Omgjør uker til timer – hvordan AI allerede revolusjonerer mikrochipteknikk

Den moderne teknologiske æraen blomstrer på effektiv bruk av mikrochips. Det globale mikrochipmarkedet forventes å vokse fra rundt US$21.56 milliarder i 2022 til nesten US$47 milliarder innen 2030 med en sammensatt årlig vekstrate på over 10%.

Grunnen til at mikrochips vokser i et slikt tempo er at de driver all elektronikken vi ser rundt oss. Og når vi snakker om elektronikk, inkluderer det ikke bare datamaskiner, men også smarttelefoner, nettverksbrytere, husholdningsapparater, bil- og flykomponenter, TV‑er, forsterkere, IoT‑enheter og en rekke andre elektroniske systemer.

Også kalt en chip, datamaskinchip eller integrert krets, er en mikrochip en enhet av integrert kretsløp produsert i mikroskopisk skala ved bruk av et halvledermateriale, som silisium eller germanium. Intrikat designede mikrochips er så nyanserte i sin utforming at de vanligvis kan inneholde spesifikke komponenter som transistorer, motstander, kondensatorer og dioder, i millioner eller til og med milliarder.

Dette er utrolig små komponenter målt i nanometer. Sofistikeringen av mikrochipdesign opererer på så fin et nivå at IBM i 2021 kunne introdusere en mikrochip basert på 2nm‑teknologi, mindre enn bredden på en menneskelig DNA‑tråd.

Rask fremgang innen mikrochipteknologi har holdt horisonten i stadig ekspansjon. Spesialiserte mikrochips har dukket opp for å håndtere signaler i skjæringspunktet mellom banebrytende trådløs teknologi. Disse er imidlertid kostbare å designe og opererer på prinsippene om miniaturisering og avansert ingeniørkunst.

Nå har et team av samarbeidende ingeniører fra Princeton Engineering og Indian Institute of Technology utnyttet AI for å redusere kostnadene og tiden ved design av disse chipene som skal møte de økende kravene til bedre trådløs hastighet og ytelse. I det kommende avsnittet vil vi gå dypere inn i denne banebrytende forskningen.

AI lager kompliserte elektromagnetiske strukturer og tilhørende kretser i mikrochips

Forskerne har utviklet en metodikk for at AI skal kunne lage kompliserte EM‑strukturer og tilhørende kretser i mikrochips. Før dette gjennombruddet kunne det ha tatt uker med høyt kvalifisert arbeid å oppnå de samme resultatene. Nå kan det gjøres på timer.

For å utdype hva forskningen kan oppnå i avanserte vitenskapelige termer, demonstrerte forskerne en universell invers design‑tilnærming for vilkårlig formede komplekse flerport‑elektromagnetiske strukturer med designer‑radiative og sprednings‑egenskaper, samdesignet med aktive kretser.

For å nå målet sitt brukte forskerne dyp‑læringsbaserte modeller og demonstrerte syntese med flere eksempler på komplekse mm‑bølges passive strukturer og ende‑til‑ende integrerte mm‑bølges bredbåndskretser. Den presenterte inverse design‑metodikken, som kan produsere design på minutter, kan ifølge forskerne være transformativ for å åpne et nytt, tidligere utilgjengelig designrom.

Ifølge Kaushik Sengupta, hovedforsker, professor i elektroteknikk og datateknikk, og meddirektør for NextG, Princetons industripartnerskapsprogram for å utvikle neste generasjons kommunikasjon:

“Vi utvikler strukturer som er komplekse og ser tilfeldig formet ut, og når de kobles til kretser, skaper de en tidligere uoppnåelig ytelse. Mennesker kan ikke forstå dem, men de kan fungere bedre.”

Forskningen gjør det mulig for ingeniører å gjøre disse kretsene kompatible med mer energieffektive operasjoner. De blir operable over et betydelig bredt frekvensområde. Bruken av AI hjelper med å syntetisere iboende komplekse strukturer på minutter. Å oppnå de samme resultatene krevde ofte konvensjonelle algoritmer i uker.

Mens han utdypet AI‑s rolle i å muliggjøre dette effektive designet, hadde Uday Khankhoje, medforfatter og førsteamanuensis i elektroteknikk ved IIT Madras, følgende å si:

“AI driver ikke bare akselerasjonen av tidkrevende elektromagnetiske simuleringer, men muliggjør også utforskning av et hittil uutforsket designrom og leverer imponerende, høy‑ytelses‑enheter som går imot de vanlige tommelfingerreglene og menneskelig intuisjon.”

De klassiske designene, ifølge professor Sengupta, setter kretsene og de elektromagnetiske elementene sammen, del for del. Å endre disse strukturelle designene hjelper med å innlemme nye egenskaper. Sengupta mener at med AI på scenen er alternativene mye større sammenlignet med det tidligere systemet, som hadde en begrenset måte å gjøre det samme på.

Hvor AI gjør forskjellen er i perspektivet. Den intrikate geometrien i chip‑kretsløp forhindrer ofte menneskelige designere fra å prøve innovative design. Menneskelige designere forsøker ofte ikke å forstå kompleksitetsnivået som slik kretsløp innebærer. AI ser derimot på chipen som ett enkelt artefakt, noe som fører til merkelige men effektive oppsett.

For eksempel har forskere utforsket AI for å oppdage og designe komplekse elektromagnetiske strukturer som er samdesignet med kretser for å lage bredbåndsforsterkere. Fremtidig forskning vil gå dypere inn i å koble flere strukturer og designe fullstendige trådløse chips med AI.

I oppsummeringen av forskningspotensialet hadde Sengupta følgende å si: “Dette er bare spissen av isfjellet når det gjelder hva fremtiden har i vente for feltet.”

AI‑drevne chips revolusjonerer verden utenfor teknologilaboratoriene. Ett selskap som har vært i frontlinjen av denne revolusjonen er Nvidia (NVDA ). Selskapet, for nesten et år siden, utvidet sin ledelse innen kunstig intelligens med lanseringen av en ny “super‑chip.” Vi skal nå se på hva som gjør denne chipen “super” i neste avsnitt.

Klikk her for å lære om biomimetiske olfaktoriske chips.

1. Nvidia

Kunngjøringen av gjennombruddet fra Nvidia kom fra selskapets årlige utviklingskonferanse om Blackwell‑serien av AI‑chips. Denne serien av ambisiøse AI‑chips skulle styrke de banebrytende datasentrene som trener Frontier AI‑modeller, som de nyeste generasjonene av GPT, Claude og Gemini.

Blackwell B200 er en oppgradering av selskapets H100 AI‑chip. Imidlertid henger H100 AI‑chipene etter når det gjelder å møte dagens krav, som krever kraft til massive AI‑modeller. Ifølge publiserte rapporter vil trening av en AI‑modell på størrelse med GPT‑4 kreve 8 000 H100‑chips og 15 megawatt strøm.

Dette energiforbruket kunne forsyne omtrent 30 000 typiske britiske husholdninger. Med selskapets nye chips i bruk ville den samme treningskjøringen imidlertid kreve kun 2 000 B200‑chips og 4 MW strøm.

Selv om dette betyr en betydelig reduksjon i strømforbruket, ligger den egentlige fordelen i den andre delen av Blackwell‑serien, GB200 Superchips, som pakker to B200‑chips på ett enkelt kort sammen med selskapets Grace‑CPU for å bygge et system som, ifølge Nvidia, gir «30 × ytelsen» for serverfarmene som kjører, snarere enn trener, chat‑bots som Claude eller ChatGPT.

Microchip, den ledende leverandøren av smarte, tilkoblede og sikre innebygde kontrolløsninger, har også jobbet med NVIDIAs løsninger. I november i fjor lanserte Microchip sin PolarFire® FPGA Ethernet Sensor Bridge som fungerer med NVIDIA Holoscan sensorsbehandlingsplattformen. Formålet var å gi utviklere mulighet til å bygge kunstig intelligens‑drevne sensorsystemer.

NVIDIA Holoscan hjelper med å strømlinjeforme utvikling og utrulling av AI‑ og høyytelses‑databehandlings‑ (HPC)‑applikasjoner i kanten for sanntidsinnsikt, og samler i én plattform alt nødvendig maskinvare‑ og programvaresystem for lav‑latens sensorsstrømming og nettverkstilkobling.

Mens NVIDIA hjelper industrien med å blomstre, tyder rapporter på at selskapet også vokser i raskt tempo. 7. januar 2025 sa Nvidia‑administrerende direktør Jensen Huang at ytelsen til selskapets AI‑chips utviklet seg raskere enn historiske hastigheter fastsatt av Moores lov, retningslinjen som har drevet databehandlingsutviklingen i flere tiår.

Huang hevdet at selskapets AI‑chips beveger seg i et eget akselerert tempo, med den nyeste datasenter‑superchipen som er mer enn 30 ganger raskere for å kjøre AI‑infernse‑arbeidsbelastninger enn forrige generasjon. Mens han forklarte hvordan Nvidia kunne oppnå slik rask hastighet, sa Huang:

“Vi kan bygge arkitekturen, chipen, systemet, bibliotekene og algoritmene samtidig. Hvis du gjør det, kan du bevege deg raskere enn Moores lov fordi du kan innovere på tvers av hele stacken.”

Ifølge Huang er NVIDIAs nyeste datasenter‑superchip, GB200 NVL72, 30 til 40 × raskere til å kjøre AI‑infernse‑arbeidsbelastninger enn NVIDIAs tidligere bestselgende chips. Selskapet fokuserer på å lage mer ytelsessterke chips som på sikt vil være tilgjengelige til lavere priser.

“Den direkte og umiddelbare løsningen for beregning i testtid, både i ytelse og kostnads­overkommelighet, er å øke vår beregningskapasitet.”

– Huang

Alt i alt, som Huang påstår, er NVIDIAs AI‑chips i dag 1 000 ganger bedre enn de som ble laget for 10 år siden.

For regnskapsåret 2024 var NVIDIAs inntekt opp 126 % til en rekord på $60.9 milliarder. GAAP‑resultat per fortynnet aksje var $11.93, opp 586 % fra ett år siden. Non‑GAAP‑resultat per fortynnet aksje var $12.96, opp 288 % fra ett år siden. Non‑GAAP bruttofortjeneste var 73.8 %.

2. Cadence

Som en leder innen design av elektroniske systemer leverer Cadence programvare og spesialiserte dataservere til Nvidia og Apple. Selskapet har integrert AI‑teknologi i sine produkter for å forbedre kvaliteten på resultatene, da de tror AI kan bidra til å løse problemet med halvlederdesign, som blir stadig mer komplekst etter hvert som teknologien utvikler seg eksponentielt.

Administrerende direktør Anirudh Devgan bemerket nylig at selskapets AI‑chip‑designverktøy gir chip‑ytelse og tetthetsfordeler som ligner på overgangen til en neste generasjons prosessnode, men uten å måtte flytte til en ny node.

Dermed, ved å bruke AI i chipdesign, optimaliserer Cadence kraft, ytelse og område (PPA) for chips — som er de viktigste målene for chipprodusenter utover kostnad, automatiserer oppgaver som plassering og ruting samt feilsøking, og bygger bro over mangelen på chipdesign‑talent.

For disse forbedringene tilbyr selskapet en omfattende «chips til systemer» generativ AI‑løsning som Cadence hevder gir 10 × produktivitetsgevinster samtidig som den forbedrer ytelsen på tvers av alle designområder. Totalt har selskapet fem store AI‑plattformer: analog, digital, verifisering, PCB og pakke‑ og systemanalyse.

Ifølge Albert Zeng, senior programvare‑ingeniørgruppe‑direktør i System Design and Analysis Group hos Cadence, uttalt i et nylig intervju:

“AI vil ha stor innvirkning fra et produktivitets­perspektiv fordi bruk av en AI‑assistent som faktisk kan hente data fra en tidligere erfaring kan hjelpe unge ingeniører eller designere med å ta bedre beslutninger om designet eller korrigere det.”

For litt over to år siden lanserte Cadence den aller første generative AI‑teknologien i bransjen, kalt Voltus InsightAI, som automatisk finner kilden til EM‑IR‑ (elektromigrasjon og spennings‑) fall‑brudd allerede i begynnelsen av designprosessen, noe som er en beregningsintensiv oppgave. Cadencens løsning velger deretter og anvender de mest effektive rettingene for å forbedre PPA.

I de siste månedene har Cadence samarbeidet med TSMC for å øke produktiviteten og forbedre ytelsen til AI‑drevne avanserte node‑design samt tredimensjonale integrerte kretser (3D‑IC) for å møte det selskapet beskriver som «enestående etterspørsel» etter avanserte silisiumløsninger som kan håndtere enorme mengder datasett og beregninger. Med dette er AI‑drevne designflyter nå tilgjengelige for den nyeste TSMC N2P (2 nm‑klasse), som gir 5 %–10 % høyere ytelse, samt N3‑teknologier.

Selskapet med en markedsverdi på $80.2 milliarder, hvis aksjer for tiden handles til $292.50, rapporterte en nesten 20 % økning i inntektene for kvartalet som avsluttet i september. Med dette største hoppet på minst seks kvartaler, ble inntektene $1.22 bln. Selskapet satser faktisk på en boom i generativ AI for å fortsette å drive etterspørselen etter sine produkter, og som et resultat hevet de midtpunktet i sin justerte årlige overskuddsprognose til $5.90 per aksje.

I tillegg til denne boomen kan Cadencys nye generasjon av Palladium‑superdatamaskiner også bidra til denne veksten. Selskapets GAAP‑driftsmargin for kvartalet var 29 %, og non‑GAAP‑driftsmarginen var 45 %. GAAP‑fortynnet nettoinntekt per aksje var $0.87, og non‑GAAP‑fortynnet nettoinntekt per aksje var $1.64. Cadence rapporterte også en ordrebeholdning på $5.6 milliarder.

Konklusjon

En av de raskest fremadskridende teknologiene i dette tiåret er ganske enkelt AI, som allerede har begynt å påvirke bedrifter på tvers av bransjer og som forventes å bidra med over $15 billioner til den globale økonomien innen slutten av dette tiåret. Nå kan integreringen av AI i mikrochipdesign ytterligere bidra til å strømlinjeforme oppgaver, og låse opp et nytt nivå av effektivitet, ytelse og skalerbarhet.

Klikk her for å lære om kvantechip‑milepælen som vekker entusiasme for fremtidens databehandling.