Huis > Nieuws > Mentor: AI zal een andere katalysator zijn voor het decennium van groei in de halfgeleiderindustrie

Mentor: AI zal een andere katalysator zijn voor het decennium van groei in de halfgeleiderindustrie

Nadat de internetzeepbel in 2001 barstte, twijfelden veel mensen aan de toekomstige ontwikkeling van de hele halfgeleiderindustrie.

In de ronde van de ineenstorting van de markt in die tijd begonnen veel halfgeleiderbedrijven te integreren; de aantrekkelijke investering van de industrie in windkapitaal werd ook sterk verminderd; technologisch onderzoek en ontwikkeling in procesontwikkeling en andere aspecten zijn ook gestagneerd en vertraagd.

De halfgeleiderindustrie heeft nu echter een nieuwe ommekeer gekend. In een interview met verslaggevers zoals Ji Wei.com zei Joseph Sawicki, Executive Vice President van Mentor IC EDA, dat de industrie opnieuw wordt gevuld met kansen onder de stimulering van nieuwe technologieën zoals kunstmatige intelligentie en machine learning.

Een McKinsey-rapport wees erop dat kunstmatige intelligentie kan worden toegepast op veel verticale gebieden, waardoor halfgeleiderbedrijven 40 tot 50% van de totale waarde van deze technologiestapels kunnen vastleggen. Joseph zei dat kunstmatige intelligentie een sterke katalysator zal zijn voor een nieuwe 10-jarige groeicyclus in de halfgeleiderindustrie. Maar om deze trend echt waar te maken, is veel ondersteuning nodig.

“Met voldoende gegevens kunt u voorspellend zijn, zodat u uw machine zeer betrouwbaar kunt trainen en de machine effectief kunt laten leren.” Joseph voegde daaraan toe dat de hoeveelheid gegevens die nodig en gecreëerd is voor snelle communicatie de komende 12 jaar zal toenemen. Het zal duizenden tijden van groei inluiden en deze gegevens moeten worden geanalyseerd en vervolgens actie ondernemen op basis van deze analyse.

Onder invloed van de "data tsunami" wordt de ontwikkeling van kunstmatige intelligentie echter ook geconfronteerd met verschillende tegenstrijdigheden. Joseph noemde twee tegenstrijdige doelen bij de ontwikkeling van kunstmatige intelligentie:

Eén doel is dat veel mensen de mogelijkheden van het datacenter continu willen verbeteren om met zulke enorme hoeveelheden data om te gaan. Dus bedrijven zoals Alibaba en Amazon ontwikkelen AI-gerelateerde motoren die deze motor gebruiken om enorme hoeveelheden gegevens te trainen.

Aan de andere kant is het doel van sommige bedrijven om meer en meer verwerkingskracht naar de rand van de cloud te duwen, waardoor enige druk op de ontwikkeling van het datacenter wordt opgeheven.




Chipontwikkeling in edge computing zal de chip die het datacenter vereist aanzienlijk overschrijden. Volgens Tractica zal van 2016 tot 2021 het samengestelde jaarlijkse groeipercentage van edge-connected apparaten oplopen tot 190%.

Joseph zei dat, dichterbij, edge computing / verwerking de belangrijkste motor voor groei in de halfgeleiderindustrie zal zijn. Aangezien specifieke toepassingen op veel gebieden geoptimaliseerde chipontwerpen vereisen om optimale chipprestaties te bereiken, is dit een kans voor leveranciers van EDA-tools zoals Mentor.

Joseph benadrukt dat in edge computing AI chipontwerp vaak wordt gedefinieerd door specifieke vereisten voor architectuurontwikkeling. Het huidige AI-ontwikkelplatform verschilt dus volledig van de vorige ontwikkelomgeving.

In dit verband introduceerde Joseph de chipontwerptools van Mentor specifiek voor het AI-veld:

lHLS (synthese op hoog niveau): neem NVIDIA als voorbeeld. Met deze tool kunt u de productiviteit bijna twee keer verhogen en de verificatiekosten met 80%.

lHierarchicl-test: helpt klanten de productiviteit verder te verhogen en de kosten te verlagen. Als we de klant van Graphcor als voorbeeld nemen, is de DFT-productiviteit met deze tool 4 keer verhoogd, is de snelheid van testoverdracht aanzienlijk verbeterd en is de ontwerptijd verkort tot 3 dagen op basis van werkelijke gegevens.

lOPC-technologie: gebruikt bij de productie van halfgeleiders, zijn er 4.000 CPU's nodig om op een dag op 7nm te draaien om één masker te produceren, maar als u machine learning-algoritmen gebruikt, kunt u de looptijd 3-4 keer verkorten.

lLFD-technologie (lithografisch vriendelijk): vermindert de opbrengstgrensfactor aanzienlijk en verkort de looptijd van 10 keer de productie. Kan niet alleen defecten in het productieproces identificeren, maar ook defecten voorspellen.

lDeposietool: lost het probleem van product- of componentfouten op en verbetert de kwaliteit en efficiëntie van de productie.

Daarnaast biedt Mentor een karakteriseringstechnologieplatform voor de auto-industrie, met een gedetailleerde analyse van de algemene betrouwbaarheid en veiligheid, in combinatie met AI om de looptijd van de karakterisering met een factor 100 te verminderen. De PAVE 360 Autopilot Simulator simuleert ook continu real- wereldomstandigheden onder de virtuele machine, waardoor de verificatietijd verder wordt verkort.

Of de toekomstige smart chips toegewijd of flexibel zijn, de industrie heeft verschillende stemmen. Maar Joseph vertelde de micronetverslaggever dat EDA een neutraal hulpmiddel is. In de toekomst zal Mentor een grote omgeving bieden waar klanten de tools kunnen gebruiken om hun software in specifieke omgevingen te modelleren en te ontwikkelen. Dit is de belangrijkste waarde die Mentor biedt als EDA-bedrijf.