Zasnova in proizvodnja čipov za tablične računalnike z umetno inteligenco
Tablični računalniki so se iz naprav za uživanje vsebin razvili v orodja za delo, učenje in celo profesionalno ustvarjalnost. V ozadju ta napredek v veliki meri določajo čipi – možgani, ki upravljajo obdelavo CPE-ja, grafiko GPU-ja, povezljivost, varnost, energetsko učinkovitost in celo pospeševanje umetne inteligence. V zadnjih letih umetna inteligenca (UI) ni postala le značilnost tabličnih računalnikov, temveč je začela spreminjati tudi način načrtovanja in izdelave čipov. Ta članek obravnava, kako UI igra vlogo pri načrtovanju in proizvodnji čipov, specifičnih za tablične računalnike, njene prednosti, izzive in prihodnje razvojne smeri.
Zakaj čipi za tablične računalnike postajajo vse bolj zapleteni?
Potrebe uporabnikov tabličnih računalnikov so vse bolj raznolike. Sodobni tablični računalniki morajo biti sposobni zaganjati aplikacije za produktivnost, risati z natančnim pisalom, izvajati video konference, obdelovati fotografije in videoposnetke ter podpirati igranje iger. Glavni izziv je ravnovesje med visoko zmogljivostjo, nizko porabo energije in tankim ohišjem brez zajetnih hladilnih sistemov.
Zaradi toplotnih in baterijskih omejitev morajo imeti čipi tabličnih računalnikov:
– Učinkovit procesor za vsakodnevna opravila in večopravilnost.
– Zmogljiva grafična kartica za grafiko in vzporedno računanje.
– Pospeševalnik NPU/AI za funkcije umetne inteligence v napravi (npr. prepoznavanje govora, obdelava slik, povzemanje besedila).
– ISP (procesor slikovnih signalov) za skeniranje s kamero in dokumenti.
– Modem in povezljivost (Wi-Fi, 5G, odvisno od modela).
– Varnost (varna enklava, zaupanja vredno okolje za izvajanje).
Zaradi te kompleksnosti je postopek načrtovanja čipov dolgotrajen in drag. Tu se umetna inteligenca začenja široko uporabljati.
Vloga umetne inteligence v fazi načrtovanja čipov
1. Arhitekturno načrtovanje in raziskovanje oblikovalskega prostora (raziskovanje oblikovalskega prostora)
Preden se ekipa za čipe poglobi v tehnične podrobnosti, kot je postavitev tranzistorjev, mora opredeliti arhitekturo: število jeder procesorja, velikost predpomnilnika, konfiguracijo grafičnega procesorja, pasovno širino pomnilnika in ciljno moč. To običajno vključuje dolgotrajne simulacije in iteracije.
Umetna inteligenca lahko to fazo pospeši z:
– Ustvarjanje modelov za napovedovanje zmogljivosti in porabe energije na podlagi specifičnih konfiguracij.
– Predlaga optimalno kombinacijo komponent glede na cilj (npr. tablični računalnik za produktivnost v primerjavi z igranjem iger).
– Zmanjša število poskusov, ki jih je treba izvesti ročno.
Posledično lahko ekipe hitreje najdejo »sladko sredino« med uspešnostjo in učinkovitostjo.
2. Optimizacija RTL (nivo prenosa registrov)
RTL je »opis« delovanja strojne opreme, ki bo sintetiziran v logična vezja. Številne odločitve v RTL vplivajo na frekvenco, moč in velikost čipa.
Umetna inteligenca/strojno učenje lahko pomaga pri:
– Določite dele RTL-ja, ki porabijo največ energije ali imajo največ ozkih grl za časovno omejitev.
– Podajte priporočila za refaktoriranje ali spremembe mikroarhitekture.
– Ocenjevanje vpliva sprememb še pred izvedbo celotnega procesa sinteze.
3. Načrtovanje tal ter postavitev in usmerjanje s pomočjo umetne inteligence
Pri načrtovanju čipov je ena najzahtevnejših nalog določitev lokacije glavnih blokov (gruča procesorja, grafični procesor, nevronska procesna enota, predpomnilnik, pomnilnik, ISP) znotraj čipa/sistema na čipu in nato določitev njihovih medsebojnih povezav (usmerjanja). Napačna postavitev lahko povzroči povečano porabo energije, koncentrirano toploto ali neusklajenost signalov.
Umetna inteligenca je tukaj zelo učinkovita, ker je problem podoben "optimizaciji prostora" in "iskanju najboljše rešitve":
– Učenje z okrepitvijo lahko preizkusi različne možnosti tlorisa in se uči iz rezultatov.
– Umetna inteligenca lahko skrajša število ponovitev fizičnega oblikovanja, ki običajno trajajo tedne.
– Boljša postavitev lahko skrajša dolžino povezave, zmanjša zakasnitev in poveča učinkovitost.
Za tablične računalnike je to pomembno, ker mora naprava ostati hladna in energetsko učinkovita v tankem ohišju.
4. Zgodnje preverjanje in odkrivanje hroščev
Preverjanje je eden največjih dejavnikov stroškov in časa razvoja čipov. Napake, ki pridejo v proizvodnjo, so lahko izjemno drage in celo vodijo do odpoklica izdelkov.
Umetna inteligenca pomaga pri:
– Razvrstite rezultate simulacij, da določite prednost najbolj tveganim primerom.
– Odkrivanje vzorcev napak iz obsežnih dnevnikov preverjanja.
– Samodejno generiranje dodatnih testnih primerov (glede na pokritost).
Tako se izboljša kakovost zasnove in zmanjša tveganje za napake.
5. Optimizacija porabe energije in upravljanje temperature
Tablični računalniki zahtevajo učinkovitost: omejena moč, malo toplotnega prostora. Umetna inteligenca se lahko uporablja za:
– Modeliranje profilov uporabe (brskanje, pretakanje, igranje iger, risanje s pisalom).
– Optimizirajte DVFS (dinamično skaliranje napetosti in frekvence) na podlagi napovedi obremenitve.
– Pomaga oblikovalcem izbrati najučinkovitejše strategije krmiljenja moči in ure.
V kontekstu načrtovanja lahko umetna inteligenca poda podatke o tem, ali je treba povečati nevronsko procesno enoto (NPU), da se prihrani energija pri delovanju določenega modela, ali pa je grafična kartica (GPU) bolj primerna za obvladovanje določene računske obremenitve umetne inteligence.
Vloga umetne inteligence pri proizvodnji in izdelavi čipov
Ko je zasnova dokončana, se čipi izdelajo v tovarni polprevodnikov. Sodobni proizvodni procesi so zelo zapleteni: na stotine korakov litografije, nanašanja, jedkanja in pregledovanja. Umetna inteligenca se vse pogosteje uporablja za povečanje izkoristka (odstotek čipov, ki prestanejo preizkus) in zmanjšanje odstopanj v kakovosti.
1. Napovedovanje pridelka in odkrivanje napak
Umetna inteligenca lahko obdela slike visoke ločljivosti, pridobljene s pregledom rezin, za:
– Prepoznajte mikro napake, ki jih je težko odkriti s tradicionalnimi pravili.
– Predvidite območja rezin z visokim tveganjem za okvaro.
– Podajte priporočila za prilagoditve procesa za povečanje donosa.
Boljši izkoristki pomenijo nižje stroške na čip – kar je pomembno za tablične računalnike na konkurenčnem in cenovno občutljivem trgu.
2. Prilagodljivo krmiljenje procesov
Umetna inteligenca se lahko nauči razmerja med procesnimi parametri (npr. temperaturo, tlakom, časom izpostavljenosti) in kakovostjo izdelka. S tem pristopom:
– Fab lahko hitro izvede prilagoditve, ko se na napravi pojavi zamik.
– Zmanjša se lahko odstopanja med serijami.
– Povečana je doslednost delovanja čipa.
3. Pametnejše testiranje
Ko je čip izdelan, se izvede testiranje, da se zagotovi funkcionalnost in razvrščanje v skupine (npr. kateri čipi lahko delujejo pri visokih in kateri pri nizkih frekvencah). Umetna inteligenca pomaga pri:
– Skrajšajte čas testiranja z napovedovanjem rezultatov na podlagi podmnožice meritev.
– Iskanje nejasnih korelacij med napakami.
– Optimizirajte strategije razvrščanja glede na potrebe tabličnih računalnikov (npr. različice za varčevanje z energijo v primerjavi z različicami za izboljšanje zmogljivosti).
Zakaj je umetna inteligenca še posebej pomembna za čipsete tabličnih računalnikov?
V primerjavi z drugimi napravami imajo tablični računalniki edinstvene lastnosti:
– Omejena toplota: tablice redko uporabljajo ventilatorje.
– Baterija mora biti vzdržljiva: uporabniki zahtevajo dolgotrajno napajanje.
– Delovna obremenitev se razlikuje: od lahke (branje) do težke (upodabljanje, igranje iger, urejanje).
– Potreba po umetni inteligenci v napravah narašča: funkcije, kot so prepoznavanje rokopisa, dušenje šuma, zameglitev ozadja, optično prepoznavanje znakov v dokumentih in povzemanje zapiskov.
Umetna inteligenca pri načrtovanju čipov pomaga doseči te cilje s hitrejšimi iteracijami in bolj optimalnimi rešitvami.
Izzivi in tveganja uporabe umetne inteligence
Čeprav je obetavno, obstajajo tudi nekateri izzivi:
1. Kakovost podatkov: Model umetne inteligence je dober le toliko, kot so dobri njegovi učni podatki. Podatki o zasnovi in proizvodnji so pogosto občutljivi in jih ni enostavno deliti.
2. Razumljivost: Odločitve umetne inteligence o načrtovanju ali optimizaciji tlorisa je včasih težko razložiti, čeprav morajo inženirji razumeti tehnične razloge.
3. Integracija orodne verige: Cevovodi EDA (elektronska avtomatizacija načrtovanja) so že tako zapleteni; dodajanje umetne inteligence zahteva temeljito integracijo.
4. Varnost in intelektualna lastnina: Zasnove čipov so dragocena sredstva. Uporaba umetne inteligence, zlasti tiste v oblaku, predstavlja tveganje uhajanja informacij.
5. Validacija rezultatov: Rezultate priporočil umetne inteligence je treba še vedno strogo preveriti, saj imajo lahko majhne napake velik vpliv.
Prihodnost: vse bolj umetno inteligenco zasnovani čipi za tablične računalnike
V prihodnje bo uporaba umetne inteligence vse bolj integrirana v celoten življenjski cikel čipov:
– Bolj avtomatizirano načrtovanje od specifikacij do načrtov strojne opreme.
– Sočasna zasnova strojne in programske opreme, kjer so arhitektura NPU, prevajalnik in model umetne inteligence zasnovani skupaj.
– Optimizacije za delovno obremenitev tabličnega računalnika: pisalo z nizko zakasnitvijo, obdelava s kamero v realnem času in energetsko učinkovita večpredstavnost.
– Učinkovitejša proizvodnja z vizualnim pregledom na osnovi umetne inteligence in prilagodljivim nadzorom procesov.
Navsezadnje umetna inteligenca ne bo le funkcija tabličnih računalnikov, temveč tudi "dodatni inženir", ki pospešuje inovacije v čipih, ki stojijo za napravami. Ta kombinacija bo tablične računalnike naredila zmogljivejše, energetsko učinkovitejše, odzivnejše in sposobnejše opravljati inteligentnejše naloge neposredno na napravi – ne da bi se vedno zanašali na oblak.
-
Če želite, lahko ta članek prilagodim: (1) bolj tehnični različici za bralce elektrotehnike/študente, (2) priljubljeni različici za tehnološke bloge ali (3) osredotočenosti na študijo primera poteka načrtovanja tabličnega računalnika SoC od nič do množične proizvodnje.
