ngăn xếp công nghệ này. Joseph cho rằng trí tuệ nhân tạo sẽ là chất xúc tác mạnh mẽ cho chu kỳ tăng trưởng 10 năm nữa trong ngành công nghiệp bán dẫn. Nhưng để làm cho xu hướng này thực sự được nhận ra, rất nhiều dữ liệu là cần thiết để hỗ trợ.
Có đủ dữ liệu, bạn có thể dự đoán được, vì vậy bạn có thể huấn luyện máy của mình rất đáng tin cậy và để máy học hiệu quả. Joseph nói thêm rằng lượng dữ liệu cần thiết và được tạo ra để liên lạc tốc độ cao sẽ tăng lên trong 12 năm tới. Nó sẽ mở ra hàng ngàn lần tăng trưởng và những dữ liệu này cần được phân tích, và sau đó thực hiện hành động dựa trên phân tích này.
Tuy nhiên, dưới tác động của sóng thần dữ liệu trên mạng, sự phát triển của trí tuệ nhân tạo cũng đang đối mặt với nhiều mâu thuẫn khác nhau. Joseph đã đề cập đến hai mục tiêu mâu thuẫn trong phát triển trí tuệ nhân tạo:
Một mục tiêu là nhiều người muốn liên tục tăng cường khả năng của trung tâm dữ liệu để đối phó với lượng dữ liệu khổng lồ như vậy. Vì vậy, các công ty như Alibaba và Amazon đang phát triển các công cụ liên quan đến AI sử dụng công cụ này để đào tạo lượng dữ liệu khổng lồ.
Mặt khác, mục tiêu của một số công ty là đẩy ngày càng nhiều sức mạnh xử lý đến rìa của đám mây, do đó giải phóng một số áp lực đối với sự phát triển của trung tâm dữ liệu.
Phát triển chip trong điện toán cạnh sẽ vượt xa chip yêu cầu của trung tâm dữ liệu. Theo Tractica, từ năm 2016 đến 2021, tốc độ tăng trưởng kép hàng năm của các thiết bị kết nối cạnh sẽ cao tới 190%.
Joseph cho biết, gần hơn, tính toán / xử lý cạnh sẽ là động cơ chính cho sự phát triển trong ngành công nghiệp bán dẫn. Do các ứng dụng cụ thể trong nhiều lĩnh vực yêu cầu thiết kế chip được tối ưu hóa để đạt được hiệu suất chip tối ưu, đây sẽ là cơ hội cho các nhà cung cấp công cụ EDA như Mentor.
Joseph nhấn mạnh rằng trong AI tính toán cạnh, thiết kế chip thường được xác định bởi các yêu cầu phát triển kiến trúc cụ thể. Vì vậy, nền tảng phát triển AI hiện tại hoàn toàn khác biệt với môi trường phát triển trước đó.
Về vấn đề này, Joseph đã giới thiệu các công cụ thiết kế chip của Mentor dành riêng cho lĩnh vực AI:
lHLS (tổng hợp cấp cao): Lấy NVIDIA làm ví dụ. Bằng cách sử dụng công cụ này, bạn có thể tăng năng suất gần hai lần và chi phí xác minh lên 80%.
Thử nghiệm lHVELicl: Giúp khách hàng tăng thêm năng suất và giảm chi phí. Lấy khách hàng của Graphcor làm ví dụ, bằng cách sử dụng công cụ này, năng suất DFT đã tăng gấp 4 lần, tốc độ chuyển giao thử nghiệm đã được cải thiện rất nhiều và thời gian thiết kế đã được rút ngắn xuống còn 3 ngày dựa trên dữ liệu thực tế.
Công nghệ lOPC: được sử dụng trong sản xuất chất bán dẫn, phải mất 4.000 CPU để chạy một ngày trên cơ sở 7nm để tạo ra một Mặt nạ, nhưng nếu bạn sử dụng thuật toán học máy, bạn có thể giảm thời gian chạy xuống 3-4 lần.
Công nghệ lLFD (thân thiện với thạch học): giảm đáng kể hệ số giới hạn năng suất và giảm thời gian chạy sản xuất 10 lần. Không chỉ có thể xác định lỗi trong quá trình sản xuất, mà còn dự đoán lỗi.
Công cụ định vị l: giải quyết vấn đề lỗi sản phẩm hoặc thành phần và cải thiện chất lượng và hiệu quả sản xuất.
Ngoài ra, Mentor cung cấp nền tảng công nghệ đặc trưng cho ngành công nghiệp ô tô, cung cấp phân tích chi tiết về độ tin cậy và an toàn tổng thể, kết hợp với AI để giảm thời gian chạy đặc tính theo hệ số 100. Trình mô phỏng tự động PAVE 360 cũng liên tục mô phỏng thực tế điều kiện thế giới dưới máy ảo, tiếp tục giảm thời gian xác minh.
Cho dù các chip thông minh trong tương lai là dành riêng hay linh hoạt, ngành công nghiệp có tiếng nói khác nhau. Nhưng Joseph nói với phóng viên micronet rằng EDA là một công cụ trung lập. Trong tương lai, Mentor sẽ cung cấp một môi trường rộng lớn, nơi khách hàng có thể sử dụng các công cụ để mô hình hóa và phát triển phần mềm của họ trong các môi trường cụ thể. Đây là giá trị quan trọng nhất mà Mentor cung cấp với tư cách là một công ty EDA.
Joseph cho biết, gần hơn, tính toán / xử lý cạnh sẽ là động cơ chính cho sự phát triển trong ngành công nghiệp bán dẫn. Do các ứng dụng cụ thể trong nhiều lĩnh vực yêu cầu thiết kế chip được tối ưu hóa để đạt được hiệu suất chip tối ưu, đây sẽ là cơ hội cho các nhà cung cấp công cụ EDA như Mentor.
Joseph nhấn mạnh rằng trong AI tính toán cạnh, thiết kế chip thường được xác định bởi các yêu cầu phát triển kiến trúc cụ thể. Vì vậy, nền tảng phát triển AI hiện tại hoàn toàn khác biệt với môi trường phát triển trước đó.
Về vấn đề này, Joseph đã giới thiệu các công cụ thiết kế chip của Mentor dành riêng cho lĩnh vực AI:
lHLS (tổng hợp cấp cao): Lấy NVIDIA làm ví dụ. Bằng cách sử dụng công cụ này, bạn có thể tăng năng suất gần hai lần và chi phí xác minh lên 80%.
Thử nghiệm lHVELicl: Giúp khách hàng tăng thêm năng suất và giảm chi phí. Lấy khách hàng của Graphcor làm ví dụ, bằng cách sử dụng công cụ này, năng suất DFT đã tăng gấp 4 lần, tốc độ chuyển giao thử nghiệm đã được cải thiện rất nhiều và thời gian thiết kế đã được rút ngắn xuống còn 3 ngày dựa trên dữ liệu thực tế.
Công nghệ lOPC: được sử dụng trong sản xuất chất bán dẫn, phải mất 4.000 CPU để chạy một ngày trên cơ sở 7nm để tạo ra một Mặt nạ, nhưng nếu bạn sử dụng thuật toán học máy, bạn có thể giảm thời gian chạy xuống 3-4 lần.
Công nghệ lLFD (thân thiện với thạch học): giảm đáng kể hệ số giới hạn năng suất và giảm thời gian chạy sản xuất 10 lần. Không chỉ có thể xác định lỗi trong quá trình sản xuất, mà còn dự đoán lỗi.
Công cụ định vị l: giải quyết vấn đề lỗi sản phẩm hoặc thành phần và cải thiện chất lượng và hiệu quả sản xuất.
Ngoài ra, Mentor cung cấp nền tảng công nghệ đặc trưng cho ngành công nghiệp ô tô, cung cấp phân tích chi tiết về độ tin cậy và an toàn tổng thể, kết hợp với AI để giảm thời gian chạy đặc tính theo hệ số 100. Trình mô phỏng tự động PAVE 360 cũng liên tục mô phỏng thực tế điều kiện thế giới dưới máy ảo, tiếp tục giảm thời gian xác minh.
Cho dù các chip thông minh trong tương lai là dành riêng hay linh hoạt, ngành công nghiệp có tiếng nói khác nhau. Nhưng Joseph nói với phóng viên micronet rằng EDA là một công cụ trung lập. Trong tương lai, Mentor sẽ cung cấp một môi trường rộng lớn, nơi khách hàng có thể sử dụng các công cụ để mô hình hóa và phát triển phần mềm của họ trong các môi trường cụ thể. Đây là giá trị quan trọng nhất mà Mentor cung cấp với tư cách là một công ty EDA.