ИИ помогает производителям микросхем разработывать самые процессоры, которые ускоряют ИИ

Искусственный интеллект помогает производителям микросхем создавать наиболее эффективные процессоры, способствующие ускоренному развитию ИИ

Вероятно, вы знаете, что Apple, Nvidia, Qualcomm, Samsung и практически все остальные производители процессоров укладывают в свои изделия схемотехнику для ускорения задач искусственного интеллекта. Что вы, возможно, не знаете, так это то, что ИИ также используется для ускорения проектирования самих процессоров.

Примером является Intel. Компания из Санта-Клара, Калифорния планирует раскрыть подробности о своих новых процессорах Meteor Lake в четверг, продукты, которые она надеется превратить в “AI PC”. Но Intel также использовала искусственный интеллект для создания этих процессоров.

С помощью средств искусственного интеллекта на ранней стадии проектирования обнаруживаются ошибки, что позволяет быстрее вывести чипы на рынок, и эти средства контролируют процесс производства, так что большая часть кристаллов кремния, которые производит Intel, оказываются внутри продуктов, а не в корзине. Для Meteor Lake, первого мощного процессора Intel, состоящего из нескольких “чиплетов”, собранных в одном пакете, средства искусственного интеллекта помогают найти лучший способ продажи каждого процессора, учитывая множество незначительных различий в компонентах каждого процессора.

С помощью этих инструментов искусственного интеллекта “количество продаваемых единиц значительно увеличивается”, – сказала в эксклюзивном интервью Схломит Вейс, соучредитель группы проектного инжиниринга Intel.

См. также: Внутри фабрики чипов Intel я увидел будущее. Это обычное стекло

• Microsoft Copilot советы и хитрости использования искусственного ин...
• Скоро выйдут мониторы следующего поколения QD-OLED | ENBLE
• «Google предлагает расширенные функции Generative AI для облачных к...

Это важно для Intel, компании, которая пытается вернуть лидерство в чиповом производстве, утраченное в пользу Taiwan Semiconductor Manufacturing Co. (TSMC) и восстановить промышленную базу США. И если вы – один из миллионов людей, использующих компьютеры с Windows, это важно и для вас, поскольку лучшее производство означает более эффективные и более доступные стоимостью ноутбуки.

Современные процессоры состоят из десятков миллиардов маленьких электронных переключателей, называемых транзисторами. Информация в виде единиц и нулей протекает через них, чтобы проверить написанное вами резюме, рассчитать налоги на доход и улучшить изображение на вашем телефоне. Оптимальное расположение всех этих транзисторов и проверка их работоспособности выходят за пределы возможностей человека, поэтому компьютеры давно являются неотъемлемой частью производства процессоров.

Но использование искусственного интеллекта – это новая деталь. Системы искусственного интеллекта, обученные распознавать закономерности в сложных реальных данных, могут выполнять задачи, такие как фильтрация спама и определение вашего лица на фотографиях в камере вашего телефона. Теперь они помогают людям лучше контролировать производство процессоров.

“По мере продвижения закона Мура и увеличения числа транзисторов, уже нельзя все регулировать вручную,” – сказал эксперт по реальному миру Дэвид Кантер.

Intel не одна в этом. Cadence и Synopsys, две крупные компании, производящие программные инструменты для проектирования процессоров, предлагают инструменты с использованием искусственного интеллекта для размещения элементов процессоров. Google описала, как она использовала искусственный интеллект для разработки своих процессоров для ускорения искусственного интеллекта. И Nvidia, ведущий производитель графических и AI-чипов, широко использует искусственный интеллект для замены медленных традиционных процессов компьютерного моделирования при создании своей продукции.

Один из типов искусственного интеллекта, используемого в данной технологии, называется “обучение с подкреплением”, которое заключается в том, что система искусственного интеллекта исследует несколько вариантов решений и получает вознаграждение, когда находит результаты, приближающиеся к желаемой цели. “Это обучение с подкреплением потенциально может убрать человека из этого процесса”, – сказала профессор инженерии Элиз Розенбаум из Иллинойского университета.

Интел объединяет AI-инструменты, разработанные внешними компаниями, занимающимися проектированием микросхем, с собственными внутренне разработанными инструментами, – сообщили Weiss и ее соруководитель Navid Shahriari. Некоторые примеры внутренних инструментов:

• При симуляции новых дизайнов Интел AI анализирует данные о ошибках (bug reports) и категоризирует их, что позволяет человеческим инженерам приступить к работе над исправлением проблем раньше. “Он (AI) может экономить несколько часов в день для нескольких сотрудников”, – сказала Weiss.
• Интел начал тестировать генеративные AI-инструменты, которые обрабатывают подробные технические характеристики микросхемы, чтобы создавать тесты, которые фактически гарантируют соответствие дизайна микросхемы этим характеристикам. Сейчас эту работу выполняют люди, но они могут допускать ошибки, – сказала Weiss. Интел использует OpenAI’s GPT, большую языковую модель, которая была изменена под особые потребности Интел, и запускается внутренне на собственных системах Интел.
• Интел использует AI для анализа микросхем, выходящих с конвейера производства. Каждая микросхема имеет небольшие различия, такие как тактовая частота, размер кэш-памяти и потребление энергии. Система AI может изучить эту сложную коллекцию взаимосвязанных деталей и найти наилучший способ включения процессоров в одну из различных версий, которые будет продавать Интел, – сказал Shahriari.

Поиск оптимального способа продажи микросхемы становится более сложным с переходом к Meteor Lake, так как она имеет несколько взаимосвязанных чиплетов, также называемых матрицей. Это означает гораздо больше комбинаций всех этих характеристик для анализа.

Но система AI может найти правильный баланс, что приводит к повышению выхода – доли пригодных микросхем.

“Вы можете найти оптимальное сочетание разных матриц, находящихся в одном устройстве Meteor Lake”, – сказал Shahriari. “Это позволяет не только максимизировать выход, но и улучшить производительность и потребление энергии”.

Я получил ранний взгляд на технологию упаковки Intel Glass для быстрого процессора

+17 фотографий Посмотреть все фотографии

• artificial intelligence
• Intel
• processors
• thought leadership