Omvandla veckor till timmar – Hur AI redan omvälver mikrochipteknik

Den moderna teknologiska eran blomstrar på effektiv användning av mikrochip. Den globala mikrochipmarknaden förväntas växa från cirka US$21.56 miljard år 2022 till nästan US$47 miljard år 2030 med en sammansatt årlig tillväxttakt på över 10%.

Anledningen till att mikrochip växer i sådan takt är att de driver all elektronik vi ser omkring oss. Och när vi säger elektronik omfattar det inte bara datorer utan även smartphones, nätverksswitchar, hushållsapparater, bil- och flygplanskomponenter, tv-apparater, förstärkare, IoT‑enheter och många andra elektroniska system.

Också kallad ett chip, datorchip eller integrerad krets, är en mikrochip en enhet av integrerad krets som tillverkas på mikroskopisk skala med ett halvledarmaterial, såsom kisel eller germanium. Intrikat designade mikrochip är så nyanserade i sin konstruktion att de vanligtvis kan innehålla vissa specifika komponenter, såsom transistorer, motstånd, kondensatorer och dioder, i miljoner eller till och med miljarder.

Dessa är otroligt små komponenter som mäts i nanometer. Sofistikerad mikrochipdesign fungerar på så fin nivå att IBM år 2021 kunde introducera ett mikrochip baserat på 2nm‑teknik, mindre än bredden på en mänsklig DNA‑sträng.

Snabb framsteg inom mikrochipteknik har hållt dess horisont ständigt expanderande. Specialiserade mikrochip har dykt upp för att hantera signaler i skärningspunkten för banbrytande trådlös teknik. Dessa är dock dyra att designa och bygger på principerna om miniaturisering och högklassig ingenjörskonst.

Nu har ett team av samarbetande ingenjörer från Princeton Engineering och Indian Institute of Technology utnyttjat AI för att minska kostnaden och tiden för att designa dessa chip som ska möta de växande kraven på bättre trådlös hastighet och prestanda. I nästa avsnitt kommer vi att gå djupare in i denna banbrytande forskning.

AI skapar komplicerade elektromagnetiska strukturer och tillhörande kretsar i mikrochip

Forskarnas har utvecklat en metodik för AI att skapa komplicerade EM‑strukturer och tillhörande kretsar i mikrochip. Före detta genombrott kunde det ha tagit veckor av högkvalificerat arbete att uppnå samma resultat. Nu kan det utföras på timmar.

För att utveckla vad forskningen kan uppnå i avancerade vetenskapliga termer demonstrerade forskarna ett universellt omvänt designförfarande för godtyckligt formade komplexa flerport‑elektromagnetiska strukturer med designerade strålnings‑ och spridningsegenskaper som samdesignas med aktiva kretsar.

För att nå sitt mål använde forskarna djupinlärningsbaserade modeller och demonstrerade syntes med flera exempel på komplexa mm‑vågs passiva strukturer och helintegrerade mm‑vågs bredbandskretsar. Den presenterade omvända designmetodiken, som kan producera designen på minuter, kan enligt forskarna vara transformerande för att öppna upp ett nytt, tidigare otillgängligt designutrymme.

Enligt Kaushik Sengupta, huvudforskaren, professor i elektroteknik och datorteknik samt meddirektör för NextG, Princetons industripartnerskapsprogram för att utveckla nästa generations kommunikationer:

“Vi kommer på strukturer som är komplexa och ser slumpmässigt formade ut, och när de kopplas till kretsar skapar de en tidigare oåtkomlig prestanda. Människor kan inte förstå dem, men de kan fungera bättre.”

Forskningen gör det möjligt för ingenjörer att göra dessa kretsar kompatibla med mer energieffektiva operationer. De blir användbara över ett betydligt brett frekvensområde. Användningen av AI hjälper till att syntetisera inneboende komplexa strukturer på minuter. Att uppnå samma resultat krävde ofta konventionella algoritmer i veckor.

När han utvecklade AI:s roll i att möjliggöra denna effektiva design sade Uday Khankhoje, medförfattare och lektor i elektroteknik vid IIT Madras:

“AI driver inte bara påskyndandet av tidskrävande elektromagnetiska simuleringar, utan möjliggör också utforskning av ett tidigare outforskat designutrymme och levererar fantastiska, högpresterande enheter som går emot de vanliga tumreglerna och mänsklig intuition.”

De klassiska designarna, enligt professor Sengupta, placerar kretsarna och de elektromagnetiska elementen tillsammans, bit för bit. Att förändra dessa strukturella designer hjälper till att införliva nya egenskaper. Sengupta tror att med AI på scenen är alternativen mycket större jämfört med det tidigare systemet, som hade ett begränsat sätt att göra samma sak.

Där AI gör skillnad är i perspektivet. Den intrikata geometrin i chip‑kretsar hindrar ofta mänskliga designers från att prova innovativa designer. Mänskliga designers försöker ofta inte förstå den komplexitetsnivå som sådan kretsning innebär. AI, å andra sidan, ser chipet som ett enda artefakt, vilket leder till märkliga men effektiva arrangemang.

Till exempel har forskare utforskat AI för att upptäcka och designa komplexa elektromagnetiska strukturer som samdesignas med kretsar för att skapa bredbandsförstärkare. Framtida forskning kommer att gå djupare in i att länka flera strukturer och designa fullständiga trådlösa chip med AI.

När han sammanfattade forskningspotentialen sade Sengupta: “Detta är bara toppen av isberget när det gäller vad framtiden har att erbjuda för området.”

AI‑drivna chip revolutionerar världen bortom tekniklabben. Ett företag som har varit i framkant av denna revolution är Nvidia (NVDA ). Företaget, för nästan ett år sedan, utökade sitt ledarskap inom artificiell intelligens med lanseringen av ett nytt “superchip”. Vi ska nu titta på vad som gör detta chip “super” i nästa avsnitt.

Klicka här för att lära dig om biomimetiska luktningschip.

1. Nvidia

Det banbrytande tillkännagivandet från Nvidia kom från företagets årliga utvecklingskonferens om Blackwell‑serien av AI‑chip. Denna serie av ambitiösa AI‑chip var avsedd att stärka de banbrytande datacentren som tränar Frontier‑AI‑modeller, såsom de senaste generationerna av GPT, Claude och Gemini.

Blackwell B200 är en uppgradering av företagets H100 AI‑chip. H100 AI‑chipen ligger dock efter när det gäller att möta dagens krav, som driver enorma AI‑modeller. Enligt publicerade rapporter skulle träning av en AI‑modell i storlek med GPT‑4 kräva 8 000 H100‑chip och 15 megawatt effekt.

Denna energimängd skulle kunna driva omkring 30 000 typiska brittiska hushåll. Men med företagets nya chip i drift skulle samma träningskörning bara kräva 2 000 B200‑chip och 4 MW effekt.

Även om det innebär en betydande minskning av elförbrukningen, ligger den verkliga poängen i den andra delen av Blackwell‑linjen, GB200 Superchips som packar två B200‑chip på ett enda kort tillsammans med företagets Grace‑CPU för att bygga ett system som, enligt Nvidia, erbjuder “30× prestanda” för serverfarmar som kör, snarare än tränar, chatbots som Claude eller ChatGPT.

Microchip, den ledande leverantören av halvledare för smarta, uppkopplade och säkra inbäddade styrlösningar, har också arbetat med NVIDIAs lösningar. I november förra året släppte Microchip sin PolarFire® FPGA Ethernet Sensor Bridge som fungerar med NVIDIA Holoscan‑sensortjänstplattform. Syftet var att ge utvecklare möjlighet att bygga AI‑drivna sensortjänstsysten.

NVIDIA Holoscan hjälper till att effektivisera utveckling och distribution av AI‑ och högpresterande beräkningsapplikationer (HPC) i kanten för realtidsinsikter och samlar i en enda plattform alla nödvändiga hård‑ och mjukvarusystem för låglatens sensor‑strömning och nätverksanslutning.

Medan NVIDIA hjälper branschen att blomstra visar rapporter att den också växer i snabb takt. Den 7 januari 2025 sade Nvidia‑VD Jensen Huang att prestandan hos företagets AI‑chip utvecklas snabbare än historiska takter som fastställts av Moores lag, den regel som drivit datorteknikens framsteg i årtionden.

Huang påstod att företagets AI‑chip rör sig i ett eget accelererat tempo, med deras senaste datacenter‑superchip som är mer än 30 × snabbare för att köra AI‑inferensarbetsbelastningar än föregående generation. När han förklarade hur Nvidia kunde uppnå sådan snabbhet sade Huang:

“Vi kan bygga arkitekturen, chipet, systemet, biblioteken och algoritmerna samtidigt. Om du gör så kan du gå snabbare än Moores lag eftersom du kan innovera över hela stacken.”

Enligt Huang är NVIDIAs senaste datacenter‑superchip, GB200 NVL72, 30 till 40 × snabbare för att köra AI‑inferensarbetsbelastningar än NVIDIAs tidigare bäst säljande chip. Företaget fokuserar på att skapa mer presterande chip som på lång sikt kommer att vara tillgängliga till lägre priser.

“Den direkta och omedelbara lösningen för testtid‑beräkning, både i prestanda och kostnadstillgänglighet, är att öka vår beräkningskapacitet.”

– Huang

Sammanfattningsvis, enligt Huang, är NVIDIAs AI‑chip idag 1 000 × bättre än vad de var för 10 år sedan.

För räkenskapsåret 2024 ökade NVIDIAs intäkter med 126 % till ett rekord på 60,9 miljarder dollar. GAAP‑vinst per utspädd aktie var $11,93, upp 586 % från ett år tidigare. Non‑GAAP‑vinst per utspädd aktie var $12,96, upp 288 % från ett år tidigare. Non‑GAAP‑bruttomarginalen var 73,8 %.

2. Cadence

Som ledare inom design av elektroniska system levererar Cadence mjukvara och specialiserade datorservrar till Nvidia och Apple. Företaget har integrerat AI‑teknik i sina produkter för att förbättra kvaliteten på resultatet, eftersom de tror att AI kan hjälpa till att lösa problemet med halvledardesign, som blir alltmer komplext i takt med att tekniken utvecklas exponentiellt.

VD Anirudh Devgan kommenterade nyligen att företagets AI‑chipdesignverktyg erbjuder chip‑prestanda och densitetsfördelar som liknar övergången till en nästa generations processnod men utan att behöva byta till en ny nod.

Genom att använda AI i chipdesign optimerar Cadence kraft, prestanda och area (PPA) för chip — de viktigaste måtten för chipstillverkare förutom kostnad, automatiserar uppgifter som placering och routing samt felsökning, och överbryggar gapet i chipdesign‑talang.

För dessa förbättringar erbjuder företaget en omfattande “chips till system” generativ AI‑lösning som Cadence påstår ger 10 × produktivitetsökning samtidigt som prestandan förbättras i alla designområden. Totalt har företaget fem stora AI‑plattformar: analog, digital, verifiering, PCB samt paket‑ och systemanalys.

Enligt Albert Zeng, Senior Software Engineering Group Director i System Design and Analysis Group på Cadence, uttalade han i en nylig intervju:

“AI kommer att ha stor inverkan ur ett produktivitetsperspektiv eftersom en AI‑assistent som faktiskt kan extrahera data från tidigare erfarenheter kan hjälpa unga ingenjörer eller designers att fatta bättre beslut om deras design eller korrigering.”

För drygt två år sedan släppte Cadence den allra första generativa AI‑tekniken i branschen, kallad Voltus InsightAI, som automatiskt hittar källan till EM‑IR‑ (elektromigration och spännings) spänningsfall‑överträdelser redan i början av designprocessen, vilket är en beräkningsintensiv uppgift. Cadencens lösning väljer sedan och tillämpar de mest effektiva korrigeringarna för att förbättra PPA.

Under de senaste månaderna har Cadence samarbetat med TSMC för att öka produktiviteten och förbättra prestandan för AI‑drivna avancerade noddesigns samt tredimensionella integrerade kretsar (3D‑IC) för att möta vad de kallar “oöverträffad efterfrågan” på avancerade silikonslösningar som kan hantera enorma mängder dataset och beräkningar. Med detta är AI‑drivna designflöden nu tillgängliga för den senaste TSMC N2P (2 nm‑klass), som erbjuder 5 %–10 % högre prestanda, samt N3‑teknologier.

Det $80,2 miljarder stora börsvärdesföretaget, vars aktier för närvarande handlas till $292,50, rapporterade en nästan 20 % ökning av intäkterna för kvartalet som avslutades i september. Med detta största hopp på minst sex kvartal nådde intäkterna $1,22 miljarder. Företaget satsar faktiskt på en boom i generativ AI för att fortsätta driva efterfrågan på sina produkter och har därför höjt mittpunkten i sin justerade årliga vinstprognos till $5,90 per aktie.

Förutom denna boom kan Cadencys nya generation av Palladium‑superdatorer också bidra till tillväxten. Företagets GAAP‑operativa marginal för kvartalet var 29 %, och den icke‑GAAP‑operativa marginalen var 45 %. GAAP‑utspädd nettoresultat per aktie var $0,87, och den icke‑GAAP‑utspädda nettoresultatet per aktie var $1,64. Cadence rapporterade också en orderstock på $5,6 miljarder.

Slutsats

En av de snabbast framväxande teknologierna under detta årtionde är helt enkelt AI, som redan har börjat påverka företag inom olika branscher och förväntas bidra med över $15 biljoner till den globala ekonomin i slutet av detta årtionde. Nu kan integrationen av AI i mikrochipdesign ytterligare hjälpa till att effektivisera uppgifter och låsa upp ännu en nivå av effektivitet, prestanda och skalbarhet.

Klicka här för att lära dig om kvantchip‑miljön som väcker entusiasm för framtidens databehandling.