Wochen in Stunden verwandeln – Wie KI bereits die Mikrochip-Entwicklung umkrempelt

Das moderne technologische Zeitalter gedeiht durch den effizienten Einsatz von Mikrochips. Der globale Mikrochip-Markt wird voraussichtlich von rund US$21,56 Milliarden im Jahr 2022 auf fast US$47 Milliarden bis 2030 bei einer jährlichen Wachstumsrate von über 10 % wachsen.

Der Grund, warum Mikrochips so schnell wachsen, ist, dass sie alle Elektronik antreiben, die wir um uns herum sehen. Und wenn wir von Elektronik sprechen, umfasst das nicht nur Computer, sondern auch Smartphones, Netzwerkschalter, Haushaltsgeräte, Auto- und Flugzeugkomponenten, Fernseher, Verstärker, IoT‑Geräte und zahlreiche andere elektronische Systeme. 

Auch als Chip, Computerchip oder integrierter Schaltkreis bezeichnet, ist ein Mikrochip eine Einheit integrierter Schaltung, die im mikroskopischen Maßstab aus einem Halbleitermaterial wie Silizium oder Germanium hergestellt wird. Aufwendig entworfene Mikrochips sind so fein abgestimmt, dass sie typischerweise einige spezifische Bauteile wie Transistoren, Widerstände, Kondensatoren und Dioden in Millionen- oder sogar Milliardenzahl enthalten. 

Dies sind unglaublich kleine Bauteile, gemessen in Nanometern. Die Komplexität des Mikrochip-Designs ist so hoch, dass IBM im Jahr 2021 einen Mikrochip auf Basis von 2‑nm‑Technologie vorstellen konnte, kleiner als die Breite eines menschlichen DNA‑Strangs. 

Der rasante Fortschritt in der Mikrochip‑Technologie hat den Horizont ständig erweitert. Spezialisierte Mikrochips sind entstanden, um Signale an der Schnittstelle modernster drahtloser Technologie zu steuern. Diese sind jedoch kostenintensive Designs, die auf den Prinzipien der Miniaturisierung und hochentwickelten Technik basieren. 

Jetzt hat ein Team von kooperierenden Ingenieuren der Princeton Engineering und des Indian Institute of Technology KI eingesetzt, um die Kosten und die Zeit für das Design dieser Chips zu reduzieren, die den wachsenden Anforderungen an höhere drahtlose Geschwindigkeit und Leistung gerecht werden. Im folgenden Abschnitt werden wir tiefer in diese bahnbrechende Forschung eintauchen. 

KI erzeugt komplizierte elektromagnetische Strukturen und zugehörige Schaltungen in Mikrochips

Die Forscher haben eine Methodik entwickelt, mit der KI komplizierte EM‑Strukturen und zugehörige Schaltungen in Mikrochips erzeugen kann. Vor diesem Durchbruch hätte das Erreichen derselben Ergebnisse Wochen hochqualifizierter Arbeit erfordert. Jetzt, könnte es in Stunden erledigt werden. 

Um genauer zu erläutern, was die Forschung in fortgeschrittenen wissenschaftlichen Begriffen erreichen kann, zeigten die Forscher einen universellen inversen Designansatz für beliebig geformte komplexe Mehrport‑Elektromagnetik‑Strukturen mit vom Designer festgelegten Strahlungs‑ und Streueigenschaften, die gemeinsam mit aktiven Schaltungen entworfen wurden.

Um ihr Ziel zu erreichen, setzten die Forscher auf Deep‑Learning‑basierte Modelle und demonstrierten die Synthese anhand mehrerer Beispiele komplexer mm‑Wave‑passiver Strukturen und End‑zu‑End‑integrierter mm‑Wave‑Breitband‑Schaltungen. Die vorgestellte inverse Design‑Methodik, die die Entwürfe in Minuten erzeugen kann, könnte laut den Forschern transformativ sein, indem sie einen neuen, bisher unzugänglichen Designraum eröffnet.

Laut Kaushik Sengupta, dem leitenden Forscher, Professor für Elektro‑ und Computer‑Engineering und Co‑Direktor von NextG, Princeton’s Industrie‑Partnerschaftsprogramm zur Entwicklung von Kommunikation der nächsten Generation:

“Wir entwickeln Strukturen, die komplex und zufällig geformt erscheinen, und wenn sie mit Schaltungen verbunden werden, erzeugen sie eine zuvor unerreichbare Leistung. Menschen können sie nicht verstehen, aber sie können besser funktionieren.”

Die Forschung ermöglicht es Ingenieuren, diese Schaltungen mit energieeffizienteren Betriebsweisen kompatibel zu machen. Sie werden über einen deutlich breiten Frequenzbereich einsetzbar. Der Einsatz von KI hilft, von Natur aus komplexe Strukturen in Minuten zu synthetisieren. Das Erreichen derselben Ergebnisse erforderte früher oft konventionelle Algorithmen über Wochen. 

Während er die Rolle der KI bei der Ermöglichung dieses effizienten Designs erläuterte, sagte Uday Khankhoje, Mitautor und außerordentlicher Professor für Elektrotechnik am IIT Madras, Folgendes:

“KI beschleunigt nicht nur zeitaufwändige elektromagnetische Simulationen, sondern ermöglicht auch die Erkundung eines bislang unerforschten Designraums und liefert beeindruckende Hochleistungsgeräte, die den üblichen Faustregeln und der menschlichen Intuition widersprechen.”

Die klassischen Designs, so Professor Sengupta, setzen die Schaltungen und elektromagnetischen Elemente Stück für Stück zusammen. Das Ändern dieser Strukturgestaltungen hilft, neue Eigenschaften zu integrieren. Sengupta glaubt, dass mit dem Auftreten von KI die Optionen im Vergleich zum früheren System, das nur eine begrenzte Vorgehensweise hatte, deutlich größer sind. 

Wo KI den Unterschied macht, ist die Perspektive. Die komplexe Geometrie der Chip‑Schaltungen verhindert häufig, dass menschliche Designer innovative Entwürfe ausprobieren. Menschliche Designer versuchen oft nicht, das Ausmaß der Komplexität solcher Schaltungen zu verstehen. KI hingegen betrachtet den Chip als ein einziges Artefakt, was zu seltsamen, aber effektiven Anordnungen führt. 

Beispielsweise haben Forscher KI eingesetzt, um komplexe elektromagnetische Strukturen zu entdecken und zu entwerfen, die gemeinsam mit Schaltungen Breitbandverstärker erzeugen. Zukünftige Forschung wird tiefer darauf eingehen, mehrere Strukturen zu verknüpfen und vollwertige drahtlose Chips mit KI zu entwerfen. 

Zusammenfassend das Potenzial der Forschung sagte Sengupta: „Das ist nur die Spitze des Eisbergs, was die Zukunft für das Feld bereithält.“

KI‑gestützte Chips revolutionieren die Welt jenseits der Tech‑Labore. Ein Unternehmen, das an vorderster Front dieser Revolution steht, ist Nvidia (NVDA ). Das Unternehmen hat vor fast einem Jahr seine Führungsposition im Bereich Künstliche Intelligenz mit der Vorstellung eines neuen „Super‑Chips“ ausgebaut. Im nächsten Abschnitt werden wir untersuchen, was diesen Chip „super“ macht.

Klicken Sie hier, um mehr über biomimetische olfaktorische Chips zu erfahren.

1. Nvidia

Die bahnbrechende Ankündigung von Nvidia stammt von der jährlichen Entwicklungskonferenz des Unternehmens zur Blackwell‑Serie von KI‑Chips. Diese Reihe ambitionierter KI‑Chips soll die hochmodernen Rechenzentren unterstützen, die Frontier‑KI‑Modelle wie die neuesten Generationen von GPT, Claude und Gemini trainieren.

Der Blackwell B200 ist ein Upgrade gegenüber dem H100‑KI‑Chip des Unternehmens. Allerdings bleiben die H100‑KI‑Chips hinter den heutigen Anforderungen zurück, die massive KI‑Modelle antreiben. Laut veröffentlichten Berichten würde das Training eines KI‑Modells in der Größe von GPT‑4 8.000 H100‑Chips und 15 Megawatt Leistung erfordern.

Dieses Energiemenge könnte etwa 30.000 typische britische Haushalte versorgen. Mit den neuen Chips des Unternehmens würde derselbe Trainingslauf jedoch nur 2.000 B200‑Chips und 4 MW Leistung benötigen.

Während dies eine erhebliche Reduzierung des Stromverbrauchs bedeutet, liegt das eigentliche Highlight im zweiten Teil der Blackwell‑Linie, den GB200‑Superchips, die zwei B200‑Chips auf einer einzigen Platine zusammen mit der Grace‑CPU des Unternehmens integrieren, um ein System zu bauen, das, so Nvidia, „30‑mal die Leistung“ für Serverfarmen bietet, die Chatbots wie Claude oder ChatGPT ausführen, anstatt zu trainieren.

Microchip, der führende Halbleiterlieferant für intelligente, vernetzte und sichere Embedded‑Steuerungslösungen, arbeitet ebenfalls mit den Lösungen von NVIDIA zusammen. Im November letzten Jahres brachte Microchip seine PolarFire® FPGA Ethernet Sensor Bridge heraus, die mit der NVIDIA Holoscan‑Sensorverarbeitungsplattform funktioniert. Ziel war es, Entwicklern zu ermöglichen, KI‑gesteuerte Sensorverarbeitungssysteme zu bauen.

NVIDIA Holoscan hilft, die Entwicklung und Bereitstellung von KI‑ und Hochleistungs‑Computing‑Anwendungen (HPC) am Edge für Echtzeit‑Einblicke zu optimieren und integriert in einer einzigen Plattform alle erforderlichen Hard‑ und Software‑Systeme für latenzarme Sensor‑Streaming‑ und Netzwerk‑Konnektivität.

Während NVIDIA die Branche unterstützt, deuten Berichte darauf hin, dass das Unternehmen ebenfalls rasant wächst. Am 7. Januar 2025 sagte Nvidia‑CEO Jensen Huang, dass die Leistung der KI‑Chips seines Unternehmens schneller voranschreite als die historischen Raten, die durch das Mooresche Gesetz festgelegt wurden, das jahrzehntelang den Fortschritt der Computertechnik bestimmte.

Huang behauptete, dass die KI‑Chips des Unternehmens ein eigenes beschleunigtes Tempo aufweisen, wobei der neueste Data‑Center‑Superchip mehr als 30‑mal schneller bei der Ausführung von KI‑Inference‑Workloads ist als die Vorgängergeneration. Während er erklärte, wie Nvidia eine solch schnelle Leistung erreichen könne, sagte Huang:

“Wir können die Architektur, den Chip, das System, die Bibliotheken und die Algorithmen gleichzeitig entwickeln. Wenn man das tut, kann man schneller als das Mooresche Gesetz vorankommen, weil man über den gesamten Stack hinweg innovieren kann.”

Laut Huang ist Nvidias neuester Data‑Center‑Superchip, der GB200 NVL72, 30‑ bis 40‑mal schneller bei der Ausführung von KI‑Inference‑Workloads als Nvidias bisher meistverkaufte Chips. Das Unternehmen konzentriert sich darauf, leistungsfähigere Chips zu entwickeln, die langfristig zu niedrigeren Preisen verfügbar sein werden.

“Die direkte und sofortige Lösung für das Test‑Zeit‑Computing, sowohl in Bezug auf Leistung als auch Kosten­erschwinglichkeit, besteht darin, unsere Rechenkapazität zu erhöhen.”

– Huang

Insgesamt, wie von Huang behauptet, sind Nvidias KI‑Chips heute 1.000‑mal besser als vor zehn Jahren.

Für das Geschäftsjahr 2024 stieg Nvidias Umsatz um 126 % auf einen Rekord von 60,9 Milliarden US‑Dollar. Der GAAP‑Gewinn je verwässerter Aktie betrug 11,93 US‑Dollar, ein Anstieg von 586 % gegenüber dem Vorjahr. Der Non‑GAAP‑Gewinn je verwässerter Aktie lag bei 12,96 US‑Dollar, ein Anstieg von 288 % gegenüber dem Vorjahr. Die Non‑GAAP‑Bruttomarge betrug 73,8 %.

2. Cadence

Als führendes Unternehmen im Bereich Elektronik‑Systemdesign liefert Cadence Software und spezialisierte Computer‑Server an Nvidia und Apple. Das Unternehmen integriert KI‑Technologie in seine Produkte, um die Ausgabequalität zu verbessern, da es glaubt, dass KI dabei helfen kann, das Problem des Halbleiterdesigns zu bewältigen, das immer komplexer wird, während die Technologie exponentiell voranschreitet.

CEO Anirudh Devgan bemerkte kürzlich, dass die KI‑Chip‑Design‑Tools des Unternehmens Chip‑Leistungs‑ und Dichtevorteile bieten, die einem Übergang zu einem nächsten Prozess‑Node ähneln, jedoch ohne einen neuen Node zu benötigen.

Durch den Einsatz von KI im Chip‑Design optimiert Cadence also Leistung, Performance und Fläche (PPA) von Chips – die wichtigsten Kennzahlen für Chip‑Hersteller neben den Kosten – automatisiert Aufgaben wie Place‑and‑Route und Debugging und schließt die Lücke im Fachpersonal für Chip‑Design.

Für diese Verbesserungen bietet das Unternehmen eine umfassende „Chips‑zu‑Systeme“-generative‑KI‑Lösung, von der Cadence behauptet, dass sie 10‑fach höhere Produktivität liefert und gleichzeitig die Leistung in allen Design‑Domänen verbessert. Insgesamt verfügt das Unternehmen über fünf wichtige KI‑Plattformen: analog, digital, Verifikation, PCB sowie Paket‑ und Systemanalyse.

Laut Albert Zeng, Senior Software Engineering Group Director in der System Design and Analysis Group bei Cadence, erklärte er in einem kürzlich geführten Interview:

“KI wird aus Sicht der Produktivität einen großen Einfluss haben, weil ein KI‑Assistent, der tatsächlich Daten aus vergangenen Erfahrungen extrahieren kann, jungen Ingenieuren oder Designern dabei hilft, bessere Entscheidungen über ihr Design zu treffen oder es zu korrigieren.”

Vor etwas mehr als zwei Jahren brachte Cadence die erste generative KI‑Technologie der Branche namens Voltus InsightAI heraus, die bereits zu Beginn des Designprozesses automatisch die Ursache von EM‑IR‑(Elektromigration und Spannungs‑)Abfall‑Verstößen findet, was eine rechenintensive Aufgabe ist. Cadencys Lösung wählt dann die effektivsten Korrekturen aus und wendet sie an, um die PPA zu verbessern.

In den letzten Monaten hat Cadence mit TSMC zusammengearbeitet, um die Produktivität zu steigern und die Leistung von KI‑gesteuerten Advanced‑Node‑Designs sowie dreidimensionalen integrierten Schaltungen (3D‑ICs) zu verbessern, um dem, was das Unternehmen als „beispiellose Nachfrage“ nach fortschrittlichen Silizium‑Lösungen bezeichnet, gerecht zu werden, die massive Datenmengen und Berechnungen bewältigen können. Damit stehen KI‑gesteuerte Design‑Flows nun für die neueste TSMC‑N2P‑(2‑nm‑Klasse) bereit, die 5 %‑10 % höhere Leistung bietet, sowie für N3‑Technologien.

Das Unternehmen mit einer Marktkapitalisierung von 80,2 Milliarden US‑Dollar, dessen Aktien derzeit bei 292,50 US‑Dollar gehandelt werden, meldete für das Quartal bis September einen fast 20 %igen Umsatzanstieg. Mit diesem größten Sprung seit mindestens sechs Quartalen belief sich der Umsatz auf 1,22 Milliarden US‑Dollar. Das Unternehmen setzt tatsächlich auf einen Boom im Bereich generativer KI, um die Nachfrage nach seinen Produkten weiter anzukurbeln, und hat infolgedessen den Mittelwert seiner angepassten Jahresgewinnprognose auf 5,90 US‑Dollar pro Aktie erhöht.

Neben diesem Boom können Cadencys neue Generation von Palladium‑Supercomputern ebenfalls zu diesem Wachstum beitragen. Die GAAP‑Betriebsmarge des Unternehmens für das Quartal betrug 29 %, die Non‑GAAP‑Betriebsmarge 45 %. Der GAAP‑verwässerte Nettogewinn je Aktie lag bei 0,87 US‑Dollar, der Non‑GAAP‑verwässerte Nettogewinn je Aktie bei 1,64 US‑Dollar. Cadence meldete zudem einen Auftragsbestand von 5,6 Milliarden US‑Dollar.

Fazit

Eine der am schnellsten voranschreitenden Technologien dieses Jahrzehnts ist schlichtweg KI, die bereits Unternehmen in allen Branchen beeinflusst und voraussichtlich bis zum Ende dieses Jahrzehnts über 15 Billionen US‑Dollar zur globalen Wirtschaft beitragen wird. Jetzt kann die Integration von KI in das Mikrochip‑Design dabei helfen, Aufgaben weiter zu rationalisieren und ein weiteres Niveau an Effizienz, Leistung und Skalierbarkeit zu erschließen.

Klicken Sie hier, um mehr über den Quantenchip‑Meilenstein zu erfahren, der die Vorfreude auf die Zukunft des Rechnens weckt.