Omformer uger til timer – Sådan forandrer AI allerede mikrochipteknik

Den moderne teknologiske æra trives på effektiv brug af mikrochips. Det globale mikrochipmarked forventes at vokse fra omkring US$21,56 milliarder i 2022 til næsten US$47 milliarder i 2030 med en årlig sammensat vækstrate på over 10%.

Grunden til, at mikrochips vokser i sådan et tempo, er, at de driver al den elektronik, vi ser omkring os. Og når vi taler om elektronik, omfatter det ikke kun computere, men også smartphones, netværksswitche, husholdningsapparater, bil- og flykomponenter, fjernsyn, forstærkere, IoT-enheder og adskillige andre elektroniske systemer. 

Også kaldet en chip, computerchip eller integreret kredsløb, er en mikrochip en enhed af integreret kredsløb fremstillet i mikroskopisk skala ved hjælp af et halvledermateriale, såsom silicium eller germanium. Indviklet designede mikrochips er så nuancerede i deres design, at de typisk kan indeholde specifikke komponenttyper som transistorer, modstande, kondensatorer og dioder i millioner eller endda milliarder. 

Dette er utroligt små komponenter målt i nanometer. Mikrochipdesignens sofistikering opererer på så fint niveau, at IBM i 2021 kunne introducere en mikrochip baseret på 2 nm-teknologi, mindre end bredden af en menneskelig DNA-streng. 

Den hurtige udvikling inden for mikrochipteknologi har holdt dens horisont i konstant udvidelse. Specialiserede mikrochips er dukket op for at håndtere signaler i krydsfeltet mellem banebrydende trådløs teknologi. Disse er dog dyre at designe og fungerer på principperne om miniaturisering og avanceret ingeniørkunst. 

Nu har et team af samarbejdende ingeniører fra Princeton Engineering og Indian Institute of Technology udnyttet AI til at reducere omkostningerne og tiden ved at designe disse chips, som vil imødekomme de stigende krav til bedre trådløs hastighed og ydeevne. I det kommende afsnit vil vi dykke dybere ned i denne banebrydende forskning. 

AI skaber komplicerede elektromagnetiske strukturer og tilhørende kredsløb i mikrochips

Forskerne har udviklet en metode, så AI kan skabe komplicerede EM-strukturer og tilhørende kredsløb i mikrochips. Før dette gennembrud kunne opnåelse af de samme resultater have krævet uger med højt specialiseret arbejde. Nu, kunne det udføres på timer. 

For at uddybe, hvad forskningen kan opnå i avancerede videnskabelige termer, demonstrerede forskerne en universel invers designmetode for vilkårligt formede komplekse flerport elektromagnetiske strukturer med designer‑radiative og spredningsegenskaber, som er co‑designet med aktive kredsløb.

For at nå deres mål anvendte forskerne dyb læringsbaserede modeller og demonstrerede syntese med flere eksempler på komplekse mm‑bølges passive strukturer og end‑to‑end integrerede mm‑bølge bredbåndskredsløb. Den præsenterede inverse designmetode, som kan producere designene på minutter, kan ifølge forskerne være transformerende ved at åbne et nyt, hidtil utilgængeligt designrum.

Ifølge Kaushik Sengupta, hovedforsker, professor i elektroteknik og datateknik samt meddirektør for NextG, Princetons industri‑partnerskabsprogram for at udvikle næste generations kommunikation:

“Vi udvikler strukturer, der er komplekse og ser tilfældigt formede ud, og når de forbindes med kredsløb, skaber de en tidligere uopnåelig ydeevne. Mennesker kan ikke forstå dem, men de kan fungere bedre.”

Forskningen gør det muligt for ingeniører at gøre disse kredsløb kompatible med mere energieffektive operationer. De bliver anvendelige over et betydeligt bredt frekvensområde. Brug af AI hjælper med at syntetisere iboende komplekse strukturer på minutter. At opnå de samme resultater har ofte krævet konventionelle algoritmer i uger. 

Mens han uddyber AI’s rolle i at muliggøre dette effektive design, sagde Uday Khankhoje, medforfatter og lektor i elektroteknik ved IIT Madras:

“AI driver ikke kun accelerationen af tidskrævende elektromagnetiske simuleringer, men muliggør også udforskning af et hidtil uudforsket designrum og leverer imponerende, højtydende enheder, der går imod de sædvanlige tommelfingerregler og menneskelig intuition.”

De klassiske designs, ifølge professor Sengupta, samler kredsløbene og de elektromagnetiske elementer sammen, del for del. Ændring af disse strukturelle designs hjælper med at indarbejde nye egenskaber. Sengupta mener, at med AI på scenen er mulighederne meget større sammenlignet med det tidligere system, som havde en begrænset måde at gøre det på. 

Hvor AI gør forskellen, er i perspektivet. Den indviklede geometri af chipkredsløb forhindrer ofte menneskelige designere i at afprøve innovative designs. Menneskelige designere forsøger ofte ikke at forstå det kompleksitetsniveau, som sådanne kredsløb indebærer. AI derimod ser chippen som en enkelt artefakt, hvilket fører til mærkelige men effektive arrangementer. 

For eksempel har forskerne udforsket AI for at opdage og designe komplekse elektromagnetiske strukturer, som er co‑designet med kredsløb for at skabe bredbåndsforstærkere. Fremtidig forskning vil gå dybere ind i at forbinde flere strukturer og designe fuldt trådløse chips med AI. 

Når man opsummerer forskningens potentiale, sagde Sengupta: “Dette er kun spidsen af isbjerget med hensyn til, hvad fremtiden bringer for feltet.”

AI‑drevne chips revolutionerer verden ud over teknologilaboratorierne. Et firma, der har været i frontlinjen af denne revolution, er Nvidia (NVDA ). Virksomheden udvidede for næsten et år siden sin førerposition inden for kunstig intelligens med lanceringen af en ny “superchip”. Vi vil nu se på, hvad der gør denne chip ‘super’ i det næste afsnit.

Klik her for at lære om biomimetiske lugtechips.

1. Nvidia

Det banebrydende meddelelse fra Nvidia kom fra virksomhedens årlige udviklingskonference om Blackwell‑serien af AI‑chips. Denne serie af ambitiøse AI‑chips skulle styrke de banebrydende datacentre, der træner Frontier AI‑modeller, såsom de nyeste generationer af GPT, Claude og Gemini. 

Blackwell B200 er en opgradering af virksomhedens H100 AI‑chip. H100 AI‑chipsene er dog bagud, når det gælder at imødekomme nutidens krav, som driver massive AI‑modeller. Ifølge offentliggjorte rapporter ville træning af en AI‑model på størrelse med GPT‑4 kræve 8.000 H100‑chips og 15 megawatt strøm.

Dette energiforbrug kunne forsyne omkring 30.000 typiske britiske husstande. Med virksomhedens nye chips ville den samme træningskørsel dog kun kræve 2.000 B200’er og 4 MW strøm.

Selvom det betyder en betydelig reduktion i elforbruget, ligger den egentlige fordel i den anden del af Blackwell‑serien, GB200 Superchips, som komprimerer to B200‑chips på et enkelt board sammen med virksomhedens Grace‑CPU for at bygge et system, som Nvidia siger, leverer “30‑gange så høj ydeevne” for serverfarme, der kører, snarere end træner, chatbots som Claude eller ChatGPT.

Microchip, den førende leverandør af halvlederløsninger til smarte, forbundne og sikre indlejrede kontrolsystemer, har også arbejdet med NVIDIAs løsninger. I november sidste år udgav Microchip sin PolarFire® FPGA Ethernet Sensor Bridge, som fungerer med NVIDIA Holoscan sensorbehandlingsplatform. Formålet var at give udviklere mulighed for at bygge kunstig intelligens (AI)‑drevne sensorbehandlingssystemer. 

NVIDIA Holoscan hjælper med at strømline udvikling og implementering af AI‑ og high‑performance computing (HPC)‑applikationer i kanten for realtidsindsigt og samler i en enkelt platform al nødvendig hardware og software til lavlatens sensorstreaming og netværksforbindelse. 

Mens NVIDIA hjælper branchen med at trives, tyder rapporter på, at den også vokser i hastigt tempo. Den 7. januar 2025 sagde Nvidia‑CEO Jensen Huang, at ydeevnen af hans virksomheds AI‑chips udvikler sig hurtigere end de historiske hastigheder fastsat af Moores lov, den retningslinje der har drevet computerudviklingen i årtier.

Huang hævdede, at virksomhedens AI‑chips bevæger sig i et eget accelereret tempo, hvor den seneste datacenter‑superchip er mere end 30 gange hurtigere til at køre AI‑inferensarbejder end den foregående generation. Mens han forklarede, hvordan Nvidia kunne opnå så hurtig hastighed, sagde Huang:

“Vi kan bygge arkitekturen, chippen, systemet, bibliotekerne og algoritmerne på samme tid. Hvis du gør det, kan du bevæge dig hurtigere end Moores lov, fordi du kan innovere på tværs af hele stakken.”

Ifølge Huang er NVIDIAs seneste datacenter‑superchip, GB200 NVL72, 30 til 40 gange hurtigere til at køre AI‑inferensarbejder end NVIDIAs tidligere bedst sælgende chips. Virksomheden fokuserer på at skabe mere ydeevnedrevne chips, som på længere sigt vil være tilgængelige til lavere priser.

“Den direkte og umiddelbare løsning for testtid‑beregning, både i ydeevne og omkostningsoverkommelighed, er at øge vores beregningskapacitet.”

– Huang

Samlet set, som Huang påstår, er NVIDIAs AI‑chips i dag 1.000 gange bedre end dem, der blev lavet for 10 år siden. 

For regnskabsåret 2024 steg NVIDIAs omsætning med 126 % til en rekord på $60,9 milliarder. GAAP‑indtjening pr. udvandet aktie var $11,93, op 586 % fra året før. Non‑GAAP‑indtjening pr. udvandet aktie var $12,96, op 288 % fra året før. Non‑GAAP‑bruttomarginen var 73,8 %.

2. Cadence

Som en førende inden for design af elektroniske systemer leverer Cadence software og specialiserede computerservere til Nvidia og Apple. Virksomheden har integreret AI‑teknologi i sine produkter for at forbedre outputkvaliteten, da den mener, at AI kan hjælpe med at løse problemet med halvlederdesign, som bliver stadig mere komplekst, efterhånden som teknologien udvikler sig eksponentielt.

CEO Anirudh Devgan bemærkede for nylig, at virksomhedens AI‑chipdesignværktøjer giver chip‑ydeevne‑ og tæthedfordele, der svarer til overgangen til en næste‑generations procesnode, men uden at skulle skifte til en ny node. 

Så ved at udnytte AI i chipdesign optimerer Cadence strøm, ydeevne og område (PPA) for chips — som er de vigtigste målinger for chipproducenter udover omkostninger, automatiserer opgaver som placering og routing samt fejlfinding, og bygger bro over manglen på chipdesign‑talent.

For disse forbedringer leverer virksomheden en omfattende “chips til systemer” generativ AI‑løsning, som Cadence hævder giver 10‑gange produktivitetsgevinster, samtidig med at ydeevnen forbedres på tværs af alle designområder. Samlet set har virksomheden fem store AI‑platforme: analog, digital, verifikation, PCB og pakke‑ og systemanalyse.

Ifølge Albert Zeng, Senior Software Engineering Group Director i System Design and Analysis Group hos Cadence, udtalt i et nyligt interview:

“AI vil have en stor indvirkning fra et produktivitetsperspektiv, fordi brug af en AI‑assistent, der faktisk kan udtrække data fra en tidligere erfaring, kan hjælpe unge ingeniører eller designere med at træffe bedre beslutninger om deres design eller rette det.”

For lidt over to år siden lancerede Cadence den allerførste generative AI‑teknologi i branchen, kaldet Voltus InsightAI, som automatisk finder kilden til EM‑IR (elektromigration og spændings) fald‑overtrædelser allerede i starten af designprocessen, hvilket er en beregningsmæssigt dyr opgave. Cadencys løsning vælger derefter og anvender de mest effektive rettelser for at forbedre PPA. 

I de seneste måneder har Cadence samarbejdet med TSMC for at øge produktiviteten og forbedre ydeevnen af AI‑drevne avancerede node‑designs samt tredimensionelle integrerede kredsløb (3D‑IC’er) for at imødekomme, hvad de kalder “enestående efterspørgsel” efter avancerede siliciumløsninger, der kan håndtere enorme datamængder og beregninger. Med dette er AI‑drevne designflows nu tilgængelige for den nyeste TSMC N2P (2 nm‑klasse), som giver 5 %‑10 % højere ydeevne, samt N3‑teknologier.

Det $80,2 milliarder markedsværdi‑selskab, hvis aktier i øjeblikket handles til $292,50, rapporterede en næsten 20 % stigning i omsætningen for kvartalet, der sluttede i september. Med dette største spring i mindst seks kvartaler nåede omsætningen $1,22 milliarder. Virksomheden satser faktisk på et boom i generativ AI for fortsat at drive efterspørgslen efter sine produkter og hævede som følge heraf midtpunktet for sit justerede årlige overskuds‑forecast til $5,90 pr. aktie.

Udover dette boom kan Cadencys nye generation af Palladium‑supercomputere også bidrage til denne vækst. Virksomhedens GAAP‑dækningsmargin for kvartalet var 29 %, og den non‑GAAP‑dækningsmargin var 45 %. GAAP‑udvandet nettoindkomst pr. aktie var $0,87, og den non‑GAAP‑udvandet nettoindkomst pr. aktie var $1,64. Cadence rapporterede også en ordrerække på $5,6 milliarder.

Konklusion

En af de hurtigst udviklende teknologier i dette årti er ganske enkelt AI, som allerede har begyndt at påvirke virksomheder på tværs af brancher og forventes at bidrage med over $15 billioner til den globale økonomi inden årtiets afslutning. Nu kan integrationen af AI i mikrochipdesign yderligere hjælpe med at strømline opgaver og låse op for endnu et niveau af effektivitet, ydeevne og skalerbarhed.

Klik her for at lære om kvantechip‑milepælen, som vækker begejstring for fremtiden inden for computing.