Zuhause > Nachrichten > Mentor: AI wird ein weiterer Katalysator für das Jahrzehnt des Wachstums in der Halbleiterindustrie sein

Mentor: AI wird ein weiterer Katalysator für das Jahrzehnt des Wachstums in der Halbleiterindustrie sein

Nach dem Platzen der Internetblase im Jahr 2001 waren viele Menschen voller Zweifel an der zukünftigen Entwicklung der gesamten Halbleiterindustrie.

In der damaligen Runde des Markteinbruchs begannen sich viele Halbleiterunternehmen zu integrieren; Die attraktiven Investitionen der Branche in Windkapital wurden ebenfalls stark reduziert. Die technologische Forschung und Entwicklung in der Prozessentwicklung und in anderen Bereichen stagnierte ebenfalls und verlangsamte sich.

Die Halbleiterindustrie hat jedoch jetzt eine neue Trendwende erlebt. In einem Interview mit Reportern wie Ji Wei.com sagte Joseph Sawicki, Executive Vice President von Mentor IC EDA, dass die Branche durch die Anregung neuer Technologien wie künstliche Intelligenz und maschinelles Lernen mit neuen Möglichkeiten gefüllt wird.

Ein McKinsey-Bericht wies darauf hin, dass künstliche Intelligenz auf viele vertikale Bereiche angewendet werden kann, wodurch Halbleiterunternehmen 40 bis 50% des Gesamtwerts dieser Technologiestacks erfassen können. Joseph sagte, dass künstliche Intelligenz ein starker Katalysator für einen weiteren 10-jährigen Wachstumszyklus in der Halbleiterindustrie sein wird. Damit sich dieser Trend jedoch wirklich verwirklicht, werden viele Daten als Unterstützung benötigt.

„Wenn Sie über genügend Daten verfügen, können Sie vorausschauend vorgehen, sodass Sie Ihre Maschine sehr zuverlässig trainieren und die Maschine effektiv lernen lassen können.“ Joseph fügte hinzu, dass die für die Hochgeschwindigkeitskommunikation erforderliche und erstellte Datenmenge in den nächsten 12 Jahren zunehmen wird. Es wird Tausende von Wachstumszeiten einleiten, und diese Daten müssen analysiert werden, und dann müssen basierend auf dieser Analyse Maßnahmen ergriffen werden.

Unter dem Einfluss des „Daten-Tsunamis“ sieht sich die Entwicklung der künstlichen Intelligenz jedoch auch mit verschiedenen Widersprüchen konfrontiert. Joseph erwähnte zwei widersprüchliche Ziele bei der Entwicklung der künstlichen Intelligenz:

Ein Ziel ist es, dass viele Menschen die Fähigkeiten des Rechenzentrums zur Bewältigung derart großer Datenmengen kontinuierlich verbessern möchten. Unternehmen wie Alibaba und Amazon entwickeln daher KI-bezogene Engines, mit denen riesige Datenmengen trainiert werden.

Andererseits ist es das Ziel einiger Unternehmen, immer mehr Rechenleistung an den Rand der Cloud zu bringen und so die Entwicklung des Rechenzentrums zu entlasten.




Die Chipentwicklung im Edge-Computing wird den vom Rechenzentrum geforderten Chip bei weitem übertreffen. Laut Tractica wird die durchschnittliche jährliche Wachstumsrate von Edge-Connected-Geräten von 2016 bis 2021 bis zu 190% betragen.

Joseph sagte, dass Edge Computing / Processing der Hauptmotor für das Wachstum in der Halbleiterindustrie sein wird. Da für bestimmte Anwendungen in vielen Bereichen optimierte Chip-Designs erforderlich sind, um eine optimale Chip-Leistung zu erzielen, ist dies eine Gelegenheit für EDA-Tool-Anbieter wie Mentor.

Joseph betont, dass das Chip-Design in der Edge-Computing-KI häufig durch spezifische Anforderungen an die Architekturentwicklung definiert wird. Daher unterscheidet sich die aktuelle AI-Entwicklungsplattform grundlegend von der vorherigen Entwicklungsumgebung.

In diesem Zusammenhang stellte Joseph die Chip-Design-Tools von Mentor speziell für den KI-Bereich vor:

lHLS (High-Level-Synthese): Nehmen Sie NVIDIA als Beispiel. Mit diesem Tool können Sie die Produktivität nahezu verdoppeln und die Überprüfungskosten um 80% steigern.

lHierarchicl-Test: Hilft Kunden, die Produktivität weiter zu steigern und die Kosten zu senken. Am Beispiel des Kunden von Graphcor konnte mit diesem Tool die DFT-Produktivität um das Vierfache gesteigert, die Testübertragungsgeschwindigkeit erheblich verbessert und die Entwurfszeit auf der Grundlage der tatsächlichen Daten auf 3 Tage verkürzt werden.

OPC-Technologie: In der Halbleiterfertigung werden 4.000 CPUs pro Tag und 7 nm benötigt, um eine Maske zu erstellen. Wenn Sie jedoch Algorithmen für maschinelles Lernen verwenden, können Sie die Laufzeit um das 3-4-fache reduzieren.

lLFD-Technologie (lithographically friendly): Reduziert den Ertragsgrenzfaktor erheblich und verkürzt die Laufzeit der 10-fachen Produktion. Sie können nicht nur Fehler im Produktionsprozess erkennen, sondern auch Fehler vorhersagen.

lDeposition Tool: Behebt das Problem von Produkt- oder Komponentenfehlern und verbessert die Qualität und Effizienz der Produktion.

Darüber hinaus bietet Mentor eine Plattform für Charakterisierungstechnologien für die Automobilindustrie, die eine detaillierte Analyse der allgemeinen Zuverlässigkeit und Sicherheit in Kombination mit AI bietet, um die Laufzeit der Charakterisierung um den Faktor 100 zu verkürzen. Der PAVE 360 Autopilot Simulator simuliert außerdem kontinuierlich realistische Weltbedingungen unter der virtuellen Maschine, was die Überprüfungszeit weiter verkürzt.

Ob die zukünftigen Smart Chips dediziert oder flexibel sind, die Branche hat unterschiedliche Stimmen. Aber Joseph sagte dem Micronet-Reporter, dass EDA ein neutrales Werkzeug ist. In Zukunft wird Mentor eine große Umgebung bereitstellen, in der Kunden mithilfe der Tools ihre Software in bestimmten Umgebungen modellieren und entwickeln können. Dies ist der wichtigste Wert, den Mentor als EDA-Unternehmen bietet.