Computing
Pagbabago ng Linggo sa Oras – Paano Nauna nang Binabago ng AI ang Inhinyeriya ng Microchip
Ang makabagong panahon ng teknolohiya ay umuunlad dahil sa mahusay na paggamit ng mga microchip. Ang pandaigdigang merkado ng microchip ay inaasahang lumaki mula sa humigit-kumulang US$21.56 bilyon noong 2022 hanggang halos US$47 bilyon pagsapit ng 2030 sa isang compound annual growth rate na higit sa 10%.
Ang dahilan kung bakit mabilis ang paglago ng mga microchip ay dahil pinapagana nila ang lahat ng elektronikong nakikita natin sa paligid. At kapag sinasabi natin ang elektronikong, hindi lamang ito kinabibilangan ng mga computer kundi pati na rin ng mga smartphone, network switch, mga kagamitang pang-bahay, mga bahagi ng kotse at eroplano, telebisyon, amplipikador, mga IoT device, at maraming iba pang sistemang elektronik.
Tinatawag ding chip, computer chip, o integrated circuit, ang microchip ay isang yunit ng integrated circuitry na ginawa sa napakaliit na sukat gamit ang semiconductor material tulad ng silicon o germanium. Ang masalimuot na disenyo ng mga microchip ay napaka-detalyado na karaniwang naglalaman ng ilang tiyak na uri ng mga komponent, tulad ng mga transistor, resistor, capacitor, at diode, sa milyun-milyon o kahit bilyon.
Ang mga ito ay napakaliit na mga komponent na sinusukat sa nanometer. Ang kahusayan ng disenyo ng microchip ay napakafine na noong 2021, nakapagpakilala ang IBM ng microchip batay sa 2nm na teknolohiya, mas maliit pa kaysa sa lapad ng isang hibla ng DNA ng tao.
Ang mabilis na pag-unlad sa teknolohiya ng microchip ay patuloy na nagpapalawak ng kanyang horizon. Lumitaw ang mga espesyal na microchip upang pamahalaan ang mga signal sa sangay ng pinakabagong wireless na teknolohiya. Gayunpaman, ang mga ito ay mga mamahaling disenyo na nakabatay sa prinsipyo ng miniaturization at high-end engineering.
Ngayon, isang koponan ng mga inhinyerong nagkakaisa mula sa Princeton Engineering at Indian Institute of Technology ang gumamit ng AI upang mabawasan ang gastos at oras ng pagdidisenyo ng mga chip na tutugon sa lumalawak na pangangailangan para sa mas mahusay na bilis at pagganap ng wireless. Sa susunod na bahagi, sisilipin natin nang mas malalim ang breakthrough na pananaliksik na ito.
AI Lumikha ng Kumplikadong Electromagnetic Structures at Kahaliling Circuit sa Microchips
Nagsagawa ang mga mananaliksik ng metodolohiya para sa AI na lumikha ng kumplikadong EM structures at kaugnay na mga circuit sa microchips. Bago ang breakthrough na ito, maaaring tumagal ng linggo ng mataas na kasanayan upang makamit ang parehong resulta. Ngayon, maaaring magawa sa loob ng ilang oras.
Upang ilahad kung ano ang maaaring makamit ng pananaliksik sa mga advanced na terminong siyentipiko, ipinakita ng mga mananaliksik ang isang pangkalahatang inverse design approach para sa arbitrary-shaped complex multi-port electromagnetic structures na may designer radiative at scattering properties na co-designed kasama ang active circuits.
Upang makamit ang layunin nito, gumamit ang mga mananaliksik ng mga modelo batay sa deep learning at ipinakita ang synthesis gamit ang ilang halimbawa ng kumplikadong mm-wave passive structures at end-to-end integrated mm-wave broadband circuits. Ang ipinakitang inverse design methodology, na maaaring makagawa ng mga disenyo sa loob ng ilang minuto, ay maaaring magbago sa pagbubukas ng isang bagong, dati ay hindi naaabot na espasyo ng disenyo, ayon sa mga mananaliksik.
Ayon kay Kaushik Sengupta, ang pangunahing mananaliksik, propesor ng electrical at computer engineering, at co-director ng NextG, programa ng pakikipagtulungan ng industriya ng Princeton para sa pag-develop ng susunod na henerasyon ng komunikasyon:
“Naglilikha kami ng mga estruktura na kumplikado at mukhang random ang hugis, at kapag ikinonekta sa mga circuit, nagbubuo ito ng dati ay hindi maaabot na pagganap. Hindi ito maintindihan ng tao, ngunit mas mahusay itong gumagana.”
Ginagawang posible ng pananaliksik na ito para sa mga inhinyero na gawing compatible ang mga circuit na ito sa mas energy-efficient na operasyon. Nagiging operable ang mga ito sa isang napakalawak na frequency range. Ang paggamit ng AI ay tumutulong upang magsynthesize ng likas na kumplikadong mga estruktura sa loob ng ilang minuto. Ang pagkuha ng parehong resulta ay karaniwang nangangailangan ng tradisyunal na algorithm na tumatagal ng linggo.
Habang inilalahad ang papel ng AI sa paggawa ng epektibong disenyo, sinabi ni Uday Khankhoje, isang co-author at associate professor ng electrical engineering sa IIT Madras:
“Ang AI ay hindi lamang nagpapabilis ng mga time-consuming electromagnetic simulations, kundi nagbibigay-daan din sa pag-explore sa isang dating hindi pa nasusuring espasyo ng disenyo at naghahatid ng kamangha-manghang, mataas na pagganap na mga device na sumasalungat sa karaniwang mga patakaran at intuwisyon ng tao.”
Ayon kay Propesor Sengupta, ang mga klasikong disenyo ay pinagsasama ang mga circuit at electromagnetic elements, isa-isa. Ang pagbabago ng mga estruktura ng disenyo ay tumutulong upang isama ang mga bagong katangian. Naniniwala si Sengupta na sa pagpasok ng AI, mas malaki ang mga opsyon kumpara sa dating sistema na may limitadong paraan ng paggawa nito.
Kung saan nagkakaiba ang AI ay sa perspektibo. Ang masalimuot na geometry ng circuit ng chip ay madalas humahadlang sa mga human designer na subukan ang mga makabagong disenyo. Madalas hindi sinusubukan ng mga human designer na maunawaan ang antas ng kumplikasyon na kinabibilangan ng naturang circuitry. Sa kabilang banda, tinitingnan ng AI ang chip bilang isang solong artifact, na nagreresulta sa mga kakaiba ngunit epektibong ayos.
Halimbawa, sinuri ng mga mananaliksik ang AI upang tuklasin at magdisenyo ng kumplikadong electromagnetic structures na co-designed kasama ang mga circuit upang lumikha ng broadband amplifiers. Ang mga susunod na pananaliksik ay lalalim pa sa pag-uugnay ng maraming estruktura at pagdidisenyo ng buong wireless chips gamit ang AI.
Sa pagbubuod ng potensyal ng pananaliksik, sinabi ni Sengupta: “Ito ay simula pa lamang ng napakalaking potensyal para sa hinaharap ng larangan.”
Ang mga chip na pinapagana ng AI ay nagrerebolusyon sa mundo lampas sa mga tech lab. Isang kumpanya na nangunguna sa rebolusyong ito ay ang Nvidia. Halos isang taon na ang nakalipas, pinalawig ng kumpanya ang kanilang pamumuno sa artificial intelligence sa pamamagitan ng pagpapakilala ng isang bagong “super chip.” Titingnan natin ngayon kung ano ang nagiging dahilan kung bakit tinatawag na ‘super’ ang chip na ito sa susunod na bahagi.
I-click dito upang matuto tungkol sa biomimetic olfactory chips.
1. Nvidia (NVDA )
Ang breakthrough announcement ng Nvidia ay nagmula sa taunang development conference ng kumpanya tungkol sa Blackwell series ng AI chips. Ang seryeng ito ng ambisyosong AI chips ay naglalayong palakasin ang mga cutting-edge data center na nagsasanay ng Frontier AI models, tulad ng pinakabagong henerasyon ng GPT, Claude, at Gemini.
Ang Blackwell B200 ay isang upgrade kumpara sa H100 AI chip ng kumpanya. Gayunpaman, ang mga H100 AI chip ay nahuhuli sa likod pagdating sa pagtugon sa mga pangangailangan ngayon, na nagpapagana ng napakalaking AI models. Ayon sa mga nailathalang ulat, ang pagsasanay ng isang AI model na kasing laki ng GPT-4 ay mangangailangan ng 8,000 H100 chip at 15 megawatt na kuryente.
Ang dami ng enerhiyang ito ay maaaring magpatakbo ng humigit-kumulang 30,000 tipikal na tahanan sa Britanya. Gayunpaman, sa paggamit ng mga bagong chip ng kumpanya, ang parehong training run ay mangangailangan lamang ng 2,000 B200 at 4 MW na kuryente.
Bagaman nangangahulugan ito ng malaking pagbawas sa konsumo ng kuryente, ang tunay na laro ay nasa ikalawang bahagi ng Blackwell line, ang GB200 Superchips na naglalagay ng dalawang B200 chip sa isang board kasama ang Grace CPU ng kumpanya upang bumuo ng isang sistema na, ayon sa Nvidia, nag-aalok ng “30x ang pagganap” para sa mga server farm na nagpapatakbo, sa halip na nagsasanay, ng mga chatbot tulad ng Claude o ChatGPT.
Ang Microchip, nangungunang supplier ng semiconductor para sa matalinong, konektado, at secure na embedded control solutions, ay nakipagtulungan din sa mga solusyon ng NVIDIA. Noong Nobyembre ng nakaraang taon, inilabas ng Microchip ang kanilang PolarFire® FPGA Ethernet Sensor Bridge na gumagana kasama ang NVIDIA Holoscan sensor processing platform. Ang layunin ay bigyan ng kapangyarihan ang mga developer na bumuo ng mga AI-driven sensor processing system.
Tinutulungan ng NVIDIA Holoscan na pasimplehin ang pag-develop at deployment ng AI at high-performance computing (HPC) applications sa edge para sa real-time insights at pinagsasama sa isang platform ang lahat ng kinakailangang hardware at software system para sa low-latency sensor streaming at network connectivity.
Habang tinutulungan ng NVIDIA ang industriya na umunlad, ipinapakita ng mga ulat na mabilis din ang paglago nito. Noong Enero 7, 2025, sinabi ng Nvidia CEO na si Jensen Huang na ang pagganap ng mga AI chip ng kanyang kumpanya ay umuusad nang mas mabilis kaysa sa mga historikal na rate na itinakda ng Moore’s Law, ang pamantayan na nagdala ng progreso sa computing sa loob ng mga dekada.
Ipinahayag ni Huang na ang mga AI chip ng kumpanya ay gumagalaw sa isang pinabilis na bilis na sarili nila, kung saan ang pinakabagong data center superchip ay higit sa 30 beses na mas mabilis sa pagtakbo ng AI inference workloads kumpara sa naunang henerasyon.
“Maaari naming buuin ang arkitektura, ang chip, ang system, ang mga library, at ang mga algorithm nang sabay-sabay. Kung gagawin mo ito, maaari kang umusad nang mas mabilis kaysa sa Moore’s Law dahil maaari kang mag-innovate sa buong stack.”
Ayon kay Huang, ang pinakabagong data center super chip ng Nvidia, ang GB200 NVL72, ay 30 hanggang 40 beses na mas mabilis sa pagtakbo ng AI inference workloads kaysa sa mga naunang best-selling chip ng Nvidia. Ang kumpanya ay nakatuon sa paglikha ng mas mataas na pagganap na mga chip na magiging mas abot-kaya sa presyo sa pangmatagalan.
“Ang direktang at agarang solusyon para sa test-time computing, kapwa sa pagganap at affordability ng gastos, ay ang pagtaas ng aming computing capability.”
– Huang
Sa pangkalahatan, ayon kay Huang, ang mga AI chip ng Nvidia ngayon ay 1,000 beses na mas magaling kaysa sa ginawa nila sampung taon na ang nakalipas.
(NVDA
)
Para sa fiscal 2024, tumaas ang kita ng Nvidia ng 126% sa rekord na $60.9 bilyon. Ang GAAP earnings per diluted share ay $11.93, tumaas ng 586% mula isang taon ang nakalipas. Ang Non-GAAP earnings per diluted share ay $12.96, tumaas ng 288% mula isang taon ang nakalipas. Ang Non-GAAP gross margin ay 73.8%.
2. Cadence (CDNS )
Isang lider sa disenyo ng electronic systems, ang Cadence ay nag-susupply ng software at espesyal na computer servers sa Nvidia at Apple. Ang kumpanya ay nag-iintegrate ng AI technology sa kanilang mga produkto upang mapabuti ang kalidad ng output dahil naniniwala silang makakatulong ang AI sa pagharap sa problema ng disenyo ng semiconductor, na nagiging mas kumplikado habang patuloy na umuunlad ang teknolohiya nang eksponensyal.
Kamakailan lamang binigyang-diin ng CEO na si Anirudh Devgan na ang mga AI chip design tools ng kumpanya ay nag-aalok ng mga benepisyo sa performance at density ng chip na katulad ng paglipat sa susunod na henerasyon ng process node ngunit nang hindi kinakailangang lumipat sa bagong node.
Kaya, sa pamamagitan ng paggamit ng AI sa disenyo ng chip, ini-optimize ng Cadence ang power, performance, at area (PPA) ng mga chip — na pinakamahalagang metric para sa mga chipmaker bukod sa gastos, awtomatiko ang mga gawain tulad ng place and route at debugging, at pinupuno ang puwang sa talento sa disenyo ng chip.
Para sa mga pagpapabuting ito, nag-aalok ang kumpanya ng komprehensibong “chips to systems” generative AI solution na sinasabing nagdudulot ng 10X na pagtaas sa produktibidad habang pinapabuti ang performance sa lahat ng design domain. Sa kabuuan, may limang pangunahing AI platform ang kumpanya: analog, digital, verification, PCB, at package at system analysis.
Ayon kay Albert Zeng, Sr. Software Engineering Group Director sa System Design and Analysis Group ng Cadence, sinabi sa isang kamakailang panayam:
“Magkakaroon ng malaking epekto ang AI mula sa pananaw ng produktibidad dahil ang paggamit ng AI assistant na maaaring aktwal na kunin ang data mula sa nakaraang karanasan ay makakatulong sa paggabay sa mga batang inhinyero o designer upang gumawa ng mas mahusay na desisyon tungkol sa kanilang disenyo o pag-aayos nito.”
Mahigit dalawang taon na ang nakalipas, inilabas ng Cadence ang kauna-unahang generative AI technology ng industriya na tinatawag na Voltus InsightAI, na awtomatikong natutuklasan ang pinagmulan ng EM-IR (electromigration at voltage) drop violations sa simula pa lamang ng proseso ng disenyo, na isang computationally expensive na gawain. Pagkatapos, pinipili at inilalapat ng solusyon ng Cadence ang pinakaepektibong pag-aayos upang mapabuti ang PPA.
Sa mga nakaraang buwan, nakipagtulungan ang Cadence sa TSMC upang mapataas ang produktibidad at pagbutihin ang performance ng AI-driven advanced-node designs pati na rin ng three-dimensional integrated circuits (3D-ICs) upang matugunan ang tinatawag nilang “hindi pa nagagawang demand” para sa advanced silicon solutions na kayang hawakan ang napakalaking dami ng dataset at computation. Sa ganitong paraan, ang AI-driven design flows ay ngayon magagamit na para sa pinakabagong TSMC N2P (2nm-class), na nag-aalok ng 5% – 10% na mas mataas na performance, at N3 technologies.
Ang kumpanya na may market cap na $80.2 bilyon, na kasalukuyang nagte-trade sa $292.50, ay nag-ulat ng halos 20% na pagtaas sa kita para sa quarter na nagtatapos sa Setyembre. Sa pinakamalaking pagtaas sa hindi bababa sa anim na quarter, umabot ang kita sa $1.22 bilyon. Ang kumpanya ay talagang naglalagay ng taya sa boom ng generative AI upang patuloy na magdulot ng demand para sa kanilang mga produkto at, bilang resulta, itinaas ang gitnang punto ng kanilang inaayos na taunang profit forecast sa $5.90 kada share.
(CDNS
)
Bukod sa boom na ito, ang bagong henerasyon ng Palladium supercomputers ng Cadence ay maaari ring mag-ambag sa paglago na ito. Ang GAAP operating margin ng kumpanya para sa quarter ay 29%, at ang non-GAAP operating margin ay 45%. Ang GAAP diluted net income per share ay $0.87, at ang non-GAAP diluted net income per share ay $1.64. Iniulat din ng Cadence ang backlog na $5.6 bilyon.
Konklusyon
Isa sa pinakamabilis na umuunlad na teknolohiya sa dekadang ito ay ang AI, na simpleng sinasabi ay nagsimulang makaapekto na sa mga negosyo sa iba’t ibang industriya at inaasahang mag-aambag ng higit sa $15 trilyon sa pandaigdigang ekonomiya pagsapit ng katapusan ng dekadang ito. Ngayon, ang integrasyon ng AI sa disenyo ng microchip ay maaaring higit pang makatulong sa pagpapasimple ng mga gawain, nagbubukas ng isa pang antas ng kahusayan, pagganap, at scalability.
