今年年初，大多數人從未聽說過生成式人工智慧，現在全世界都在競相利用它，而這僅僅是個開始。 空間計算、量子計算、6G、智慧型基礎設施和可持續發展等新市場正在加速更快、更高效、更專業地處理更多資料的需求。
與每隔幾年等待下乙個工藝節點的日子相比，過去一年和未來幾年的事件將與**或汽車的誕生一樣重要。 但會有很多創新技術，它們的交集將繼續給科技界帶來驚喜。
我們正在進入乙個定製硬體、異構整合、軟體定義系統的時代，所有這些都依賴於半導體。 但即使是晶元也在發生變化。 它們變得越來越有針對性，越來越複雜，潛在的安全威脅也越來越大。 所有這些趨勢都將迫使設計師重新思考工作流程、架構和商業模式，其中一些將在 2023 年變得明顯，但將在 2024 年開始真正加速。
ai/ml
2023 年人工智慧機器學習 （AI ML） 隨著 Google Gemini AI 的發布而落下帷幕，這既是對 ChatGPT 的追趕，也是對多模態 AI 的突破性推動。 谷歌的新技術應該會帶來更多的設計進步，因為其他公司也在尋求將影象和人工智慧納入他們的人工智慧工作。
Quadric首席營銷官Steve Roddy表示：“Gemini之所以脫穎而出有幾個原因。 首先，它有多個版本，可以從資料中心（Gemini Ultra）一直擴充套件到記憶體受限的電池供電裝置（引數1）。8b）。 其次，谷歌提供了乙個預量化版本的Gemini，可以部署在邊緣裝置中。 谷歌沒有強迫嵌入式裝置開發人員進行浮點到整數的轉換，而是小心翼翼地讓他們做好部署準備，這樣他們就不需要使用者充當資料科學家來進行轉換。 對於邊緣裝置和手機開發人員來說，Gemini Nano 比以前的許多 GenAI 模型更易於部署，這可能會刺激應用的廣泛採用和整合。 ”
與其他超大規模公司一樣，谷歌擁有定製的人工智慧生態系統，隨著越來越多的公司在多個領域開發自己的人工智慧晶元，這一趨勢預計將加速。
AlphaW**e Semi首席技術官Tony Chan Carusone表示：“我們將看到開發自己的定製AI晶元的公司將帶來大量令人興奮的新應用和突破。 有各種各樣的案例可以激勵人們。 例如，甚至像特斯拉這樣的公司也在開發自己的定製人工智慧晶元，以幫助實現自動駕駛訓練。 未來五年最激動人心的突破和應用將來自執行這種定製硬體的人。 ”
事實上，除了通常的大公司組合外，許多初創公司正在利用雲技術來構建人工智慧晶元，以解決汽車、光子學、太空和醫療裝置等廣泛領域的特定問題。 Synopsys 雲上市和產品戰略負責人 Bhatia 指出，他們正在內部使用人工智慧來幫助削減雲現貨市場的成本，例如，通過提醒客戶雲提供商可能會終止他們的工作。 然後，它會自動將作業移動到其他虛擬機器。
ARM工程執行副總裁Gary Campbell表示：“人工智慧正在從根本上改變我們的生活和工作方式，這種轉變只會在未來12個月內加速，甚至遠遠不止於此。 到 2024 年，圍繞 AI 的討論將變得更加微妙，重點關注不同型別的 AI、用例，最重要的是，我們需要建立哪些技術基礎才能實現 AI 驅動的未來世界。 先進的專用晶元將在當今人工智慧技術的擴充套件中發揮關鍵作用，並推動其部署的進一步發展。 CPU 在任何 AI 系統中都至關重要，無論是完全處理 AI 工作負載，還是與 GPU 或 NPU 等協處理器結合使用。 因此，這些演算法和晶元的低功耗加速將更加強調，以便在大型語言模型、生成式人工智慧和自動駕駛等高計算能力領域執行人工智慧工作負載。 ”
此外，許多人希望利用人工智慧來增強現有流程並提高生產力。 Synopsys產品線管理高階總監Arvind Narayanan表示：“在晶元設計過程中，通過引入人工智慧來優化生產力有很多機會。 工藝幾何形狀的減少帶來了一系列挑戰，但設計晶元的時間要麼保持不變，要麼甚至更短。 預計到2024年，勞動力將嚴重短缺，設計師數量將減少20%至30%。 人工智慧等變革性技術可以幫助填補這一空白。 ”
數字孿生和資料中心
人工智慧對晶元設計工程師的潛在價值還有很多其他例子，例如將大型語言模型與數字孿生整合。 “隨著數字孿生的指數級增長，市場規模將達到1112億美元，更多的人將能夠訪問並希望使用數字孿生。 這就是為什麼我們可能更有興趣將LLM整合到數字孿生技術中，使其成為工作場所決策中更加關鍵的元素，因為LLM使操作員能夠以自然的方式提出數字孿生問題。 ”
儘管目前人工智慧蓬勃發展，但它在資料中心的使用可能會穩定下來。 “人工智慧將繼續用於資料中心，以幫助解決已被證明有效的小問題。 這些任務包括填補體力勞動的空白、提供能源管理建議或自動化產能管理等任務，“King 說。 “儘管如此，在解決重大挑戰方面，例如考慮到當前的技能差距，人工智慧仍不會被視為主要解決方案，例如執行資料中心而不是人類操作員。 因此，我們可能會從人工智慧投資中看到更直接的小規模收益。 ”
資料中心也開始與邊緣共享訓練和推理，從而實現更多的分布式智慧型和實時響應。 Arteris 首席營銷官 Michal Siwinski 表示：“邊緣的 AI 推理意味著智慧型邊緣絕對是企業運營向前邁出的一步，而且是全面的。 例如，我們將看到更多與汽車的跨界車。 消費者和工業界基本上正在從簡單的電子產品轉向相當先進的電子產品。 這是乙個巨大的破壞。 ”
人工智慧的影響正在蔓延
可以執行AI的晶元型別也在發生變化，這在邊緣尤為重要。 例如，DSP 在視覺、音訊和雷射雷達等垂直市場中執行特定型別的處理時非常高效。 現在，隨著人工智慧無處不在，人們正在推動擴充套件這種能力。
“這樣做的動機包括需要減少SoC面積並限制整體功耗，”Cadence的Tensilica Audio Voice DSP產品營銷總監Prakash Madhvapathy說。 在邊緣和裝置端 AI 應用中，獨立 DSP 或 DSP 與高效加速器相結合，是各種應用的理想選擇，從微型耳塞到自動駕駛。 雖然 AI 加速器可能或多或少獨立工作，但趨勢是將它們與支援 AI 且高度可程式設計的 DSP 配對，作為面向未來的有效後備措施，以防不斷發展的 AI 工作負載引入新的神經網路。 ”
定製
與此同時，定製化的發展，尤其是定製晶元的發展，對軟體定義架構（SDAS）的興趣越來越大，其中功能由軟體定義。 “該產品實際上是乙個軟體產品，”Imperas（現為Synopsys的一部分）首席執行官Simon D**idmann說。 “看看特斯拉就知道了。 有大量的晶元，數百個處理器，但軟體定義了這一切。 軟體是預先設計和架構的，然後由晶元執行。 這意味著您必須事先進行大量模擬。 ”
SDAS 對定製晶元的需求與 RISC-V 不謀而合，Meta 在最近的 RISC-V 峰會上宣布將在其路線圖上的所有產品中使用它，從而推動了 RISC-V 的發展。
“我們看到晶元設計人員越來越感興趣，因為這給了他們自由，”D**Idmann說。 例如，我們正在與一家公司合作，該公司正在構建一種具有 512 個小核心的新型雷射雷達晶元。 他們無法用他們能獲得的許可證來製作它，所以他們不得不自己建造它。 他們不想發明自己的產品，所以他們選擇了RISC-V。 ”
RISC-V International首席技術官Mark Himelstein對前景持樂觀態度。 “RISC-V軟體生態系統不斷發展，具有許多里程碑式的發展，包括RISE專案的建立，以幫助加速RISC-V開源軟體的開發，RISC-V的國際格局，以及使開發人員能夠傳達RISC-V軟體可用性的通訊。 ”
但這不僅僅是RISC-V的問題。 “人們正在構建混合架構 SoC，這帶來了一系列完全不同的挑戰，”Arteris 的 Siwinski 說。 “突然之間，你從乙個稍微封閉的生態系統變成了乙個必須跨所有標準進行互操作的生態系統。 我們如何將它們縫合在一起？這是關鍵挑戰之一。 ”
答案可能是核心，最終會變得更加標準化。 “我們將看到小晶元如何協同工作，更加標準化，”Siwniski說。 “小晶元將成為另乙個必須整合的IP。 ”
其他人也同意。 “隨著晶圓代工技術的進步和摩爾定律的放緩，半導體行業需要找到新的方法來提高效能、降低成本和提高良率。 這就是為什麼磁芯將在 2024 年成為整個行業的焦點。 Richard Grisenthwaite，ARM 執行副總裁兼首席架構師。 隨著技術的普及和小晶元市場的多樣化，重點將轉向標準化和互操作性，以確保這些定製化的晶元以最快的方式進入市場，使它們能夠在不同的市場中重複使用。 到 2024 年，我們預計業界將齊心協力，更明確地定義系統級功能和基礎標準，使晶元能夠用於更廣泛的系統，而不會出現碎片化的風險。 ”
繼續向左移動
小晶元和RISC-V扎根的關鍵原因之一是，新的工藝節點不再保證效能和/或功耗的提高。 SoC 被分解為多個部分，所有這些部分都需要表示為乙個系統。 這需要更多的定製、更多的協作設計，以及在流程的早期更好地理解整體架構。
隨著軟體定義架構的發揮作用，您必須更多地關注前期系統設計，“是德科技 EDA、射頻微波、電力電子和器件建模高階總監兼產品組合經理 Nilesh Kamdar 說。 “你以後不能再碰運氣了。 從驗證一直到流片的整個工作流程必須預先弄清楚、定義和設計。 你不能只是希望和祈禱它最終會走到一起。 ”
但這並不意味著事情變得更簡單了。 Fraunhofer IIS自適應系統工程公司混合訊號自動化組組長Benjamin Prautsch指出，複雜性穩步增加的趨勢將繼續下去。 “因此，任何有助於'左移'的活動都將被追究。 EDA是乙個關鍵支柱，它面臨著各種挑戰，例如用於系統分割槽（包括基於小晶元的系統）的EDA，用於高階數字合成的EDA，以及用於模擬設計和驗證的EDA。 ”
將所有這些部分組合在一起並不是一件簡單的事情，您需要專注於真正的系統級設計以及所有部分如何組合在一起。 “使用者知道他們需要進行真正的基於模型的系統設計，特別是對於軟體定義的矽系統，”西門子EDA的IC驗證解決方案戰略總監Neil Hand說。 “他們想知道從哪裡開始，因為這與本地優化有很大不同。 當您嘗試在全球範圍內設計系統並對其進行優化時，這是一系列全新的挑戰。 ”
這將需要新的工具。 “真正的系統級設計的挑戰之一是如何在域之間進行通訊，”Hand說。 “你如何抽象乙個詳細的模型，使其可用於另乙個領域？”當您開始檢視左移時尤其如此。 如何獲取流程級資訊並將其提供給系統設計工程師？其中很大一部分將通過人工智慧和機器學習建立模型來實現，這使得系統設計的其他領域可以發揮作用。 例如，它可用於建立複雜 SoC 的抽象系統模型，以便您可以在數字孿生中使用它。 ”
量子計算
2024年底，量子計算取得兩項重大突破。 首先，IBM 推出了“IBM Quantum Heron”，這是一系列新的公用事業規模量子處理器中的第一款。 該公司還推出了 IBM Quantum Systems II，這是 IBM 的第一台模組化量子計算機，也是其以量子為中心的超級計算架構的基石。
其次，DARPA團隊建立了有史以來第乙個具有邏輯量子位元的量子電路，這是實現容錯量子計算難題中缺失的關鍵部分。 邏輯量子位元經過糾錯以保持其量子態，使其可用於解決各種複雜問題。 IBM 的成就令人興奮，足以吸引一位 60 分鐘的記者，他滔滔不絕地講述前所未有的計算技術所實現的生物醫學突破。
但量子時代也帶來了乙個巨大的警告。 RAMBUS高階首席工程師Scott Best表示：“事實上，在我們的有生之年，總會有人開發與密碼學相關的量子計算機。 有了這樣的機器，數學家們已經想出了如何破解所有數字簽名演算法和金鑰交換演算法的方法。 ”
因此，任何在 2024 年設計晶元的人都必須解決新晶元上市時傳統加密方案被破解的可能性。 “人們對某些加密演算法所做的一些模擬是合法的。 它們可能會在 2025 年之前到位。 Jayson Bethurem，Flex Logix 營銷和業務發展副總裁。 “今天做出的關於安全的決定將不可避免地是錯誤的。 防止他們犯錯誤的唯一方法是在您的裝置中保留某種動態加密，或者我們所說的“加密敏捷性”，例如 AES 演算法。 ”
更多資料、更多效能和可持續性
資料不只是越線傳輸。 它還在大氣層中移動，傳送者和接收者都需要大幅改進的技術來處理大量增加的資料。 這就是 5G 公釐波和 6G 的用武之地。
在射頻和公釐波領域，正在發生巨大的飛躍，這主要是由 6G 推動的，“是德科技的 Kamdar 說。 “當我們看到5G的一些後期階段，以及6G的發展時，這將是乙個巨大的飛躍。 從本質上講，您將從 6GHz 或更低的載波頻率公升級到 28GHz 到 100GHz 的任何載波頻率。 這意味著核心半導體技術、訊號的核心調製以及應用的品質因數可能都必須完全改變。 市場的巨大變化使大多數公司無法繼續使用過去的設計技術和工作流程。 他們必須想出全新的工作方式。 ”
這包括射頻和基本主力——混合訊號晶元。 最早可能在 2024 年進行設計改進。 對此，DARPA表示，它計畫宣布一項建立射頻異構整合標準的倡議。 Kamdar 說，鑑於人們對量子、光子學和 wifi 的興趣，射頻設計在最“可挖走”的員工技能列表中名列前茅。 “我真的鼓勵更多的學生和年輕的職業專業人士考慮這個領域。 許多公司一旦發現您擁有合適的射頻背景，就會立即抓住您。 ”
而這只是其中的一部分。 對人工智慧的需求也將使記憶體、功耗和效能成為工程關注的重中之重。 Fraunhofer IIS EAS高效電子主管Andy Heinig表示：“隨著基於複雜性增加的新型生成式AI的不斷推出，對高效能處理器的需求也在增加。 這裡的乙個關鍵趨勢是需要在各個級別獲得更多記憶體。 對生成式人工智慧的需求也加速了對高度具體的硬體實現的需求。 這樣一來，整個系統的功率密度將大幅提高，但在動力傳輸和散熱方面會出現問題。 ”
解決這些電力挑戰的需求是由財務和環境問題驅動的。 Ampere首席產品官Jeff Wittich表示：“進入2024年，人工智慧將成為乙個推動者，可持續性和效率將成為計算能力增長的主要障礙。 如果不解決效率低下的問題，增長可能會停滯不前，因此企業將比以往任何時候都更加重視它。 ”
監管問題也在推動可持續發展舉措。 “隨著我們越來越接近一些監管要求，例如只允許電動汽車在加州或其他特定的碳目標中前進，系統公司正在考慮減少時間並確保一切都符合可持續性標準，”Arteris 的 Siwinski 說。 “隨著最後期限的臨近，許多創新正在加速。 ”
Untether人工智慧產品副總裁鮑勃·比奇勒（Bob Beachler）表示，對可持續性的擔憂可能會挑戰甚至摧毀最受歡迎的人工智慧場景之一。 “如果當今世界轉向100%自動駕駛汽車，那麼對溫室氣體的影響將大於目前全球所有資料中心中所有計算機的影響。 如果我們想讓自動駕駛汽車上路，傳統的自動駕駛汽車方法不具備使它們工作所需的“人工智慧馬力”。 我們需要一種更節能的方式來部署人工智慧，讓自動駕駛汽車上路。 ”
2024年後：可靠性和抗輻射性
更多的電子產品具有多方面的標籤。 例如，縮小數字裝置在成本、設計時間和可靠性方面的成本更高，每個類別都可以進一步細分。 密度越高，放射性粒子撞擊重要部件的可能性就越大。 解決方案包括輻射硬化和冗餘，這兩者都可能導致元件成本增加 25% 到 50%。
Flex Logix 首席執行官 Geoff Tate 表示：“在較低的節點上，可靠性會受到粒子的影響，這可能導致開發人員需要更昂貴的抗輻射晶元。 “我們可能會看到更強大的抗輻射設計技術，適用於所有型別的儲存元件和高階節點。 你不能讓記憶體元素越來越小。 我們並沒有擺脫阿爾法粒子。 它們在我們的太陽系中。 ”
雖然對於許多應用程式來說，這可能不是乙個迫切的需求，但泰特的要求將會增加。 “對於大多數商業客戶來說，製造抗輻射的元件可能要到本世紀末才成為問題。 我們剛剛開始看到商業客戶需要抗輻射的記憶體元件來滿足一些超高可靠性的商業應用。 ”
Siemens Hand對此表示贊同。 “隨著我們進入 2024 年，可靠性將變得更加重要。 你會看到更多的公司考慮需要什麼，“他說。 “無論是輻射硬化、功能安全還是其他技術，這都取決於哪種機制適合當前系統。 ”
結論
儘管取得了所有突破和令人興奮的成果，但工程和商業的基礎仍然存在。 “每個人都必須在設計和實施過程中提高效率才能完成工作，”Imperas的D**Idmann說。 “如果你沒有足夠快地到達那裡，其他人就會搶占先機。 ”
隨著新問題的出現，市場上充斥著尋求解決這些問題的初創公司，而大公司則因為技術、人才或兩者兼而有之而收購它們，企業整合是另乙個可能繼續下去的趨勢。 然而，正在改變的是所有這一切發生的速度。 隨著新技術的引入，它正在加速，這只會持續到整個十年和下乙個十年。 技術將繼續存在，而半導體是使這一切發揮作用的引擎。 來源 |半導體行業觀察（ID：ICBANK）編譯自SemiEngineering
商務合作：請致電010-82306118或傳送tiger@chinaaetcom