99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

EDA行業(yè)正深入地推動AI的發(fā)展

半導體產(chǎn)業(yè)縱橫 ? 來源:半導體產(chǎn)業(yè)縱橫 ? 2023-12-10 14:21 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

人工智能既是進化性的,也是革命性的,因此很難評估它將被用于何處、如何使用以及可能出現(xiàn)哪些問題。

EDA 供應商正在加緊在其工具中使用 AI/ML,以幫助芯片制造商和系統(tǒng)公司實現(xiàn)產(chǎn)品差異化。在某些情況下,這意味著使用人工智能來設計人工智能芯片,而人工智能芯片的功能和潛在問題在數(shù)量和廣度上都呈爆炸式增長。

還有待觀察的是,這些人工智能設計的芯片隨著時間的推移表現(xiàn)如何,以及人工智能究竟能在哪些方面為設計團隊帶來益處。所有這些都需要與沒有使用人工智能增強工具、進行標準計算的設計進行比較。

在某些方面,人工智能是對 EDA 供應商已經(jīng)提供的軟件的進化改進。Cadence 數(shù)字與簽核集團產(chǎn)品管理副總裁 Kam Kittrell 說:"我們過去所說的'計算軟件'已經(jīng)變成了人工智能。我們非常擅長創(chuàng)建這類與人工智能相關的算法,因此我們可以掌握并開發(fā)人工智能技術,從而使我們的產(chǎn)品變得更好。"

在這一點上,如果說人工智能的能力有局限性的話,那么局限性并不明顯。Kittrell 說:通過使用大型語言模型,我們可以讀取規(guī)范,并確定特定設計的問題所在。這就好比你的團隊中多了一位工程師來審查規(guī)格,從而大大縮短了調(diào)試時間。這可以推廣到許多不同的領域,因為使用 LLM 技術可以自動生成大量由規(guī)范生成的附帶資料。它可以大大縮短你的日程安排。

Quadric 首席營銷官 Steve Roddy 說:我們認為 EDA 是使用模式匹配和機器學習的完美目標。這是一種經(jīng)典的類固醇最小切割算法。你要放置數(shù)十億件東西,而且要盡量減少電線越界。不同世代的 EDA 工具所采用的算法都在不斷迭代,它們都使用一些復雜的啟發(fā)式算法來計算,如果我放置所有這些東西,怎樣才能獲得最短的平均導線長度以及最少的導線和交叉數(shù)量。當我們只有兩到四層金屬時,這很容易做到。現(xiàn)在,你可能有 14 層金屬和 82 個掩膜。這太瘋狂了。

盡管如此,EDA 行業(yè)仍然小心翼翼,因為這事關重大。發(fā)現(xiàn)設計中的非法線路交叉或錯誤是一回事。而假定所有重大問題都已被發(fā)現(xiàn)則是另一回事。與其他 EDA 工具一樣,所有這些都需要集成到現(xiàn)有的流程和模型中,而這并非易事。

Synopsys 公司產(chǎn)品線管理高級總監(jiān) Arvind Narayanan 說:我們著眼于從架構到制造的整個 EDA 堆棧,以找出瓶頸所在。在存在大量人工迭代循環(huán)的地方,人工智能有很多機會幫助提高生產(chǎn)率。例如,從項目周期來看,數(shù)字實現(xiàn)是設計流程的關鍵部分,設計人員需要花費大量時間從 RTL 設計到物理實現(xiàn)和簽核。人工智能可以自動分析解決方案空間并優(yōu)化設計 QoR 目標,而不是設計人員手動迭代,這一步可以大大受益于人工智能。

一些客戶擁有自己的高級人工智能/ML 方案。Keysight 的 EDA 產(chǎn)品經(jīng)理 SteveSlater 說:他們想要做的是用一組新數(shù)據(jù)調(diào)用仿真器,這就會稍微改變當前的狀態(tài)。客戶自己的 AI/ML 基礎架構取代了 EDA 工具的主導地位。你可以想象他們試圖對所有可能的角情況進行巨大的參數(shù)掃描,而現(xiàn)在他們正在使用 AI/ML 進行更好的預測。

這是 Keysight 勾畫出的五級層次結構中的第一級,為他們思考人工智能的潛力提供了基礎。第二種方法是將 LLM 置于 EDA 工具中,創(chuàng)建特定領域的聊天機器人,以支持實時客戶互動。第三種方法是人工智能輔助設計和路由。"要知道,自動路由器已經(jīng)存在了很長時間,"Slater說。"真正的問題是,技術是否有飛躍性的進步,使人們能夠以更快的速度進行設計。也許這意味著你需要建立一個巨大的優(yōu)秀設計實例庫,人工智能可以根據(jù)這些實例進行訓練。"

此外,人工智能還可用于建立更好的模型,并通過利用更多的人工神經(jīng)網(wǎng)絡來加快模擬器的速度。Slater說:有基于物理學的分析模型,但你必須獲取大量測量數(shù)據(jù)才能達到目的。"如果你能利用人工智能啟發(fā)式網(wǎng)絡創(chuàng)建一個在曲線擬合方面同樣出色的模型,但關鍵是不需要那么多輸入數(shù)據(jù),而且由于模型是基于神經(jīng)網(wǎng)絡而不是復雜的網(wǎng)表,因此執(zhí)行速度更快,那會怎么樣呢?"

人工智能的一個好處是,它可以讓工具運行模擬,并決定哪種方法是每種情況下的最佳選擇,從而省去了在啟發(fā)式方法上花費的一些時間。西門子 EDA 項目總監(jiān) Russell Klein 說:這個過程可以變得更加智能、更加正確,這將使工程師更容易描述算法,并在高級綜合過程的另一端獲得良好的電路。

但是,這其中也有取舍。雖然人工智能可以提高模擬速度,但卻要以犧牲準確性為代價。此外,雖然大型語言模型能夠理解向其提出的問題,但其返回的實際答案需要結合上下文。Slater說:"它仍然需要 EDA 供應商或軟件供應商來提供和整理上下文語境。如果你利用的是一個非常龐大的信息數(shù)據(jù)庫,那么生成式人工智能就能給你帶來驚人的效果,但當涉及到設計時,這些信息可能并不是現(xiàn)成的"。

芯片層面的挑戰(zhàn)

在人工智能芯片方面,數(shù)據(jù)中心使用的芯片與邊緣使用的芯片存在巨大差異。在數(shù)據(jù)中心,生成式人工智能會產(chǎn)生 "幻覺",而高級定制硬件則會導致無聲數(shù)據(jù)錯誤。眾所周知,兩者都會產(chǎn)生錯誤的結果,這在一般的搜索引擎中可能不是問題,但在軍事或金融行動中可能是災難性的。

更糟糕的是,人工智能解決方案是依賴于領域的。在企業(yè)界,金融機構和保險公司等較為成熟的行業(yè)都在試圖加速并盡快進入人工智能領域,領導zSystems架構開發(fā)的IBM研究員克里斯蒂安-雅各比(Christian Jacobi)說。然而,這些公司的客戶和監(jiān)管機構對他們的行為方式有著截然不同的期望。你不會想向銀行的聊天機器人提問,然后讓它宣布愛上你吧。

HPE人工智能首席產(chǎn)品官埃文-斯帕克斯(Evan Sparks)說,這是復雜性之一。"我們正在與許多客戶合作,他們的架構正在從重 CPU 轉(zhuǎn)向更重 GPU。我認為不會就此止步。還有一種替代方案--我們稱之為 AI 原生架構--這是一種超越微處理器芯片的系統(tǒng),專門用于解決這些工作負載。在人工智能原生架構中,你確實需要考慮堆棧的所有層次,從芯片的選擇(可能是用于模型訓練和評估問題的定制芯片)到互連、存儲,再到位于頂層并幫助最終用戶實際對這些東西進行編程并使其應用程序高效運行的軟件。我們?nèi)蕴幱谶~向未來的初期階段。"

在邊緣領域,人工智能被內(nèi)置到更小更不復雜的系統(tǒng)中,潛在的隱患可能會截然不同。Expedera 首席科學家 Sharad Chole 說:當人工智能處于邊緣時,它需要與傳感器打交道,而這些數(shù)據(jù)是實時生成的,需要進行處理。傳感器數(shù)據(jù)如何進入,人工智能 NPU 處理這些數(shù)據(jù)的速度有多快,這在需要緩沖多少數(shù)據(jù)和需要使用多少帶寬方面改變了很多事情。整體延遲情況如何?我們的目標是盡可能降低延遲,因此從傳感器的輸入到可能進入應用處理器或進一步處理的輸出,我們希望盡可能降低延遲,并確保能夠以確定的方式處理數(shù)據(jù)。

此外,半導體器件必須在利潤微薄的情況下滿足實際需求,這意味著任何宣稱的人工智能差異化都必須為客戶帶來實際價值。Quadric的Roddy說:"半導體公司一直在為幾分錢爭得頭破血流。你無法通過微小的邊際變化實現(xiàn)差異化。如果你能把每次推理的能量提高 17% 或更多,那也只是曇花一現(xiàn)的微小差別,不足以打破現(xiàn)有公司的慣性思維。你需要的是有本質(zhì)區(qū)別的東西,或者是使用方式大不相同的東西。你不僅要在數(shù)量級上做得更好,你還必須在數(shù)量級上做得更好"。

這是一個挑戰(zhàn),因為許多應用都非常特殊。瑞薩公司業(yè)務開發(fā)經(jīng)理 Nalin Balan 說:"人們在制造產(chǎn)品時會考慮不同的因素。首先,他們希望保持合理的物料清單。你不能以增加產(chǎn)品成本 1000 倍的代價來實現(xiàn)智能化。因此,第一個問題是,如何做到這一切,并保持合理的材料成本?第二個問題是通用性。你所采用的人工智能能否在你所期望的產(chǎn)品部署的典型操作條件下實現(xiàn)通用化?例如,智能家居設備必須在不同類型的背景噪音、復雜定位和其他情況下工作。你如何確保它能做到這一點?"

Roddy指出,還有一個重要的考慮因素。"需要解決的問題會在兩三年內(nèi)保持穩(wěn)定嗎?到目前為止,答案是'不',因為隨著新數(shù)學模型的發(fā)明和探索,機器學習和人工智能每年都在發(fā)生巨大的變化"。

不同的起點

值得注意的是,盡管取得了進展,但人工智能領域仍在繼續(xù)爭論人工智能究竟是什么、什么是人工智能公司(這是初創(chuàng)公司繼續(xù)獲得資金的一個基本要素)以及未來人工智能的最佳應用方式和地點。

Imperas公司副總裁拉里-拉皮茲(Larry Lapides)說:"這有兩個層面。一個是 SoC 層面,有人生產(chǎn)支持人工智能的 SoC。他們不僅僅是在芯片上安裝處理器。他們將提供一個軟件堆棧。然后,用戶可以把它放在自己產(chǎn)品的電路板上。第二個層次是生產(chǎn)將人工智能融入產(chǎn)品的人,無論是數(shù)據(jù)中心插件還是邊緣物聯(lián)網(wǎng)。這不僅僅是一個帶有軟件的 SoC。它實際上提供了一個真正的人工智能子系統(tǒng),能夠與更大的環(huán)境對接。"

Lapides 指出,針對底層 SoC 架構優(yōu)化人工智能算法是一項重大挑戰(zhàn)。"數(shù)據(jù)如此之多,場景如此之廣,需要進行大量的、有效的、持續(xù)的軟件模擬,以達到人工智能的性能要求和預期的結果準確性"。

對某些人來說,這只是簡單的數(shù)學問題。"還記得 30 年前我們在 Excel 中做曲線的線性近似嗎?你有一堆點,然后為具有最佳回歸擬合的點畫一條線,或者你可以嘗試二次函數(shù)或其他公式,"IBM 的Jacobi說。"如今的人工智能不過如此,但它不再使用二次函數(shù)和 10 個點或 100 個點,而是使用數(shù)十億個點來進行本質(zhì)上的最佳擬合回歸。"

然而,并非所有人都同意這一點。比起人工智能公司與非人工智能公司的區(qū)別,更容易指出人工智能做了什么--而且做得很好。Expedera 市場營銷副總裁保羅-卡拉祖巴(Paul Karazuba)說:"要成為一家人工智能公司,你的產(chǎn)品必須與人工智能有密切聯(lián)系。舉例來說,如果你是一家搜索引擎優(yōu)化公司,你在軟件堆棧中加入了生成式人工智能,幫助客戶獲得更好的搜索引擎優(yōu)化結果,那么你絕對是一家人工智能公司。如果你在招聘中使用人工智能,而你的產(chǎn)品是鉛筆,那么你就不是一家人工智能公司。人工智能在你的產(chǎn)品或服務中必須有一個可定義、可解釋的用途,這對產(chǎn)品或服務的成功不可或缺。而且你應該能夠量化你的主張,并得到第三方的支持"。

同樣,西門子的Klein也對定義進行了界定。"一家人工智能公司正在構建一個電子系統(tǒng),該系統(tǒng)使用人工智能來實現(xiàn)其部分功能,而人工智能算法則以某種方式在硬件或軟件中實現(xiàn)。它可以是在處理器上運行的軟件,也可以是在 GPU 或 TPU 中加速的東西,或者是用于進行這種人工智能的定制硬件加速器。"

不過,真正的差異化與未來主義的承諾無關。IBM 的Jacobi說,讓公司脫穎而出的是對工程基礎的關注。"了解你的問題。你真的在設計下一個重大突破嗎?還是你說服了自己,但卻沒有做適當?shù)难芯?,不知道自己要解決什么問題。如果你只是想構建一個最大、最糟糕的浮點矩陣乘法引擎,那它到底能解決什么問題?你需要一個整體的方法。例如,為什么要優(yōu)化事務環(huán)境中的吞吐量?用戶可能愿意為自動完成等待半秒鐘,但在這半秒鐘之后,他們想要的是 20 個字。這其中有各種各樣的權衡。只有當你知道你的設計目的是什么時,你才能設計出你的解決方案。"

這就是人工智能公司的定義。"人工智能不是建立模型。人工智能是一門工程學科,"瑞薩科技業(yè)務加速和全球生態(tài)系統(tǒng)高級總監(jiān) Kaushal Vora 說。"與工程學中的任何學科一樣,首先要了解你要構建的內(nèi)容,包括系統(tǒng)的限制條件,以及你如何利用系統(tǒng)來收集完整性高、覆蓋范圍廣的數(shù)據(jù),并在決策所依據(jù)的特征中實現(xiàn)足夠的分離。然后是建立模型、部署模型,然后再弄清楚如何在部署后對系統(tǒng)進行維護"。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • eda
    eda
    +關注

    關注

    71

    文章

    2930

    瀏覽量

    177998
  • 人工智能
    +關注

    關注

    1807

    文章

    49029

    瀏覽量

    249561
  • 機器學習
    +關注

    關注

    66

    文章

    8503

    瀏覽量

    134628

原文標題:EDA 行業(yè)正深入地推動 AI 的發(fā)展

文章出處:【微信號:ICViews,微信公眾號:半導體產(chǎn)業(yè)縱橫】歡迎添加關注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關推薦
    熱點推薦

    云知學院攜手行業(yè)伙伴推動AI人才培養(yǎng)

    隨著人工智能浪潮席卷全球,各行業(yè)AI 人才的渴求愈發(fā)強烈,人才培養(yǎng)成為推動產(chǎn)業(yè)發(fā)展的關鍵一環(huán)。從日常辦公的提質(zhì)增效,到復雜專業(yè)領域的深度應用,AI
    的頭像 發(fā)表于 07-18 17:29 ?284次閱讀

    EDA是什么,有哪些方面

    集成:基于云計算的EDA服務降低中小企業(yè)使用門檻。 總的來說,EDA技術貫穿電子設計的全生命周期,是現(xiàn)代芯片研發(fā)的核心支撐。其應用范圍從納米級集成電路到系統(tǒng)級硬件設計,持續(xù)推動電子產(chǎn)品向高性能、小型化方向
    發(fā)表于 06-23 07:59

    DeepSeek推動AI算力需求:800G光模塊的關鍵作用

    隨著人工智能技術的飛速發(fā)展,AI算力需求以前所未有的速度增長。DeepSeek等大模型的訓練與推理任務對算力的需求持續(xù)攀升,直接推動了服務器、光通信設備以及數(shù)據(jù)中心基礎設施的升級。特
    發(fā)表于 03-25 12:00

    西門子EDA工具如何助力行業(yè)克服技術挑戰(zhàn)

    西門子EDA工具以其先進的技術和解決方案,在全球半導體設計領域扮演著舉足輕重的角色。本文將從汽車IC、3D IC和EDA AI三個方向,深入探討西門子
    的頭像 發(fā)表于 03-20 11:36 ?1516次閱讀

    Banana Pi 與瑞薩電子攜手共同推動開源創(chuàng)新:BPI-AI2N

    技術、嵌入式系統(tǒng)和物聯(lián)網(wǎng)等領域展開深度合作,為全球開發(fā)者和企業(yè)用戶提供更強大的解決方案。 Banana Pi 長期以來致力于推動開源硬件的發(fā)展,憑借豐富的產(chǎn)品線和強大的社區(qū)支持,成為開發(fā)者和行業(yè)用戶
    發(fā)表于 03-12 09:43

    目前AIEDA行業(yè)的應用

    隨著Deepseek等人工智能技術的蓬勃發(fā)展和廣泛應用,越來越多的企業(yè)選擇與其展開深度合作。在電子設計自動化(EDA)領域,AI技術逐步滲透并發(fā)揮重要作用,為整個
    的頭像 發(fā)表于 02-24 18:00 ?978次閱讀
    目前<b class='flag-5'>AI</b>在<b class='flag-5'>EDA</b><b class='flag-5'>行業(yè)</b>的應用

    目前AIEDA行業(yè)的應用

    隨著Deepseek等人工智能技術的蓬勃發(fā)展和廣泛應用,越來越多的企業(yè)選擇與其展開深度合作。在電子設計自動化(EDA)領域,AI技術逐步滲透并發(fā)揮重要作用,為整個
    的頭像 發(fā)表于 02-21 18:31 ?54次閱讀
    目前<b class='flag-5'>AI</b>在<b class='flag-5'>EDA</b><b class='flag-5'>行業(yè)</b>的應用

    全球的AI+EDA(電子設計自動化)創(chuàng)新項目

    全球的AI+EDA(電子設計自動化)創(chuàng)新項目正在推動電子設計行業(yè)的轉(zhuǎn)型,利用人工智能優(yōu)化電路設計和驗證過程。以下是一些值得關注的AI+EDA創(chuàng)新項目: 1. Google's Auto
    的頭像 發(fā)表于 02-07 12:00 ?2409次閱讀

    STCO發(fā)展促使EDA工具考慮更多系統(tǒng)級因素

    芯和半導體創(chuàng)始人、總裁代文亮博士近日接受《大半導體產(chǎn)業(yè)網(wǎng)》專訪,探討在AI時代EDA發(fā)展機遇,以下是專訪主要內(nèi)容。 中國的優(yōu)勢在于龐大的市場和人力資源,同時應用場景足夠多樣。 AI
    的頭像 發(fā)表于 01-17 09:50 ?494次閱讀

    EDA行業(yè)發(fā)展趨勢

    電子設計自動化(EDA)是電子系統(tǒng)設計和制造過程中不可或缺的一部分。隨著技術的不斷進步和市場需求的日益增長,EDA行業(yè)也在不斷發(fā)展和演變。 1. 集成化和平臺化 隨著集成電路(IC)設
    的頭像 發(fā)表于 11-08 13:45 ?1164次閱讀

    AI與HPC技術推動先進封裝行業(yè)發(fā)展

    “隨著人工智能(AI)和高性能計算(HPC)技術的迅猛發(fā)展,半導體行業(yè)也迎來了新的變革浪潮。”——這句話在2024年的今天,早已被喻為行業(yè)共識。
    的頭像 發(fā)表于 10-22 11:22 ?862次閱讀

    AI如何助力EDA應對挑戰(zhàn)

    探究當今產(chǎn)業(yè)背景和科技潮流中半導體產(chǎn)業(yè)所面臨的挑戰(zhàn)與變革時,不難發(fā)現(xiàn),一個至關重要的轉(zhuǎn)折點已經(jīng)發(fā)生——人工智能(AI)的崛起以前所未有的力量,對電子設計自動化(EDA)乃至整個半導體產(chǎn)業(yè)帶來顛覆性的變革。
    的頭像 發(fā)表于 10-17 10:21 ?1080次閱讀
    <b class='flag-5'>AI</b>如何助力<b class='flag-5'>EDA</b>應對挑戰(zhàn)

    AI汽車發(fā)展的新階段、新要素、新挑戰(zhàn)

    隨著以AI大模型為代表的生成式AI技術的快速發(fā)展,汽車進入AI發(fā)展新階段。
    的頭像 發(fā)表于 10-16 08:07 ?999次閱讀
    <b class='flag-5'>AI</b>汽車<b class='flag-5'>發(fā)展</b>的新階段、新要素、新挑戰(zhàn)

    AI for Science:人工智能驅(qū)動科學創(chuàng)新》第4章-AI與生命科學讀后感

    將成為生命科學領域的重要工具和方法,推動生命科學的深入發(fā)展和廣泛應用。同時,我們也應該清醒地認識到,這個過程中也伴隨著諸多挑戰(zhàn)和困難。只有不斷克服這些挑戰(zhàn),才能充分利用AI技術的優(yōu)勢,為生命科學的
    發(fā)表于 10-14 09:21

    AI for Science:人工智能驅(qū)動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得

    ,推動科學研究的深入發(fā)展。 總結 通過閱讀《AI for Science:人工智能驅(qū)動科學創(chuàng)新》第二章,我對AI for Science的技術支撐有了更加全面和
    發(fā)表于 10-14 09:16