Komputasi
Mengubah Minggu menjadi Jam – Bagaimana AI Sudah Mengguncang Teknik Rekayasa Mikrochip
Zaman teknologi modern bergantung pada penggunaan mikrochip yang efisien. Pasar mikrochip global diperkirakan akan tumbuh dari sekitar $21,56 miliar pada 2022 menjadi hampir $47 miliar pada 2030 dengan tingkat pertumbuhan tahunan gabungan lebih dari 10%.
Alasan mikrochip tumbuh dengan kecepatan seperti itu adalah karena mereka menggerakkan semua peralatan elektronik yang kita lihat di sekitar kita. Dan ketika kita mengatakan peralatan elektronik, itu tidak hanya mencakup komputer tetapi juga mencakup smartphone, switch jaringan, peralatan rumah tangga, komponen mobil dan pesawat, televisi, penguat, perangkat IoT, dan banyak sistem elektronik lainnya.
Juga disebut chip, chip komputer, atau sirkuit terintegrasi, mikrochip adalah unit sirkuit terintegrasi yang diproduksi pada skala mikroskopis menggunakan bahan semikonduktor, seperti silikon atau germanium. Mikrochip yang dirancang dengan rumit memiliki desain yang sangat halus sehingga mungkin biasanya mencakup beberapa jenis komponen tertentu, seperti transistor, resistor, kapasitor, dan dioda, dalam jutaan atau bahkan miliaran.
Komponen-komponen ini sangat kecil dan diukur dalam nanometer. Kesophistikasian desain mikrochip beroperasi pada tingkat yang sangat halus sehingga pada 2021, IBM dapat memperkenalkan mikrochip berbasis teknologi 2nm, lebih kecil dari lebar helai DNA manusia.
Kemajuan pesat dalam teknologi mikrochip terus memperluas cakrawalanya. Mikrochip khusus telah muncul untuk mengelola sinyal di persimpangan teknologi nirkabel canggih. Namun, ini adalah pilihan desain yang mahal yang beroperasi berdasarkan prinsip miniaturisasi dan rekayasa tingkat tinggi.
Sekarang, tim insinyur kolaboratif dari Princeton Engineering dan Indian Institute of Technology telah memanfaatkan AI untuk mengurangi biaya dan waktu desain chip yang akan memenuhi permintaan yang meningkat untuk kecepatan nirkabel dan kinerja yang lebih baik. Di segmen berikutnya, kita akan membahas lebih lanjut tentang penelitian ini.
AI Menciptakan Struktur Elektromagnetik yang Rumit dan Sirkuit Terkait dalam Mikrochip
Peneliti telah mengembangkan metode untuk AI menciptakan struktur EM yang rumit dan sirkuit terkait dalam mikrochip. Sebelum penemuan ini, mencapai hasil yang sama bisa memakan waktu minggu dengan pekerjaan yang sangat terampil. Sekarang, hal itu bisa dilakukan dalam hitungan jam.
Untuk menjelaskan apa yang dapat dicapai penelitian ini dalam istilah ilmiah yang maju, peneliti telah mendemonstrasikan pendekatan desain invers universal untuk struktur elektromagnetik kompleks berbentuk arbitrer dengan sifat radiatif dan penghamburan yang dirancang bersama dengan sirkuit aktif.
Untuk mencapai tujuannya, peneliti telah menerapkan model berbasis pembelajaran dalam dan mendemonstrasikan sintesis dengan beberapa contoh struktur pasif mm-wave kompleks dan sirkuit mm-wave broadband terintegrasi. Metodologi desain invers yang disajikan, yang dapat menghasilkan desain dalam hitungan menit, dapat menjadi transformasional dalam membuka ruang desain baru yang sebelumnya tidak dapat diakses, menurut peneliti.
Menurut Kaushik Sengupta, peneliti utama, profesor teknik elektro dan komputer, dan ko-direktur NextG, program kemitraan industri Princeton untuk mengembangkan komunikasi generasi berikutnya:
“Kami sedang menciptakan struktur yang kompleks dan terlihat acak, dan ketika dihubungkan dengan sirkuit, mereka menciptakan kinerja yang sebelumnya tidak dapat dicapai. Manusia tidak dapat memahaminya, tetapi mereka dapat bekerja lebih baik.”
Penelitian ini memungkinkan insinyur untuk membuat sirkuit yang kompatibel dengan operasi yang lebih hemat energi. Mereka menjadi operasional di seluruh rentang frekuensi yang signifikan. Penggunaan AI membantu mensintesis struktur yang secara inheren kompleks dalam hitungan menit. Mencapai hasil yang sama sering memerlukan algoritma konvensional minggu.
Sementara menjelaskan peran AI dalam membuat desain yang efisien ini memungkinkan, Uday Khankhoje, co-penulis dan profesor teknik elektro di IIT Madras, memiliki hal berikut untuk dikatakan:
“AI memungkinkan tidak hanya percepatan simulasi elektromagnetik yang memakan waktu, tetapi juga memungkinkan eksplorasi ke dalam ruang desain yang belum terjamah dan menghasilkan perangkat dengan kinerja tinggi yang bertentangan dengan aturan umum dan intuisi manusia.”
Desain klasik, menurut Profesor Sengupta, meletakkan sirkuit dan elemen elektromagnetik bersama, bagian demi bagian. Mengubah desain struktural ini membantu menggabungkan sifat baru. Sengupta percaya bahwa dengan AI muncul di adegan, pilihan jauh lebih besar dibandingkan dengan sistem sebelumnya, yang memiliki cara terbatas untuk melakukan hal yang sama.
Di mana AI membuat perbedaan adalah dalam perspektif. Geometri yang rumit dari sirkuit chip sering kali melarang desainer manusia untuk mencoba desain inovatif. Desainer manusia sering tidak mencoba memahami tingkat kompleksitas yang dilibatkan sirkuit tersebut. AI, di sisi lain, melihat chip sebagai satu artefak, menghasilkan pengaturan yang aneh tetapi efektif.
Misalnya, peneliti telah mengeksplorasi AI untuk menemukan dan merancang struktur elektromagnetik kompleks yang dirancang bersama dengan sirkuit untuk menciptakan penguat broadband. Penelitian masa depan akan membahas lebih lanjut tentang menghubungkan beberapa struktur dan merancang chip nirkabel penuh dengan AI.
Dalam merangkum potensi penelitian, Sengupta memiliki hal berikut untuk dikatakan: “Ini hanya puncak gunung es dari apa yang masa depan simpan untuk bidang ini.”
Chip yang ditenagai AI sedang merevolusi dunia di luar laboratorium teknologi. Salah satu perusahaan yang telah berada di garis depan revolusi ini adalah Nvidia. Perusahaan ini, hampir setahun yang lalu, memperluas keunggulannya dalam kecerdasan buatan dengan memperkenalkan chip “super” baru. Kita akan melihat apa yang membuat chip ini ‘super’ di segmen berikutnya.
Klik di sini untuk mempelajari tentang chip olfaktori biomimetik.
1. Nvidia (NVDA )
Pengumuman pemecahan rekor Nvidia datang dari konferensi pengembangan tahunan perusahaan tentang seri chip AI Blackwell. Seri chip AI yang ambisius ini dimaksudkan untuk memberdayakan pusat data canggih yang melatih model AI Frontier, seperti generasi terbaru GPT, Claude, dan Gemini.
Blackwell B200 adalah peningkatan dari chip AI H100 perusahaan. Namun, chip AI H100 ketinggalan dibandingkan dengan memenuhi permintaan saat ini, yang menggerakkan model AI besar. Menurut laporan yang dipublikasikan, melatih model AI seukuran GPT-4 akan memerlukan 8.000 chip H100 dan 15 megawatt daya.
Volume energi yang dikonsumsi ini bisa memasok sekitar 30.000 rumah Inggris biasa. Namun, dengan chip baru perusahaan yang digunakan, jalur pelatihan yang sama hanya akan memerlukan 2.000 B200 dan 4 MW daya.
Sementara itu berarti pengurangan konsumsi listrik yang signifikan, permainan sebenarnya ada pada bagian kedua dari lini Blackwell, yaitu GB200 Superchip yang mengompresi dua chip B200 pada satu papan bersama dengan CPU Grace perusahaan untuk membangun sistem yang, menurut Nvidia, menawarkan “30x kinerja” untuk peternakan server yang menjalankan, bukan melatih, chatbot seperti Claude atau ChatGPT.
Microchip, penyedia semikonduktor terkemuka untuk solusi kontrol tertanam yang cerdas, terhubung, dan aman, telah bekerja dengan solusi Nvidia juga. Pada November tahun lalu, Microchip merilis PolarFire® FPGA Ethernet Sensor Bridge yang bekerja dengan NVIDIA Holoscan platform pengolahan sensor. Tujuannya adalah untuk memberdayakan pengembang untuk membangun sistem pengolahan sensor yang didorong AI.
NVIDIA Holoscan membantu mempermudah pengembangan dan penerapan aplikasi AI dan komputasi tingkat tinggi (HPC) di tepi untuk wawasan waktu nyata dan memperkenalkan semua sistem perangkat keras dan perangkat lunak yang diperlukan untuk streaming sensor rendah latensi dan konektivitas jaringan ke dalam satu platform.
Sementara Nvidia membantu industri berkembang, laporan menunjukkan bahwa perusahaan juga tumbuh dengan kecepatan yang pesat. Pada 7 Januari 2025, CEO Nvidia Jensen Huang mengatakan bahwa kinerja chip AI perusahaan berkembang lebih cepat dari tingkat historis yang ditetapkan oleh Hukum Moore, rubrik yang menggerakkan kemajuan komputasi selama beberapa dekade.
Huang mengklaim bahwa chip AI perusahaan bergerak dengan kecepatan yang dipercepat, dengan chip super data center terbaru lebih dari 30 kali lebih cepat untuk menjalankan beban kerja inferensi AI daripada generasi sebelumnya. Sementara menjelaskan bagaimana Nvidia bisa mencapai kecepatan yang begitu cepat, Huang mengatakan:
“Kami dapat membangun arsitektur, chip, sistem, perpustakaan, dan algoritma semua pada saat yang sama. Jika Anda melakukannya, maka Anda dapat bergerak lebih cepat dari Hukum Moore karena Anda dapat berinovasi di seluruh tumpukan.”
Menurut Huang, chip super data center terbaru Nvidia, GB200 NVL72, 30 hingga 40 kali lebih cepat dalam menjalankan beban kerja inferensi AI daripada chip terlaris sebelumnya. Perusahaan fokus pada menciptakan chip yang lebih performant yang akan tersedia dengan harga yang lebih rendah dalam jangka panjang.
“Solusi langsung dan segera untuk komputasi waktu uji, baik dalam kinerja maupun keterjangkauan biaya, adalah untuk meningkatkan kemampuan komputasi kami.”
– Huang
Secara keseluruhan, seperti yang diklaim oleh Huang, chip AI Nvidia saat ini 1.000 kali lebih baik daripada yang mereka buat 10 tahun yang lalu.
(NVDA
)
Untuk fiskal 2024, pendapatan Nvidia naik 126% menjadi rekor $60,9 miliar. Laba per saham yang dilusikan GAAP adalah $11,93, naik 586% dari tahun sebelumnya. Laba per saham yang dilusikan non-GAAP adalah $12,96, naik 288% dari tahun sebelumnya. Marjin laba kotor non-GAAP adalah 73,8%.
2. Cadence (CDNS )
Sebagai pemimpin dalam desain sistem elektronik, Cadence menyediakan perangkat lunak dan server komputer khusus untuk Nvidia dan Apple. Perusahaan ini telah mengintegrasikan teknologi AI ke dalam produknya untuk meningkatkan kualitas output karena percaya bahwa AI dapat membantu menangani masalah desain semikonduktor, yang menjadi semakin kompleks seiring kemajuan teknologi secara eksponensial.
CEO Anirudh Devgan baru-baru ini mengomentari bahwa alat desain chip AI perusahaan menawarkan manfaat kinerja dan kepadatan chip yang serupa dengan transisi ke node proses berikutnya tetapi tanpa harus pindah ke node baru.
Jadi, dengan menggunakan AI dalam desain chip, Cadence mengoptimalkan daya, kinerja, dan area (PPA) chip — yang merupakan metrik paling penting untuk pembuat chip selain biaya, mengotomatisasi tugas seperti tempat dan rute serta debugging, dan menjembatani kesenjangan dalam bakat desain chip.
Untuk perbaikan ini, perusahaan menyediakan solusi AI generatif “dari chip ke sistem” yang komprehensif yang diklaim Cadence menawarkan keuntungan produktivitas 10X sambil meningkatkan kinerja di semua domain desain. Secara total, perusahaan memiliki lima platform AI utama: analog, digital, verifikasi, PCB, dan analisis paket dan sistem.
Menurut Albert Zeng, Sr. Direktur Kelompok Teknik Perangkat Lunak di Kelompok Analisis dan Desain Sistem di Cadence, menyatakan dalam sebuah wawancara baru-baru ini:
“AI akan memiliki dampak besar dari sudut pandang produktivitas karena menggunakan asisten AI yang dapat sebenarnya mengekstrak data dari pengalaman sebelumnya dapat membantu panduan insinyur muda atau desainer untuk membuat keputusan yang lebih baik tentang desain mereka atau memperbaikinya.”
Hanya lebih dari dua tahun yang lalu, Cadence merilis teknologi AI generatif pertama di industri yang disebut Voltus InsightAI, yang secara otomatis menemukan sumber pelanggaran EM-IR (elektromigrasi dan penurunan tegangan) tepat di awal proses desain, yang merupakan tugas komputasi yang mahal. Solusi Cadence kemudian memilih dan menerapkan perbaikan paling efektif untuk meningkatkan PPA.
Dalam beberapa bulan terakhir, Cadence telah berkolaborasi dengan TSMC untuk meningkatkan produktivitas dan meningkatkan kinerja desain node lanjutan yang didorong AI serta sirkuit terintegrasi tiga dimensi (3D-IC) untuk memenuhi apa yang mereka sebut “permintaan yang belum pernah terjadi sebelumnya” untuk solusi silikon lanjutan yang dapat menangani jumlah data dan komputasi yang besar. Dengan itu, aliran desain yang didorong AI sekarang tersedia untuk teknologi TSMC N2P (2nm-kelas), yang menawarkan 5% – 10% kinerja yang lebih tinggi, dan teknologi N3.
Perusahaan dengan kapitalisasi pasar $80,2 miliar, yang sahamnya saat ini diperdagangkan pada $292,50, melaporkan peningkatan pendapatan sekitar 20% untuk kuartal yang berakhir pada September. Dengan lompatan terbesar dalam setidaknya enam kuartal, pendapatan mencapai $1,22 miliar. Perusahaan sebenarnya bertaruh pada ledakan AI generatif untuk terus menggerakkan permintaan produknya dan, sebagai hasilnya, meningkatkan titik tengah perkiraan laba tahunan yang disesuaikan menjadi $5,90 per saham.
(CDNS
)
Selain ledakan ini, generasi baru superkomputer Palladium Cadence juga dapat menyumbang pertumbuhan ini. Marjin operasional GAAP perusahaan untuk kuartal adalah 29%, dan marjin operasional non-GAAP adalah 45%. Laba bersih GAAP yang dilusikan per saham adalah $0,87, dan laba bersih non-GAAP yang dilusikan per saham adalah $1,64. Cadence juga melaporkan backlog sebesar $5,6 miliar.
Kesimpulan
Salah satu teknologi yang paling cepat berkembang pada dekade ini adalah sangat sederhana AI, yang sudah mulai memengaruhi bisnis di seluruh industri dan diproyeksikan untuk menyumbang lebih dari $15 triliun untuk perekonomian global pada akhir dekade ini. Sekarang, integrasi AI dalam desain mikrochip dapat membantu mempermudah tugas, membuka tingkat efisiensi, kinerja, dan skalabilitas lainnya.
