Van weken naar uren – Hoe AI al de microchip‑engineering opschudt

Het moderne technologische tijdperk floreert op het efficiënte gebruik van microchips. De wereldwijde microchipmarkt wordt verwacht te groeien van ongeveer US$21.56 miljard in 2022 tot bijna US$47 miljard tegen 2030, met een samengestelde jaarlijkse groei van meer dan 10%.

De reden dat microchips zo snel groeien, is dat ze alle elektronica aandrijven die we om ons heen zien. En als we elektronica zeggen, omvat het niet alleen computers, maar ook smartphones, netwerkschakelaars, huishoudelijke apparaten, auto‑ en vliegtuigonderdelen, televisies, versterkers, IoT‑apparaten en tal van andere elektronische systemen. 

Ook wel chip, computerchip of geïntegreerde schakeling genoemd, is een microchip een eenheid geïntegreerde schakelingen die op microscopische schaal wordt vervaardigd met een halfgeleidermateriaal, zoals silicium of germanium. Intricately ontworpen microchips zijn zo verfijnd in hun ontwerp dat ze doorgaans enkele specifieke soorten componenten kunnen bevatten, zoals transistors, weerstanden, condensatoren en diodes, in miljoenen of zelfs miljarden. 

Dit zijn ongelooflijk kleine componenten gemeten in nanometers. De verfijning van microchipontwerp opereert op zo’n fijn niveau dat IBM in 2021 een microchip kon introduceren gebaseerd op 2nm‑technologie, kleiner dan de breedte van een streng menselijk DNA. 

Snelle vooruitgang in microchiptechnologie heeft de horizon voortdurend laten uitbreiden. Gespecialiseerde microchips zijn verschenen om signalen te beheren op het snijvlak van geavanceerde draadloze technologie. Deze zijn echter dure‑om‑te‑ontwerpen opties die opereren op de principes van miniaturisatie en high‑end engineering. 

Nu heeft een team van samenwerkende ingenieurs van Princeton Engineering en het Indian Institute of Technology AI benut om de kosten en tijd van het ontwerpen van deze chips te verlagen, zodat ze voldoen aan de groeiende vraag naar betere draadloze snelheid en prestaties. In het komende segment duiken we dieper in dit baanbrekende onderzoek. 

AI creëert ingewikkelde elektromagnetische structuren en bijbehorende circuits in microchips

De onderzoekers hebben een methodologie ontwikkeld waarmee AI ingewikkelde EM‑structuren en bijbehorende circuits in microchips kan creëren. Voor deze doorbraak kon het behalen van dezelfde resultaten weken van hooggekwalificeerd werk hebben gekost. Nu, kan het worden bereikt in uren. 

Om nader toe te lichten wat het onderzoek kon bereiken in geavanceerde wetenschappelijke termen, demonstreerden de onderzoekers een universele inverse‑ontwerpbenadering voor willekeurig gevormde complexe multi‑port elektromagnetische structuren met door de ontwerper bepaalde stralings‑ en verstrooiingseigenschappen, mede‑ontworpen met actieve circuits.

Om haar doel te bereiken, zetten de onderzoekers deep‑learning‑gebaseerde modellen in en demonstreerden synthese met verschillende voorbeelden van complexe mm‑wave passieve structuren en end‑to‑end geïntegreerde mm‑wave breedbandcircuits. De gepresenteerde inverse‑ontwerpmethodologie, die de ontwerpen in minuten kon produceren, zou volgens de onderzoekers transformatief kunnen zijn in het openen van een nieuwe, voorheen ontoegankelijke ontwerpruimte.

Volgens Kaushik Sengupta, de hoofdonderzoeker, professor elektrotechniek en computer engineering, en co‑directeur van NextG, het industriële partnerschapprogram van Princeton om next‑generation communicatie te ontwikkelen:

“We zijn structuren aan het ontwikkelen die complex en willekeurig van vorm lijken, en wanneer ze met circuits worden verbonden, creëren ze een voorheen onbereikbare prestatie. Mensen kunnen ze niet begrijpen, maar ze kunnen beter werken.”

Het onderzoek maakt het mogelijk voor ingenieurs om deze circuits compatibel te maken met energie‑efficiëntere operaties. Ze worden bruikbaar over een aanzienlijk breed frequentiebereik. Het gebruik van AI helpt om inherent complexe structuren in minuten te synthetiseren. Het behalen van dezelfde resultaten vergde vaak weken met conventionele algoritmen. 

Terwijl hij de rol van AI bij het mogelijk maken van dit efficiënte ontwerp toelichtte, zei Uday Khankhoje, mede‑auteur en universitair hoofddocent elektrotechniek aan IIT Madras: 

“AI versnelt niet alleen tijdrovende elektromagnetische simulaties, maar maakt ook verkenning van een tot nu toe onontgonnen ontwerpruimte mogelijk en levert verbluffende, high‑performance apparaten die ingaan tegen de gebruikelijke vuistregels en menselijke intuïtie.”

De klassieke ontwerpen, volgens professor Sengupta, plaatsen de circuits en elektromagnetische elementen stuk voor stuk samen. Het wijzigen van deze structurele ontwerpen helpt nieuwe eigenschappen te integreren. Sengupta gelooft dat met AI in het spel de opties veel groter zijn vergeleken met het eerdere systeem, dat een eindige manier had om hetzelfde te doen. 

Waar AI het verschil maakt, is in perspectief. De ingewikkelde geometrie van chip‑circuits verhindert vaak dat menselijke ontwerpers innovatieve ontwerpen proberen. Menselijke ontwerpers proberen vaak niet het niveau van complexiteit te begrijpen dat dergelijke circuits met zich meebrengen. AI daarentegen ziet de chip als één enkel artefact, wat leidt tot vreemde maar effectieve rangschikkingen. 

Zo hebben onderzoekers AI verkend om complexe elektromagnetische structuren te ontdekken en te ontwerpen die mede‑ontworpen zijn met circuits om breedbandversterkers te creëren. Toekomstig onderzoek zal dieper ingaan op het koppelen van meerdere structuren en het ontwerpen van volledige draadloze chips met AI. 

Samenvattend de potentie van het onderzoek, zei Sengupta: “Dit is slechts het topje van de ijsberg wat betreft wat de toekomst voor het vakgebied in petto heeft.”

AI‑aangedreven chips revolutioneren de wereld buiten de technologische laboratoria. Een bedrijf dat aan de voorhoede van deze revolutie staat, is Nvidia (NVDA ). Het bedrijf heeft bijna een jaar geleden zijn voorsprong in kunstmatige intelligentie uitgebreid met de onthulling van een nieuwe “superchip”. We zullen nu bekijken wat deze chip ‘super’ maakt in het volgende segment.

Klik hier om meer te leren over biomimetische olfactorische chips.

1. Nvidia

De baanbrekende aankondiging van Nvidia kwam van de jaarlijkse ontwikkelingsconferentie van het bedrijf over de Blackwell‑serie AI‑chips. Deze serie ambitieuze AI‑chips was bedoeld om de geavanceerde datacenters die Frontier AI‑modellen trainen, zoals de nieuwste generaties van GPT, Claude en Gemini, van stroom te voorzien.

De Blackwell B200 is een upgrade ten opzichte van de H100 AI‑chip van het bedrijf. Echter, de H100 AI‑chips blijven achter wanneer het gaat om het voldoen aan de huidige eisen, die enorme AI‑modellen aandrijven. Volgens gepubliceerde rapporten zou het trainen van een AI‑model ter grootte van GPT‑4 8.000 H100‑chips en 15 megawatt aan stroom vereisen.

Deze hoeveelheid energie zou ongeveer 30.000 typische Britse huishoudens kunnen voorzien. Echter, met de nieuwe chips van het bedrijf zou dezelfde trainingsrun slechts 2.000 B200‑chips en 4 MW aan stroom vereisen.

Hoewel dit een aanzienlijke vermindering van het elektriciteitsverbruik betekent, ligt het echte voordeel in het tweede deel van de Blackwell‑lijn, de GB200 Superchips die twee B200‑chips op één enkele kaart combineren naast de Grace‑CPU van het bedrijf om een systeem te bouwen dat, volgens Nvidia, biedt “30x de prestaties” voor de serverfarms die chatbots zoals Claude of ChatGPT draaien, in plaats van ze te trainen.

Microchip, de toonaangevende leverancier van slimme, verbonden en beveiligde embedded‑controloplossingen, werkt ook met de oplossingen van NVIDIA samen. In november vorig jaar bracht Microchip zijn PolarFire® FPGA Ethernet Sensor Bridge uit die werkt met het NVIDIA Holoscan sensorverwerkingsplatform. Het doel was ontwikkelaars in staat te stellen AI‑gedreven sensorverwerkingssysteem te bouwen. 

NVIDIA Holoscan helpt de ontwikkeling en inzet van AI‑ en high‑performance computing (HPC)‑toepassingen aan de edge te stroomlijnen voor realtime‑inzichten en brengt in één platform alle benodigde hardware‑ en softwaresystemen voor low‑latency sensor‑streaming en netwerkconnectiviteit. 

Terwijl NVIDIA de industrie helpt te floreren, suggereren rapporten dat het ook in een rap tempo groeit. Op 7 januari 2025 zei Nvidia‑CEO Jensen Huang dat de prestaties van de AI‑chips van zijn bedrijf sneller vooruitgaan dan de historische snelheden die door de wet van Moore werden vastgesteld, de richtlijn die decennialang de voortgang van computing aandreef.

Huang beweerde dat de AI‑chips van het bedrijf zich in een eigen versneld tempo bewegen, waarbij de nieuwste datacenter‑superchip meer dan 30 keer sneller is voor het uitvoeren van AI‑inference‑werkbelastingen dan de vorige generatie. Terwijl hij uitlegt hoe Nvidia zo’n snelle snelheid kon bereiken, zei Huang:

“We kunnen de architectuur, de chip, het systeem, de bibliotheken en de algoritmen allemaal tegelijk bouwen. Als je dat doet, kun je sneller gaan dan de wet van Moore omdat je over de volledige stack kunt innoveren.”

Volgens Huang is Nvidia’s nieuwste datacenter‑superchip, de GB200 NVL72, 30 tot 40 keer sneller bij het uitvoeren van AI‑inference‑werkbelastingen dan Nvidia’s vorige best‑verkochte chips. Het bedrijf is gericht op het creëren van meer performante chips die op de lange termijn tegen lagere prijzen beschikbaar zullen zijn.

“De directe en onmiddellijke oplossing voor test‑time computing, zowel in prestaties als kosteneffectiviteit, is het vergroten van onze rekenkracht.”

– Huang

Over het geheel genomen, zoals Huang beweert, zijn Nvidia’s AI‑chips vandaag de dag 1.000 keer beter dan wat het tien jaar geleden produceerde. 

Voor het fiscale jaar 2024 steeg Nvidia’s omzet met 126% tot een record van $60.9 billion. GAAP‑winst per verwaterde aandeel bedroeg $11.93, een stijging van 586% ten opzichte van een jaar geleden. Non‑GAAP‑winst per verwaterde aandeel was $12.96, een stijging van 288% ten opzichte van een jaar geleden. Non‑GAAP‑brutomarge was 73.8%.

2. Cadence

Een leider in het ontwerpen van elektronische systemen, Cadence levert software en gespecialiseerde computerservers aan Nvidia en Apple. Het bedrijf heeft AI‑technologie in zijn producten geïntegreerd om de kwaliteit van de output te verbeteren, omdat het gelooft dat AI kan helpen het probleem van halfgeleiderontwerp aan te pakken, dat steeds complexer wordt naarmate de technologie exponentieel blijft vooruitgaan.

CEO Anirudh Devgan merkte onlangs op dat de AI‑chipontwerptools van het bedrijf chip‑prestaties en dichtheid bieden die vergelijkbaar zijn met de overgang naar een next‑gen procesnode, maar zonder dat men naar een nieuwe node hoeft te migreren. 

Dus, door AI te gebruiken in chip‑ontwerp, optimaliseert Cadence de power, performance, and area (PPA) van chips — de belangrijkste metrics voor chipfabrikanten naast kosten — door taken zoals place‑and‑route en debugging te automatiseren, en de kloof in chip‑ontwerptalent te overbruggen.

Voor deze verbeteringen biedt het bedrijf een uitgebreide “chips to systems” generatieve AI‑oplossing die Cadence beweert 10× productiviteitswinst te leveren terwijl de prestaties over alle ontwerpdomeinen worden verbeterd. In totaal heeft het bedrijf vijf grote AI‑platformen: analog, digitaal, verificatie, PCB en verpakking‑ en systeem‑analyse.

Volgens Albert Zeng, Sr. Software Engineering Group Director in de System Design and Analysis Group bij Cadence, stelde hij in een recent interview:

“AI zal een grote impact hebben vanuit productiviteitsperspectief omdat een AI‑assistent die daadwerkelijk data uit een eerdere ervaring kan extraheren, jonge ingenieurs of ontwerpers kan helpen een betere beslissing te nemen over hun ontwerp of het te verbeteren.”

Iets meer dan twee jaar geleden bracht Cadence de allereerste generatieve AI‑technologie van de industrie uit, genaamd Voltus InsightAI, die automatisch de bron van EM‑IR (electromigration and voltage) drop‑schendingen vindt aan het begin van het ontwerpproces, een computationeel intensieve taak. De oplossing van Cadence kiest vervolgens de meest effectieve correcties om de PPA te verbeteren. 

In de afgelopen maanden heeft Cadence samengewerkt met TSMC om de productiviteit te verhogen en de prestaties van AI‑gedreven geavanceerde‑node‑ontwerpen evenals driedimensionale geïntegreerde circuits (3D‑ICs) te verbeteren, om te voldoen aan wat zij noemen “ongekende vraag” naar geavanceerde siliciumoplossingen die enorme hoeveelheden datasets en berekeningen aankunnen. Daarmee zijn AI‑gedreven ontwerpprocessen nu beschikbaar voor de nieuwste TSMC N2P (2nm‑klasse), die 5%‑10% hogere prestaties biedt, en N3‑technologieën. 

Het bedrijf met een marktkapitalisatie van $80.2 billion, waarvan de aandelen momenteel handelen tegen $292.50, rapporteerde een bijna 20% stijging in de omzet voor het kwartaal eindigend in september. Met deze grootste sprong in minstens zes kwartalen kwam de omzet uit op $1.22 bln. Het bedrijf zet feitelijk in op een boom in generatieve AI om de vraag naar zijn producten te blijven stimuleren en heeft daardoor het midden van de aangepaste jaarlijkse winstprognose verhoogd naar $5.90 per aandeel. 

Naast deze groei kan de nieuwe generatie Palladium‑supercomputers van Cadence ook bijdragen aan deze groei. De GAAP‑operationele marge van het bedrijf voor het kwartaal was 29%, en de non‑GAAP‑operationele marge was 45%. GAAP‑verwaterde nettowinst per aandeel was $0.87, en de non‑GAAP‑verwaterde nettowinst per aandeel was $1.64. Cadence rapporteerde ook een backlog van $5.6 billion.

Conclusie

Een van de snelst voortschrijdende technologieën van dit decennium is simpelweg AI, die al bedrijven in verschillende sectoren beïnvloedt en naar verwachting meer dan $15 trillion zal bijdragen aan de wereldeconomie tegen het einde van dit decennium. Nu kan de integratie van AI in microchipontwerp verdere taken stroomlijnen, waardoor een nieuw niveau van efficiëntie, prestaties en schaalbaarheid wordt ontgrendeld.

Klik hier om meer te leren over de quantum‑chip mijlpaal die enthousiasme opwekt voor de toekomst van computing.