Mengubah Minggu Menjadi Jam – Bagaimana AI Sudah Mengguncang Rekayasa Mikrochip

Era teknologi modern berkembang berkat penggunaan mikrochip yang efisien. Pasar mikrochip global diperkirakan akan tumbuh dari sekitar US$21,56 miliar pada 2022 menjadi hampir US$47 miliar pada 2030 dengan tingkat pertumbuhan tahunan majemuk lebih dari 10%.

Alasan mikrochip tumbuh dengan kecepatan tersebut adalah karena mereka menggerakkan semua elektronik yang kita lihat di sekitar kita. Dan ketika kita menyebut elektronik, itu tidak hanya mencakup komputer tetapi juga meliputi smartphone, saklar jaringan, peralatan rumah tangga, komponen mobil dan pesawat terbang, televisi, amplifier, perangkat IoT, dan banyak sistem elektronik lainnya.

Juga disebut chip, chip komputer, atau sirkuit terintegrasi, mikrochip adalah unit sirkuit terintegrasi yang diproduksi pada skala mikroskopik menggunakan bahan semikonduktor, seperti silikon atau germanium. Mikrochip yang dirancang secara rumit memiliki nuansa desain yang sangat detail sehingga biasanya mencakup beberapa jenis komponen tertentu, seperti transistor, resistor, kapasitor, dan dioda, dalam jutaan atau bahkan miliaran.

Komponen-komponen ini sangat kecil, diukur dalam nanometer. Kecanggihan desain mikrochip beroperasi pada tingkat yang sangat halus sehingga pada 2021, IBM dapat memperkenalkan mikrochip berbasis teknologi 2nm, lebih kecil dari lebar satu helai DNA manusia.

Kemajuan cepat dalam teknologi mikrochip terus memperluas cakupannya. Mikrochip khusus telah muncul untuk mengelola sinyal pada persimpangan teknologi nirkabel mutakhir. Namun, opsi-opsi ini mahal untuk dirancang karena beroperasi berdasarkan prinsip miniaturisasi dan rekayasa kelas atas.

Sekarang, tim insinyur kolaboratif dari Princeton Engineering dan Indian Institute of Technology telah memanfaatkan AI untuk mengurangi biaya dan waktu dalam merancang chip-chip ini yang akan memenuhi permintaan yang terus berkembang akan kecepatan dan kinerja nirkabel yang lebih baik. Pada segmen berikutnya, kami akan menyelami lebih dalam penelitian terobosan ini.

AI Membuat Struktur Elektromagnetik Rumit dan Sirkuit Terkait dalam Mikrochip

Para peneliti telah menemukan metodologi bagi AI untuk membuat struktur EM yang rumit dan sirkuit terkait dalam mikrochip. Sebelum terobosan ini, mencapai hasil yang sama dapat memakan waktu minggu-minggu kerja yang sangat terampil. Sekarang, hal itu dapat diselesaikan dalam hitungan jam.

Untuk menjelaskan apa yang dapat dicapai penelitian ini dalam istilah ilmiah lanjutan, para peneliti menunjukkan pendekatan desain invers universal untuk struktur elektromagnetik multi-port kompleks berbentuk arbitrer dengan properti radiasi dan hamburan yang dirancang bersama dengan sirkuit aktif.

Untuk mencapai tujuan tersebut, para peneliti menggunakan model berbasis pembelajaran mendalam dan menunjukkan sintesis dengan beberapa contoh struktur pasif gelombang milimeter (mm-wave) yang kompleks serta sirkuit broadband gelombang milimeter terintegrasi end-to-end. Metodologi desain invers yang dipresentasikan, yang dapat menghasilkan desain dalam hitungan menit, dapat menjadi transformatif dalam membuka ruang desain baru yang sebelumnya tidak dapat diakses, menurut para peneliti.

Menurut Kaushik Sengupta, peneliti utama, seorang profesor teknik listrik dan komputer, serta co-director NextG, program kemitraan industri Princeton untuk mengembangkan komunikasi generasi berikutnya:

Kami menciptakan struktur yang kompleks dan tampak berbentuk acak, dan ketika dihubungkan dengan sirkuit, mereka menghasilkan kinerja yang sebelumnya tidak dapat dicapai. Manusia tidak dapat memahaminya, tetapi mereka dapat bekerja lebih baik.

Penelitian ini memungkinkan insinyur membuat sirkuit ini kompatibel dengan operasi yang lebih hemat energi. Mereka menjadi dapat beroperasi di rentang frekuensi yang sangat luas. Penggunaan AI membantu mensintesis struktur yang secara inheren kompleks dalam hitungan menit. Mencapai hasil yang sama biasanya memerlukan algoritma konvensional selama berminggu-minggu.

Sambil menjelaskan peran AI dalam mewujudkan desain efisien ini, Uday Khankhoje, co-author dan associate professor teknik listrik di IIT Madras, mengatakan hal berikut:

AI tidak hanya mempercepat simulasi elektromagnetik yang memakan waktu, tetapi juga memungkinkan eksplorasi ke ruang desain yang belum pernah dijelajahi sebelumnya dan menghasilkan perangkat berperforma tinggi yang menakjubkan yang melawan aturan praktis dan intuisi manusia yang biasa.

Desain klasik, menurut Profesor Sengupta, menyatukan sirkuit dan elemen elektromagnetik satu per satu. Mengubah desain struktural ini membantu memasukkan properti baru. Sengupta percaya bahwa dengan kehadiran AI, pilihan menjadi jauh lebih banyak dibandingkan sistem sebelumnya, yang memiliki cara terbatas untuk melakukan hal yang sama.

Di mana AI membuat perbedaan adalah pada perspektif. Geometri rumit dari sirkuit chip seringkali menghalangi perancang manusia untuk mencoba desain inovatif. Perancang manusia sering tidak berusaha memahami tingkat kompleksitas yang terlibat dalam sirkuit tersebut. AI, di sisi lain, melihat chip sebagai satu artefak tunggal, menghasilkan susunan yang aneh namun efektif.

Misalnya, peneliti telah mengeksplorasi AI untuk menemukan dan merancang struktur elektromagnetik kompleks yang dirancang bersama dengan sirkuit untuk membuat amplifier broadband. Penelitian di masa depan akan menyelami lebih dalam penghubungan beberapa struktur dan merancang chip nirkabel penuh dengan AI.

Dalam merangkum potensi penelitian ini, Sengupta mengatakan: “Ini baru puncak gunung es mengenai apa yang akan datang di bidang ini.”

Chip berbasis AI sedang merevolusi dunia di luar laboratorium teknologi. Salah satu perusahaan yang berada di garis depan revolusi ini adalah Nvidia (NVDA ). Perusahaan tersebut, hampir setahun lalu, memperluas keunggulannya dalam kecerdasan buatan dengan meluncurkan “super chip” baru. Sekarang kita akan melihat apa yang membuat chip ini ‘super’ pada segmen berikutnya.

Klik di sini untuk mempelajari tentang chip olfaktori biomimetik.

1. Nvidia

Pengumuman terobosan Nvidia datang dari konferensi pengembangan tahunan perusahaan tentang seri chip AI Blackwell. Seri chip AI ambisius ini ditujukan untuk memperkuat pusat data mutakhir yang melatih model AI Frontier, seperti generasi terbaru GPT, Claude, dan Gemini.

Blackwell B200 merupakan peningkatan dibandingkan chip AI H100 milik perusahaan. Namun, chip AI H100 tertinggal dalam memenuhi permintaan saat ini, yang mendukung model AI berskala besar. Menurut laporan yang dipublikasikan, melatih model AI sebesar GPT-4 memerlukan 8.000 chip H100 dan 15 megawatt daya.

Volume energi yang dikonsumsi tersebut dapat menyalakan sekitar 30.000 rumah standar di Inggris. Namun, dengan chip baru perusahaan yang dioperasikan, pelatihan yang sama hanya memerlukan 2.000 B200 dan 4 MW daya.

Meskipun ini berarti pengurangan konsumsi listrik yang signifikan, nilai sebenarnya terletak pada bagian kedua dari lini Blackwell, GB200 Superchips yang menampung dua chip B200 pada satu papan bersama CPU Grace perusahaan untuk membangun sistem yang, menurut Nvidia, menawarkan “30x kinerja” untuk farm server yang menjalankan, bukan melatih, chatbot seperti Claude atau ChatGPT.

Microchip, pemasok semikonduktor terkemuka untuk solusi kontrol tertanam yang pintar, terhubung, dan aman, juga telah bekerja dengan solusi NVIDIA. Pada November tahun lalu, Microchip merilis PolarFire® FPGA Ethernet Sensor Bridge yang berfungsi dengan platform pemrosesan sensor NVIDIA Holoscan. Tujuannya adalah memberdayakan pengembang untuk membangun sistem pemrosesan sensor berbasis kecerdasan buatan (AI).

NVIDIA Holoscan membantu menyederhanakan pengembangan dan penyebaran aplikasi AI serta komputasi berkinerja tinggi (HPC) di tepi jaringan untuk wawasan real-time dan mengintegrasikan ke dalam satu platform semua perangkat keras dan perangkat lunak yang diperlukan untuk streaming sensor berlatensi rendah dan konektivitas jaringan.

Sementara NVIDIA membantu industri berkembang, laporan menunjukkan bahwa perusahaan juga tumbuh dengan kecepatan cepat. Pada 7 Januari 2025, CEO Nvidia Jensen Huang mengatakan bahwa kinerja chip AI perusahaannya berkembang lebih cepat daripada laju historis yang ditetapkan oleh Hukum Moore, pedoman yang menggerakkan kemajuan komputasi selama beberapa dekade.

Huang mengklaim bahwa chip AI perusahaan bergerak dengan kecepatan akselerasi mereka sendiri, dengan superchip pusat data terbaru mereka lebih dari 30 kali lebih cepat dalam menjalankan beban kerja inferensi AI dibandingkan generasi sebelumnya. Saat menjelaskan bagaimana Nvidia dapat mencapai kecepatan cepat tersebut, Huang berkata:

Kami dapat membangun arsitektur, chip, sistem, perpustakaan, dan algoritma secara bersamaan. Jika Anda melakukan itu, maka Anda dapat bergerak lebih cepat daripada Hukum Moore karena Anda dapat berinovasi di seluruh tumpukan.

Menurut Huang, super chip pusat data terbaru Nvidia, GB200 NVL72, 30 hingga 40 kali lebih cepat dalam menjalankan beban kerja inferensi AI dibandingkan chip terlaris Nvidia sebelumnya. Perusahaan berfokus pada menciptakan chip yang lebih berperforma tinggi yang akan tersedia dengan harga lebih rendah dalam jangka panjang.

Solusi langsung dan segera untuk komputasi pada waktu pengujian, baik dalam hal kinerja maupun keterjangkauan biaya, adalah meningkatkan kemampuan komputasi kami.

– Huang

Secara keseluruhan, seperti yang diklaim Huang, chip AI Nvidia saat ini 1.000 kali lebih baik daripada yang dibuatnya 10 tahun lalu.

Untuk tahun fiskal 2024, pendapatan Nvidia naik 126% menjadi rekor $60,9 miliar. Laba GAAP per saham terdilusi adalah $11,93, naik 586% dari tahun sebelumnya. Laba Non-GAAP per saham terdilusi adalah $12,96, naik 288% dari tahun sebelumnya. Margin kotor Non-GAAP adalah 73,8%.

2. Cadence

Sebagai pemimpin dalam desain sistem elektronik, Cadence menyediakan perangkat lunak dan server komputer khusus kepada Nvidia dan Apple. Perusahaan telah mengintegrasikan teknologi AI ke dalam produknya untuk meningkatkan kualitas output karena percaya AI dapat membantu mengatasi masalah desain semikonduktor, yang semakin kompleks seiring teknologi terus berkembang secara eksponensial.

CEO Anirudh Devgan baru-baru ini menyatakan bahwa alat desain chip AI perusahaan menawarkan manfaat kinerja dan kepadatan chip yang serupa dengan transisi ke node proses generasi berikutnya namun tanpa harus beralih ke node baru.

Jadi, dengan memanfaatkan AI dalam desain chip, Cadence mengoptimalkan daya, kinerja, dan area (PPA) chip — yang merupakan metrik terpenting bagi pembuat chip selain biaya, mengotomatisasi tugas seperti penempatan dan routing serta debugging, dan menjembatani kesenjangan dalam bakat desain chip.

Untuk peningkatan ini, perusahaan menyediakan solusi AI generatif “chips to systems” yang komprehensif yang diklaim Cadence dapat memberikan peningkatan produktivitas 10X sekaligus meningkatkan kinerja di semua domain desain. Secara keseluruhan, perusahaan memiliki lima platform AI utama: analog, digital, verifikasi, PCB, serta analisis paket dan sistem.

Menurut Albert Zeng, Sr. Software Engineering Group Director di System Design and Analysis Group di Cadence, yang menyatakan dalam wawancara terbaru:

AI akan memiliki dampak besar dari sudut pandang produktivitas karena menggunakan asisten AI yang dapat benar-benar mengekstrak data dari pengalaman masa lalu dapat membantu membimbing insinyur atau desainer muda untuk membuat keputusan yang lebih baik tentang desain mereka atau memperbaikinya.

Lebih dari dua tahun yang lalu, Cadence merilis teknologi AI generatif pertama di industri yang disebut Voltus InsightAI, yang secara otomatis menemukan sumber pelanggaran penurunan EM-IR (elektromigrasi dan tegangan) pada awal proses desain, yang merupakan tugas yang secara komputasi 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 memperbaiki kinerja desain node lanjutan berbasis AI serta sirkuit terintegrasi tiga dimensi (3D-IC) guna memenuhi apa yang mereka sebut “permintaan yang belum pernah terjadi sebelumnya” untuk solusi silikon canggih yang dapat menangani sejumlah besar dataset dan komputasi. Dengan itu, alur desain berbasis AI kini tersedia untuk TSMC N2P (kelas 2nm) terbaru, yang menawarkan kinerja 5% – 10% lebih tinggi, serta teknologi N3.

Perusahaan dengan kapitalisasi pasar $80,2 miliar, yang sahamnya saat ini diperdagangkan pada $292,50, melaporkan peningkatan hampir 20% dalam pendapatannya untuk kuartal yang berakhir pada September. Dengan lonjakan terbesar ini dalam setidaknya enam kuartal, pendapatan mencapai $1,22 miliar. Perusahaan sebenarnya bertaruh pada ledakan AI generatif untuk terus mendorong permintaan produk mereka dan, sebagai hasilnya, menaikkan titik tengah perkiraan laba tahunan yang disesuaikan menjadi $5,90 per saham.

Selain ledakan ini, generasi baru superkomputer Palladium Cadence juga dapat berkontribusi pada pertumbuhan ini. Margin operasional GAAP perusahaan untuk kuartal tersebut adalah 29%, dan margin operasional non-GAAP adalah 45%. Laba bersih terdilusi GAAP per saham adalah $0,87, dan laba bersih terdilusi non-GAAP per saham adalah $1,64. Cadence juga melaporkan backlog sebesar $5,6 miliar.

Kesimpulan

Salah satu teknologi yang paling cepat berkembang dalam dekade ini adalah AI, yang secara sederhana telah mulai memengaruhi bisnis di seluruh industri dan diproyeksikan akan menyumbang lebih dari $15 triliun ke ekonomi global pada akhir dekade ini. Sekarang, integrasi AI dalam desain mikrochip dapat lebih lanjut membantu menyederhanakan tugas, membuka tingkat efisiensi, kinerja, dan skalabilitas yang baru.

Klik di sini untuk mempelajari tentang tonggak chip kuantum yang membangkitkan kegembiraan untuk masa depan komputasi.