- Pilipino
-
EnglishDeutschItaliaFrançais日本語한국의русскийSvenskaNederlandespañolPortuguêspolskiSuomiGaeilgeSlovenskáSlovenijaČeštinaMelayuMagyarországHrvatskaDanskromânescIndonesiaΕλλάδαБългарски езикAfrikaansIsiXhosaisiZululietuviųMaoriKongeriketМонголулсO'zbekTiếng ViệtहिंदीاردوKurdîCatalàBosnaEuskeraالعربيةفارسیCorsaChicheŵaעִבְרִיתLatviešuHausaБеларусьአማርኛRepublika e ShqipërisëEesti Vabariikíslenskaမြန်မာМакедонскиLëtzebuergeschსაქართველოCambodiaPilipinoAzərbaycanພາສາລາວবাংলা ভাষারپښتوmalaɡasʲКыргыз тилиAyitiҚазақшаSamoaසිංහලภาษาไทยУкраїнаKiswahiliCрпскиGalegoनेपालीSesothoТоҷикӣTürk diliગુજરાતીಕನ್ನಡkannaḍaमराठी
E-mail:Info@Y-IC.com
Mentor: Ang AI ay magiging isa pang katalista sa dekada ng paglago sa industriya ng semiconductor
Matapos ang pagsabog ng bubble sa Internet noong 2001, maraming mga tao ang puno ng mga pagdududa tungkol sa hinaharap na pag-unlad ng buong industriya ng semiconductor.
Sa pag-ikot ng pagbagsak ng merkado sa oras na iyon, maraming mga kumpanya ng semiconductor ang nagsimulang magsama; ang kaakit-akit na pamumuhunan ng industriya sa kapital ng hangin ay nabawasan din; ang teknolohiya sa pananaliksik at pag-unlad sa proseso ng pag-unlad at iba pang mga aspeto ay tumaas din at bumagal.
Gayunpaman, ang industriya ng semiconductor ay nakakita ng isang bagong turnaround ngayon. Sa isang pakikipanayam sa mga mamamahayag tulad ng Ji Wei.com, sinabi ni Mentor IC EDA Executive Vice President Joseph Sawicki na ang industriya ay muling napuno ng mga pagkakataon sa ilalim ng pagpapasigla ng mga bagong teknolohiya tulad ng artipisyal na katalinuhan at pagkatuto ng makina.
Ang isang ulat ng McKinsey ay itinuro na ang artipisyal na katalinuhan ay maaaring mailapat sa maraming mga patayong lugar, na nagpapahintulot sa mga kumpanya ng semiconductor na makuha ang 40 hanggang 50% ng kabuuang halaga mula sa mga stacks ng teknolohiyang ito. Sinabi ni Joseph na ang artipisyal na katalinuhan ay magiging isang malakas na katalista para sa isa pang 10-taong paglago ng ikot sa industriya ng semiconductor. Ngunit upang maisakatuparan ang takbo na ito, maraming data ang kinakailangan bilang suporta.
"Sa pamamagitan ng sapat na data, maaari kang mahuhula, kaya maaari mong sanayin ang iyong makina nang maaasahan at hayaang matuto nang epektibo ang makina." Dagdag pa ni Joseph na ang dami ng data na kinakailangan at nilikha para sa pinakamabilis na komunikasyon ay tataas sa susunod na 12 taon. Dadalhin nito ang libu-libong beses ng paglaki, at ang mga datos na ito ay kailangang masuri, at pagkatapos ay gumawa ng aksyon batay sa pagsusuri na ito.
Gayunpaman, sa ilalim ng epekto ng "data tsunami", ang pagbuo ng artipisyal na katalinuhan ay nahaharap din sa iba't ibang mga pagkakasalungatan. Nabanggit ni Joseph ang dalawang magkasalungat na layunin sa pagbuo ng artipisyal na katalinuhan:
Ang isang layunin ay nais ng maraming tao na patuloy na palakasin ang mga kakayahan ng data center upang makayanan ang napakaraming data. Kaya ang mga kumpanya tulad ng Alibaba at Amazon ay bumubuo ng mga kaugnay na AI na mga makina na gumagamit ng engine na ito upang sanayin ang napakalaking halaga ng data.
Sa kabilang banda, ang layunin ng ilang mga kumpanya ay upang itulak ang higit pa at higit na lakas ng pagproseso sa gilid ng ulap, sa gayon ay nagpapalabas ng ilang presyon sa pagbuo ng data center.
Sa pag-ikot ng pagbagsak ng merkado sa oras na iyon, maraming mga kumpanya ng semiconductor ang nagsimulang magsama; ang kaakit-akit na pamumuhunan ng industriya sa kapital ng hangin ay nabawasan din; ang teknolohiya sa pananaliksik at pag-unlad sa proseso ng pag-unlad at iba pang mga aspeto ay tumaas din at bumagal.
Gayunpaman, ang industriya ng semiconductor ay nakakita ng isang bagong turnaround ngayon. Sa isang pakikipanayam sa mga mamamahayag tulad ng Ji Wei.com, sinabi ni Mentor IC EDA Executive Vice President Joseph Sawicki na ang industriya ay muling napuno ng mga pagkakataon sa ilalim ng pagpapasigla ng mga bagong teknolohiya tulad ng artipisyal na katalinuhan at pagkatuto ng makina.
Ang isang ulat ng McKinsey ay itinuro na ang artipisyal na katalinuhan ay maaaring mailapat sa maraming mga patayong lugar, na nagpapahintulot sa mga kumpanya ng semiconductor na makuha ang 40 hanggang 50% ng kabuuang halaga mula sa mga stacks ng teknolohiyang ito. Sinabi ni Joseph na ang artipisyal na katalinuhan ay magiging isang malakas na katalista para sa isa pang 10-taong paglago ng ikot sa industriya ng semiconductor. Ngunit upang maisakatuparan ang takbo na ito, maraming data ang kinakailangan bilang suporta.
"Sa pamamagitan ng sapat na data, maaari kang mahuhula, kaya maaari mong sanayin ang iyong makina nang maaasahan at hayaang matuto nang epektibo ang makina." Dagdag pa ni Joseph na ang dami ng data na kinakailangan at nilikha para sa pinakamabilis na komunikasyon ay tataas sa susunod na 12 taon. Dadalhin nito ang libu-libong beses ng paglaki, at ang mga datos na ito ay kailangang masuri, at pagkatapos ay gumawa ng aksyon batay sa pagsusuri na ito.
Gayunpaman, sa ilalim ng epekto ng "data tsunami", ang pagbuo ng artipisyal na katalinuhan ay nahaharap din sa iba't ibang mga pagkakasalungatan. Nabanggit ni Joseph ang dalawang magkasalungat na layunin sa pagbuo ng artipisyal na katalinuhan:
Ang isang layunin ay nais ng maraming tao na patuloy na palakasin ang mga kakayahan ng data center upang makayanan ang napakaraming data. Kaya ang mga kumpanya tulad ng Alibaba at Amazon ay bumubuo ng mga kaugnay na AI na mga makina na gumagamit ng engine na ito upang sanayin ang napakalaking halaga ng data.
Sa kabilang banda, ang layunin ng ilang mga kumpanya ay upang itulak ang higit pa at higit na lakas ng pagproseso sa gilid ng ulap, sa gayon ay nagpapalabas ng ilang presyon sa pagbuo ng data center.
Ang pag-unlad ng Chip sa gilid ng computing ay lubos na lalampas sa chip na kinakailangan ng sentro ng data. Ayon kay Tractica, mula 2016 hanggang 2021, ang tambalang taunang rate ng paglago ng mga aparato na konektado sa gilid ay magiging kasing taas ng 190%.
Sinabi ni Joseph na, mas malapit, ang pag-computing / pagproseso ng gilid ay magiging pangunahing makina para sa paglaki sa industriya ng semiconductor. Dahil ang mga tukoy na aplikasyon sa maraming mga lugar ay nangangailangan ng mga naka-optimize na disenyo ng chip upang makamit ang pinakamainam na pagganap ng chip, ito ay isang pagkakataon para sa mga vendor ng EDA tulad ng Mentor.
Binibigyang diin ni Joseph na sa gilid ng computing AI, ang disenyo ng chip ay madalas na tinukoy ng mga tiyak na kinakailangan sa pagbuo ng arkitektura. Kaya ang kasalukuyang platform ng pag-unlad ng AI ay ganap na naiiba mula sa nakaraang kapaligiran sa pag-unlad.
Kaugnay nito, ipinakilala ni Joseph ang mga tool sa disenyo ng chip ng Mentor partikular para sa larangan ng AI:
lHLS (mataas na antas ng synthesis): Kunin ang NVIDIA bilang isang halimbawa. Sa pamamagitan ng paggamit ng tool na ito, maaari mong madagdagan ang pagiging produktibo sa pamamagitan ng halos dalawang beses at mga gastos sa pagpapatunay ng 80%.
lHierarchicl test: Tumutulong sa mga customer na dagdagan ang pagiging produktibo at bawasan ang mga gastos. Ang pagkuha ng customer ng Graphcor bilang isang halimbawa, sa pamamagitan ng paggamit ng tool na ito, ang pagiging produktibo ng DFT ay nadagdagan ng 4 na beses, ang bilis ng paglilipat ng pagsubok ay lubos na napabuti, at ang panahon ng disenyo ng oras ay pinaikling sa 3 araw batay sa aktwal na data.
lOPC na teknolohiya: ginamit sa semiconductor manufacturing, aabutin ng 4,000 mga CPU upang magpatakbo ng isang araw sa isang 7nm na batayan upang makabuo ng isang Mask, ngunit kung gumagamit ka ng mga algorithm sa pag-aaral ng machine, maaari mong bawasan ang tumatakbo na oras sa pamamagitan ng 3-4 beses.
lLFD (lithographically friendly) na teknolohiya: makabuluhang binabawasan ang kadahilanan ng limitasyon ng ani at binabawasan ang pagpapatakbo ng 10 beses na produksyon. Hindi lamang makikilala ang mga depekto sa proseso ng paggawa, ngunit din mahulaan ang mga depekto.
lDeposition tool: nalulutas ang problema ng pagkabigo ng produkto o sangkap at nagpapabuti ng kalidad at kahusayan ng paggawa.
Bilang karagdagan, ang Mentor ay nagbibigay ng platform ng teknolohiya ng characterization para sa industriya ng automotiko, na nagbibigay ng isang detalyadong pagsusuri ng pangkalahatang pagiging maaasahan at kaligtasan, na sinamahan ng AI upang mabawasan ang runtime ng pagkilala sa pamamagitan ng isang kadahilanan ng 100. Ang PAVE 360 Autopilot Simulator ay patuloy na nagpapatulad din sa tunay na mga kondisyon ng mundo sa ilalim ng virtual machine, karagdagang pagbabawas ng oras ng pag-verify.
Kung ang hinaharap na mga smart chips ay nakatuon o nababaluktot, ang industriya ay may iba't ibang mga tinig. Ngunit sinabi ni Joseph sa micronet reporter na ang EDA ay isang neutral na tool. Sa hinaharap, magbibigay ang Mentor ng isang malaking kapaligiran kung saan maaaring magamit ng mga customer ang mga tool upang modelo at bumuo ng kanilang software sa mga tukoy na kapaligiran. Ito ang pinakamahalagang halaga na inalok ng Mentor bilang isang kumpanya ng EDA.
Sinabi ni Joseph na, mas malapit, ang pag-computing / pagproseso ng gilid ay magiging pangunahing makina para sa paglaki sa industriya ng semiconductor. Dahil ang mga tukoy na aplikasyon sa maraming mga lugar ay nangangailangan ng mga naka-optimize na disenyo ng chip upang makamit ang pinakamainam na pagganap ng chip, ito ay isang pagkakataon para sa mga vendor ng EDA tulad ng Mentor.
Binibigyang diin ni Joseph na sa gilid ng computing AI, ang disenyo ng chip ay madalas na tinukoy ng mga tiyak na kinakailangan sa pagbuo ng arkitektura. Kaya ang kasalukuyang platform ng pag-unlad ng AI ay ganap na naiiba mula sa nakaraang kapaligiran sa pag-unlad.
Kaugnay nito, ipinakilala ni Joseph ang mga tool sa disenyo ng chip ng Mentor partikular para sa larangan ng AI:
lHLS (mataas na antas ng synthesis): Kunin ang NVIDIA bilang isang halimbawa. Sa pamamagitan ng paggamit ng tool na ito, maaari mong madagdagan ang pagiging produktibo sa pamamagitan ng halos dalawang beses at mga gastos sa pagpapatunay ng 80%.
lHierarchicl test: Tumutulong sa mga customer na dagdagan ang pagiging produktibo at bawasan ang mga gastos. Ang pagkuha ng customer ng Graphcor bilang isang halimbawa, sa pamamagitan ng paggamit ng tool na ito, ang pagiging produktibo ng DFT ay nadagdagan ng 4 na beses, ang bilis ng paglilipat ng pagsubok ay lubos na napabuti, at ang panahon ng disenyo ng oras ay pinaikling sa 3 araw batay sa aktwal na data.
lOPC na teknolohiya: ginamit sa semiconductor manufacturing, aabutin ng 4,000 mga CPU upang magpatakbo ng isang araw sa isang 7nm na batayan upang makabuo ng isang Mask, ngunit kung gumagamit ka ng mga algorithm sa pag-aaral ng machine, maaari mong bawasan ang tumatakbo na oras sa pamamagitan ng 3-4 beses.
lLFD (lithographically friendly) na teknolohiya: makabuluhang binabawasan ang kadahilanan ng limitasyon ng ani at binabawasan ang pagpapatakbo ng 10 beses na produksyon. Hindi lamang makikilala ang mga depekto sa proseso ng paggawa, ngunit din mahulaan ang mga depekto.
lDeposition tool: nalulutas ang problema ng pagkabigo ng produkto o sangkap at nagpapabuti ng kalidad at kahusayan ng paggawa.
Bilang karagdagan, ang Mentor ay nagbibigay ng platform ng teknolohiya ng characterization para sa industriya ng automotiko, na nagbibigay ng isang detalyadong pagsusuri ng pangkalahatang pagiging maaasahan at kaligtasan, na sinamahan ng AI upang mabawasan ang runtime ng pagkilala sa pamamagitan ng isang kadahilanan ng 100. Ang PAVE 360 Autopilot Simulator ay patuloy na nagpapatulad din sa tunay na mga kondisyon ng mundo sa ilalim ng virtual machine, karagdagang pagbabawas ng oras ng pag-verify.
Kung ang hinaharap na mga smart chips ay nakatuon o nababaluktot, ang industriya ay may iba't ibang mga tinig. Ngunit sinabi ni Joseph sa micronet reporter na ang EDA ay isang neutral na tool. Sa hinaharap, magbibigay ang Mentor ng isang malaking kapaligiran kung saan maaaring magamit ng mga customer ang mga tool upang modelo at bumuo ng kanilang software sa mga tukoy na kapaligiran. Ito ang pinakamahalagang halaga na inalok ng Mentor bilang isang kumpanya ng EDA.