Dylunio a Chynhyrchu Sglodion wedi'u Galluogi gan AI ar gyfer Tabledi
Mae tabledi wedi esblygu o ddyfeisiau defnyddio cynnwys i offer ar gyfer gwaith, dysgu, a hyd yn oed creadigrwydd proffesiynol. Y tu ôl i'r llenni, mae'r cynnydd hwn yn cael ei bennu i raddau helaeth gan y set sglodion—yr ymennydd sy'n trin prosesu CPU, graffeg GPU, cysylltedd, diogelwch, effeithlonrwydd pŵer, a hyd yn oed cyflymiad deallusrwydd artiffisial. Yn ystod y blynyddoedd diwethaf, nid yn unig y mae deallusrwydd artiffisial (AI) wedi dod yn nodwedd mewn tabledi ond mae hefyd wedi dechrau newid y ffordd y mae setiau sglodion yn cael eu dylunio a'u cynhyrchu. Mae'r erthygl hon yn trafod sut mae AI yn chwarae rhan yn nylunio a chynhyrchu setiau sglodion penodol i dabledi, ei fanteision, ei heriau, a chyfeiriadau datblygu yn y dyfodol.
Pam Mae Sglodion Tabledi yn Mynd yn Fwy Cymhleth?
Mae anghenion defnyddwyr tabledi yn gynyddol amrywiol. Rhaid i dabledi modern allu rhedeg cymwysiadau cynhyrchiant, lluniadu gyda steilws manwl gywir, cynnal fideo-gynadleddau, prosesu lluniau a fideos, a chefnogi gemau. Y brif her yw cydbwyso perfformiad uchel â defnydd pŵer isel a chorff tenau heb systemau oeri swmpus.
Oherwydd cyfyngiadau thermol a batri, mae angen i setiau sglodion tabledi gynnwys:
– CPU effeithlon ar gyfer tasgau dyddiol ac amldasgio.
– GPU pwerus ar gyfer graffeg a chyfrifiadura cyfochrog.
– Cyflymydd NPU/AI ar gyfer nodweddion AI ar y ddyfais (e.e. adnabod lleferydd, prosesu delweddau, crynhoi testun).
– ISP (Prosesydd Signal Delwedd) ar gyfer sganio camera a dogfennau.
– Modem a chysylltedd (Wi-Fi, 5G yn dibynnu ar y model).
– Diogelwch (cilfach ddiogel, amgylchedd gweithredu dibynadwy).
Mae'r cymhlethdod hwn yn gwneud y broses ddylunio sglodion yn cymryd llawer o amser ac yn ddrud. Dyma lle mae deallusrwydd artiffisial yn dechrau cael ei ddefnyddio'n eang.
Rôl AI yng Nghyfnod Dylunio Sglodion
1. Archwilio Cynllunio a Dylunio Pensaernïol (Archwilio Gofod Dylunio)
Cyn ymchwilio i fanylion technegol fel cynllun y transistor, mae angen i'r tîm sglodion ddiffinio'r bensaernïaeth: nifer y creiddiau CPU, maint y storfa, ffurfweddiad y GPU, lled band y cof, a thargedau pŵer. Mae hyn fel arfer yn cynnwys efelychiadau ac iteriadau hirfaith.
Gall deallusrwydd artiffisial gyflymu'r cam hwn drwy:
– Creu modelau rhagfynegi perfformiad a phŵer yn seiliedig ar gyfluniadau penodol.
– Yn awgrymu'r cyfuniad gorau posibl o gydrannau yn ôl y targed (e.e. tabled ar gyfer cynhyrchiant yn erbyn gemau).
– Yn lleihau nifer yr arbrofion y mae angen eu cynnal â llaw.
O ganlyniad, gall timau ddod o hyd i'r "man melys" rhwng perfformiad ac effeithlonrwydd yn gyflymach.
2. Optimeiddio RTL (Lefel Trosglwyddo Cofrestr)
Mae RTL yn “ddisgrifiad” o ymddygiad caledwedd a fydd yn cael ei syntheseiddio i gylchedau rhesymeg. Mae llawer o benderfyniadau yn RTL yn effeithio ar amledd, pŵer a maint sglodion.
Gall AI/ML helpu gyda:
– Nodwch y rhannau o'r RTL sy'n defnyddio fwyaf o bŵer neu sy'n achosi'r tagfeydd amseru mwyaf.
– Darparu argymhellion ar gyfer ailffactorio neu newidiadau i ficro-bensaernïaeth.
– Amcangyfrif effaith newidiadau hyd yn oed cyn cynnal y broses synthesis lawn.
3. Cynllunio Llawr a Lleoli a Llwybro â Chymorth AI
Wrth ddylunio sglodion, un o'r tasgau mwyaf heriol yw pennu lleoliad y blociau mawr (clwstwr CPU, GPU, NPU, storfa, cof, ISP) o fewn y mowld/SoC, ac yna pennu eu llwybrau rhyng-gysylltu (llwybro). Gall camleoli arwain at fwy o ddefnydd pŵer, gwres crynodedig, neu gamliniad signal.
Mae deallusrwydd artiffisial yn effeithiol iawn yma oherwydd bod y broblem yn debyg i “optimeiddio gofod” a “chwilio am yr ateb gorau”:
– Gall dysgu atgyfnerthu roi cynnig ar wahanol opsiynau cynllun llawr a dysgu o'r canlyniadau.
– Gall deallusrwydd artiffisial leihau iteriadau dylunio ffisegol, sydd fel arfer yn cymryd wythnosau.
– Gall lleoliad gwell leihau hyd y cysylltiad, atal oedi, a chynyddu effeithlonrwydd.
Ar gyfer tabledi, mae hyn yn bwysig oherwydd bod angen i'r ddyfais aros yn oer ac yn effeithlon o ran pŵer mewn corff tenau.
4. Dilysu a Chanfod Bygiau’n Gynnar
Mae gwirio yn un o gydrannau mwyaf costau ac amser datblygu sglodion. Gall bygiau sy'n cyrraedd cynhyrchiad fod yn gostus iawn, hyd yn oed arwain at alw cynhyrchion yn ôl.
Mae AI yn helpu gyda:
– Dosbarthu canlyniadau efelychu i flaenoriaethu'r achosion mwyaf peryglus.
– Canfod patrymau methiant o logiau gwirio ar raddfa fawr.
– Cynhyrchu achosion prawf ychwanegol yn awtomatig (yn seiliedig ar sylw).
Felly, mae ansawdd y dyluniad yn cynyddu ac mae'r risg o fethu yn cael ei leihau.
5. Optimeiddio Pŵer a Rheoli Thermol
Mae tabledi angen effeithlonrwydd: pŵer cyfyngedig, ychydig o le thermol. Gellir defnyddio deallusrwydd artiffisial ar gyfer:
– Modelu proffiliau defnydd (pori, ffrydio, gemau, lluniadu steilws).
– Optimeiddio DVFS (graddio foltedd ac amledd deinamig) yn seiliedig ar ragfynegiad llwyth.
– Yn helpu dylunwyr i ddewis y strategaethau gatio pŵer a gatio cloc mwyaf effeithiol.
Mewn cyd-destun dylunio, gall AI ddarparu mewnbwn ynghylch a ddylid ehangu NPU i arbed ynni wrth redeg model penodol, neu a yw GPU yn fwy addas i ymdopi â llwyth cyfrifiadurol AI penodol.
Rôl AI mewn Cynhyrchu a Gweithgynhyrchu Sglodion
Unwaith y bydd y dyluniad wedi'i gwblhau, caiff y sglodion ei gynhyrchu mewn ffatri lled-ddargludyddion (fab). Mae prosesau gweithgynhyrchu modern yn gymhleth iawn: cannoedd o gamau o lithograffeg, dyddodiad, ysgythru ac archwilio. Defnyddir deallusrwydd artiffisial fwyfwy i gynyddu cynnyrch (canran y sglodion sy'n pasio) a lleihau amrywiad ansawdd.
1. Rhagfynegi Cynnyrch a Chanfod Diffygion
Gall deallusrwydd artiffisial brosesu delweddau archwilio wafer cydraniad uchel i:
– Nodi diffygion bach sy'n anodd eu canfod gyda rheolau traddodiadol.
– Rhagfynegi ardaloedd waffer sydd mewn perygl uchel o fethu.
– Darparu argymhellion ar gyfer addasiadau i brosesau i gynyddu cynnyrch.
Mae cynnyrch gwell yn golygu costau is fesul sglodion—sy'n bwysig ar gyfer tabledi mewn marchnad gystadleuol sy'n sensitif i brisiau.
2. Rheoli Proses Addasol
Gall deallusrwydd artiffisial ddysgu'r berthynas rhwng paramedrau proses (e.e., tymheredd, pwysau, amser amlygiad) ac ansawdd cynnyrch. Gyda'r dull hwn:
– Gall Fab wneud addasiadau cyflym pan fydd drifft yn ymddangos ar y peiriant.
– Gellir lleihau amrywiad rhwng sypiau.
– Mae cysondeb perfformiad sglodion wedi cynyddu.
3. Profi Clyfrach
Unwaith y bydd sglodion wedi'i gynhyrchu, cynhelir profion i sicrhau ymarferoldeb a dosbarthiad binio (e.e., pa sglodion all redeg ar amleddau uchel yn erbyn amleddau isel). Mae deallusrwydd artiffisial yn helpu gyda:
– Lleihau amser profi drwy ragweld canlyniadau yn seiliedig ar is-set o fesuriadau.
– Dod o hyd i gydberthnasau methiant aneglur.
– Optimeiddio strategaethau binio i gyd-fynd ag anghenion cynnyrch tabled (e.e. arbed pŵer yn erbyn amrywiadau perfformiad).
Pam mae AI yn arbennig o bwysig ar gyfer sglodion tabled?
O'i gymharu â dyfeisiau eraill, mae gan dabledi nodweddion unigryw:
– Thermol cyfyngedig: anaml y mae tabledi yn defnyddio ffannau.
– Rhaid i'r batri fod yn wydn: mae defnyddwyr yn mynnu pŵer hirhoedlog.
– Mae'r llwyth gwaith yn amrywio: o ysgafn (darllen) i drwm (rendro, gemau, golygu).
– Mae'r angen am AI ar ddyfais yn cynyddu: nodweddion fel adnabod llawysgrifen, atal sŵn, aneglurder cefndir, OCR dogfennau, a chrynhoi nodiadau.
Mae deallusrwydd artiffisial mewn dylunio sglodion yn helpu i gyflawni'r targedau hyn gydag iteriadau cyflymach ac atebion mwy optimaidd.
Heriau a Risgiau Defnyddio Deallusrwydd Artiffisial
Er eu bod yn addawol, mae yna rai heriau:
1. Ansawdd data: Dim ond mor dda â'i ddata hyfforddi y mae model AI. Mae data dylunio a chynhyrchu yn aml yn sensitif ac nid yw'n hawdd ei rannu.
2. Dehongliadwyedd: Mae penderfyniadau AI ar gynllunio llawr neu optimeiddio weithiau'n anodd eu hesbonio, er bod angen i beirianwyr ddeall y rhesymau technegol.
3. Integreiddio cadwyn offer: Mae piblinellau EDA (Awtomeiddio Dylunio Electronig) eisoes yn gymhleth; mae ychwanegu AI yn gofyn am integreiddio trylwyr.
4. Diogelwch ac Eiddo Deallusol: Mae dyluniadau sglodion yn asedau gwerthfawr. Mae defnyddio deallusrwydd artiffisial, yn enwedig rhai sy'n seiliedig ar y cwmwl, yn peri risg o ollyngiadau.
5. Dilysu canlyniadau: Rhaid gwirio canlyniadau argymhellion AI yn llym o hyd oherwydd gall gwallau bach gael effeithiau mawr.
Y Dyfodol: Sglodion Tabled Brodorol i AI yn Fwyaf
Yn y dyfodol, bydd y defnydd o ddeallusrwydd artiffisial yn dod yn fwyfwy integredig drwy gydol cylch bywyd y sglodion:
– Dylunio mwy awtomataidd o fanylebau i lasbrintiau caledwedd.
– Cyd-ddylunio caledwedd-meddalwedd, lle mae pensaernïaeth yr NPU, y crynhoydd, a'r model AI wedi'u cynllunio gyda'i gilydd.
– Optimeiddiadau penodol i lwyth gwaith tabled: stylus oedi isel, prosesu camera amser real, ac amlgyfrwng effeithlon o ran pŵer.
– Cynhyrchu mwy effeithlon gydag archwiliad gweledigaeth yn seiliedig ar AI a rheolaeth broses addasol.
Yn y pen draw, ni fydd AI yn nodwedd ar dabledi yn unig, ond hefyd yn "beiriannydd ychwanegol" sy'n cyflymu arloesedd yn y setiau sglodion y tu ôl i'r dyfeisiau. Bydd y cyfuniad hwn yn gwneud tabledi yn fwy pwerus, yn fwy effeithlon o ran ynni, yn fwy ymatebol, ac yn gallu cyflawni tasgau mwy deallus yn uniongyrchol ar y ddyfais—heb ddibynnu ar y cwmwl bob amser.
-
Os hoffech chi, gallaf addasu'r erthygl hon i: (1) fersiwn fwy technegol ar gyfer darllenwyr peirianneg drydanol/myfyrwyr, (2) fersiwn boblogaidd ar gyfer blogiau technoleg, neu (3) canolbwyntio ar astudiaeth achos o lif dylunio SoC tabled o ddim cynhyrchu i gynhyrchu màs.
