Computación
Convertir semanas en horas: cómo la IA ya está revolucionando la ingeniería de microchips
La era tecnológica moderna prospera gracias al uso eficiente de los microchips. El mercado global de microchips se espera crecer desde alrededor de US$21.56 mil millones en 2022 hasta casi US$47 mil millones para 2030, con una tasa de crecimiento anual compuesta de más del 10%.
La razón por la que los microchips crecen a este ritmo es que impulsan toda la electrónica que vemos a nuestro alrededor. Y cuando hablamos de electrónica, no solo incluye computadoras, sino también teléfonos inteligentes, conmutadores de red, electrodomésticos, componentes de automóviles y aviones, televisores, amplificadores, dispositivos IoT y numerosos otros sistemas electrónicos.
También llamado chip, chip de computadora o circuito integrado, un microchip es una unidad de circuitería integrada fabricada a escala microscópica usando un material semiconductor, como silicio o germanio. Los microchips diseñados de forma intrincada son tan detallados en su diseño que típicamente pueden incluir algunos tipos específicos de componentes, como transistores, resistores, capacitores y diodos, en millones o incluso miles de millones.
Estos son componentes increíblemente pequeños medidos en nanómetros. La sofisticación del diseño de microchips opera a un nivel tan fino que en 2021, IBM pudo presentar un microchip basado en tecnología de 2 nm, más pequeño que el ancho de una hebra de ADN humano.
El rápido progreso en la tecnología de microchips ha mantenido su horizonte en constante expansión. Han aparecido microchips especializados para gestionar señales en la intersección de la tecnología inalámbrica de vanguardia. Sin embargo, estas son opciones costosas de diseñar que operan bajo los principios de miniaturización y alta ingeniería.
Ahora, un equipo de ingenieros colaboradores de Princeton Engineering y del Indian Institute of Technology ha aprovechado la IA para reducir el costo y el tiempo de diseño de estos chips que satisfarán la creciente demanda de mayor velocidad y rendimiento inalámbricos. En el siguiente segmento, profundizaremos en esta investigación revolucionaria.
La IA crea estructuras electromagnéticas complicadas y circuitos asociados en microchips
Los investigadores han desarrollado una metodología para que la IA cree estructuras electromagnéticas complicadas y circuitos asociados en microchips. Antes de este avance, lograr los mismos resultados podría haber tomado semanas de trabajo altamente especializado. Ahora, puede lograrse en horas.
Para detallar lo que la investigación podría lograr en términos científicos avanzados, los investigadores demostraron un enfoque de diseño inverso universal para estructuras electromagnéticas complejas de múltiples puertos de forma arbitraria, con propiedades radiativas y de dispersión diseñadas, co-diseñadas con circuitos activos.
Para lograr su objetivo, los investigadores desplegaron modelos basados en aprendizaje profundo y demostraron la síntesis con varios ejemplos de estructuras pasivas complejas de ondas milimétricas y circuitos de banda ancha integrados de extremo a extremo. La metodología de diseño inverso presentada, que podría producir los diseños en minutos, podría ser transformadora al abrir un nuevo espacio de diseño previamente inaccesible, según los investigadores.
Según Kaushik Sengupta, el investigador principal, profesor de ingeniería eléctrica y de computación, y co-director de NextG, programa de asociación industrial de Princeton para desarrollar comunicaciones de próxima generación:
“Estamos creando estructuras que son complejas y parecen de forma aleatoria, y cuando se conectan con circuitos, generan un rendimiento previamente inalcanzable. Los humanos no pueden entenderlas, pero pueden funcionar mejor.”
La investigación permite a los ingenieros hacer que estos circuitos sean compatibles con operaciones más eficientes en energía. Se vuelven operables en un rango de frecuencias significativamente amplio. El uso de IA ayuda a sintetizar estructuras inherentemente complejas en minutos. Lograr los mismos resultados a menudo requería semanas con algoritmos convencionales.
Al detallar el papel de la IA en hacer posible este diseño eficiente, Uday Khankhoje, coautor y profesor asociado de ingeniería eléctrica en IIT Madras, dijo lo siguiente:
“La IA impulsa no solo la aceleración de simulaciones electromagnéticas que consumen tiempo, sino que también permite la exploración de un espacio de diseño hasta ahora inexplorado y entrega dispositivos impresionantes y de alto rendimiento que van en contra de las reglas empíricas habituales y la intuición humana.”
Los diseños clásicos, según el profesor Sengupta, ensamblan los circuitos y los elementos electromagnéticos pieza por pieza. Cambiar estos diseños estructurales ayuda a incorporar nuevas propiedades. Sengupta cree que con la aparición de la IA, las opciones son mucho mayores en comparación con el sistema anterior, que tenía una forma finita de hacer lo mismo.
Donde la IA marca la diferencia es en la perspectiva. La geometría intrincada de la circuitería del chip a menudo impide que los diseñadores humanos prueben diseños innovadores. Los diseñadores humanos a menudo no intentan comprender el nivel de complejidad que implica dicha circuitería. La IA, por otro lado, ve el chip como un solo artefacto, lo que lleva a disposiciones extrañas pero efectivas.
Por ejemplo, los investigadores han explorado la IA para descubrir y diseñar estructuras electromagnéticas complejas que se co-diseñan con circuitos para crear amplificadores de banda ancha. La investigación futura profundizará en la vinculación de múltiples estructuras y en el diseño de chips totalmente inalámbricos con IA.
Al resumir el potencial de la investigación, Sengupta dijo lo siguiente: “Esto es solo la punta del iceberg en cuanto a lo que el futuro le depara al campo.”
Los chips impulsados por IA están revolucionando el mundo más allá de los laboratorios tecnológicos. Una empresa que ha estado a la vanguardia de esta revolución es Nvidia. La compañía, hace casi un año, amplió su liderazgo en inteligencia artificial con la presentación de un nuevo “super chip”. Ahora veremos qué hace que este chip sea “super” en el siguiente segmento.
Haga clic aquí para aprender sobre los chips olfativos biomiméticos.
1. Nvidia (NVDA )
El anuncio revolucionario de Nvidia provino de la conferencia anual de desarrollo de la empresa sobre la serie Blackwell de chips de IA. Esta serie de ambiciosos chips de IA estaba destinada a potenciar los centros de datos de vanguardia que entrenan modelos de IA Frontier, como las últimas generaciones de GPT, Claude y Gemini.
El Blackwell B200 es una mejora respecto al chip de IA H100 de la empresa. Sin embargo, los chips de IA H100 se quedan rezagados al intentar satisfacer las demandas actuales, que impulsan modelos de IA masivos. Según informes publicados, entrenar un modelo de IA del tamaño de GPT-4 requeriría 8,000 chips H100 y 15 megavatios de energía.
Este volumen de energía consumida podría alimentar alrededor de 30,000 hogares británicos típicos. Sin embargo, con los nuevos chips de la empresa en acción, la misma ejecución de entrenamiento requeriría solo 2,000 B200 y 4 MW de energía.
Aunque esto implica una reducción significativa en el consumo eléctrico, el verdadero avance se encuentra en la segunda parte de la línea Blackwell, los Superchips GB200 que integran dos chips B200 en una sola placa junto con la CPU Grace de la empresa para construir un sistema que, según Nvidia, ofrece “30 veces el rendimiento” para los centros de servidores que ejecutan, en lugar de entrenar, chatbots como Claude o ChatGPT.
Microchip, el principal proveedor de semiconductores de soluciones de control embebidas inteligentes, conectadas y seguras, también ha estado trabajando con las soluciones de NVIDIA. En noviembre del año pasado, Microchip lanzó su PolarFire® FPGA Ethernet Sensor Bridge que funciona con la NVIDIA Holoscan plataforma de procesamiento de sensores. El objetivo era capacitar a los desarrolladores para construir sistemas de procesamiento de sensores impulsados por inteligencia artificial (IA).
NVIDIA Holoscan ayuda a simplificar el desarrollo y despliegue de aplicaciones de IA y computación de alto rendimiento (HPC) en el edge para obtener información en tiempo real e integra en una única plataforma todos los sistemas de hardware y software necesarios para la transmisión de sensores de baja latencia y la conectividad de red.
Mientras NVIDIA ayuda a la industria a prosperar, los informes sugieren que también está creciendo a una velocidad rápida. El 7 de enero de 2025, el CEO de Nvidia, Jensen Huang, dijo que el rendimiento de los chips de IA de su empresa estaba avanzando más rápido que las tasas históricas establecidas por la Ley de Moore, el criterio que impulsó el progreso informático durante décadas.
Huang afirmó que los chips de IA de la empresa estaban avanzando a un ritmo acelerado propio, con su último superchip para centros de datos siendo más de 30 veces más rápido para ejecutar cargas de trabajo de inferencia de IA que su generación anterior. Al explicar cómo Nvidia pudo lograr tal velocidad, Huang dijo:
“Podemos construir la arquitectura, el chip, el sistema, las bibliotecas y los algoritmos al mismo tiempo. Si haces eso, puedes avanzar más rápido que la Ley de Moore porque puedes innovar en toda la pila.”
Según Huang, el último superchip de centro de datos de Nvidia, el GB200 NVL72, es de 30 a 40 veces más rápido al ejecutar cargas de trabajo de inferencia de IA que los chips más vendidos anteriores de Nvidia. La empresa se centra en crear chips más eficientes que estarán disponibles a precios más bajos a largo plazo.
“La solución directa e inmediata para la computación en tiempo de prueba, tanto en rendimiento como en asequibilidad de costos, es aumentar nuestra capacidad de cómputo.”
– Huang
En general, según Huang, los chips de IA de Nvidia hoy son 1,000 veces mejores que los que fabricó hace 10 años.
(NVDA
)
Para el año fiscal 2024, los ingresos de Nvidia aumentaron un 126% a un récord de $60.9 mil millones. Las ganancias GAAP por acción diluida fueron $11.93, un 586% más que el año anterior. Las ganancias no GAAP por acción diluida fueron $12.96, un 288% más que el año anterior. El margen bruto no GAAP fue del 73.8%.
2. Cadence (CDNS )
Líder en diseño de sistemas electrónicos, Cadence suministra software y servidores informáticos especializados a Nvidia y Apple. La empresa ha estado incorporando tecnología de IA en sus productos para mejorar la calidad del resultado, ya que cree que la IA puede ayudar a abordar el problema del diseño de semiconductores, que se vuelve cada vez más complejo a medida que la tecnología avanza exponencialmente.
El CEO Anirudh Devgan comentó recientemente que las herramientas de diseño de chips de IA de la empresa ofrecen beneficios de rendimiento y densidad de chips similares a la transición a un nodo de proceso de próxima generación, pero sin tener que pasar a un nuevo nodo.
Así, al utilizar IA en el diseño de chips, Cadence está optimizando la potencia, el rendimiento y el área (PPA) de los chips — que son las métricas más importantes para los fabricantes de chips además del costo— automatizando tareas como colocación y ruteo y depuración, y cerrando la brecha en el talento de diseño de chips.
Para estas mejoras, la empresa ofrece una solución integral de IA generativa “chips a sistemas” que Cadence afirma brinda un aumento de productividad de 10X mientras mejora el rendimiento en todos los dominios de diseño. En total, la empresa tiene cinco plataformas principales de IA: analógica, digital, verificación, PCB y análisis de paquetes y sistemas.
Según Albert Zeng, Director del Grupo de Ingeniería de Software Senior en el Grupo de Diseño y Análisis de Sistemas en Cadence, declaró en una entrevista reciente:
“La IA tendrá un gran impacto desde el punto de vista de la productividad porque usar un asistente de IA que realmente pueda extraer los datos de una experiencia pasada puede ayudar a guiar a ingenieros o diseñadores jóvenes a tomar una mejor decisión sobre su diseño o a corregirlo.”
Hace poco más de dos años, Cadence lanzó la primera tecnología de IA generativa de la industria llamada Voltus InsightAI, que encuentra automáticamente la fuente de violaciones de caída EM-IR (electromigración y voltaje) al inicio del proceso de diseño, una tarea computacionalmente costosa. La solución de Cadence luego elige y aplica las correcciones más efectivas para mejorar la PPA.
En los últimos meses, Cadence ha colaborado con TSMC para impulsar la productividad y mejorar el rendimiento de diseños de nodos avanzados impulsados por IA, así como circuitos integrados tridimensionales (3D-IC) con el fin de satisfacer lo que dice es una “demanda sin precedentes” de soluciones de silicio avanzadas que pueden manejar enormes cantidades de conjuntos de datos y cálculos. Con ello, los flujos de diseño impulsados por IA ya están disponibles para el último TSMC N2P (clase 2nm), que ofrece un 5% – 10% de mayor rendimiento, y las tecnologías N3.
La empresa con capitalización de mercado de $80.2 mil millones, cuyas acciones se cotizan actualmente a $292.50, reportó un aumento de casi el 20% en sus ingresos para el trimestre que finalizó en septiembre. Con este mayor salto en al menos seis trimestres, los ingresos fueron de $1.22 mil millones. La empresa está realmente apostando por un auge de la IA generativa para seguir impulsando la demanda de sus productos y, como resultado, elevó el punto medio de su pronóstico de beneficio anual ajustado a $5.90 por acción.
(CDNS
)
Además de este auge, la nueva generación de supercomputadoras Palladium de Cadence también puede contribuir a este crecimiento. El margen operativo GAAP de la empresa para el trimestre fue del 29%, y el margen operativo no GAAP fue del 45%. La utilidad neta diluida GAAP por acción fue de $0.87, y la utilidad neta diluida no GAAP por acción fue de $1.64. Cadence también reportó una cartera de pedidos de $5.6 mil millones.
Conclusión
Una de las tecnologías que más avanza rápidamente en esta década es simplemente IA, que ya ha comenzado a afectar a las empresas de todos los sectores y se proyecta que contribuirá con más de $15 billones a la economía global para finales de esta década. Ahora, la integración de la IA en el diseño de microchips puede ayudar a simplificar aún más las tareas, desbloqueando otro nivel de eficiencia, rendimiento y escalabilidad.
