System-on-Chip широко используется - от смартфонов до ноутбуков, планшетов, автомобилей, игровых консолей, смарт-телевизоров и пространства дополненной реальности (AR) и виртуальной реальности (VR). По оценкам, рынок чипов AR / VR к 2026 году достигнет 7,76 млрд долларов США. После COVID-19 нехватка микросхем в автомобильной промышленности, особенно необходимая для беспилотных автомобилей и передовых систем помощи водителю (ADAS), усилила давление на полупроводниковую промышленность.

Разработка и производство SoC - утомительная и длительная задача. Хотя программные инструменты EDA для разработки микросхем были доступны с 1980-х годов, проектирование микросхем требует значительных затрат человека и включает в себя несколько итераций во время планирования этажа и прокладки проводов по микросхеме. Процесс проектирования является кропотливым и по-прежнему в значительной степени методом проб и ошибок, потому что сквозная автоматизация при соблюдении ограничений по мощности, производительности и площади (PPA) является очень сложной задачей. Закон Мура предсказывает, что количество транзисторов на кристалле ежегодно удваивается. Следовательно, сложности проектирования продолжают расти в соответствии с законом Мура, требуя более повторяющейся ручной работы для соблюдения жестких графиков поставки. После разработки микросхемы в программном обеспечении EDA производство происходит на установках для изготовления полупроводниковых пластин (FAB). Эти FAB используют сложное и дорогое оборудование в чистых помещениях, свободных от пыли, и требуют многомиллиардных инвестиций. При изготовлении микросхем требуются тысячи сложных этапов, на доставку конечного продукта потребителя уходит около 26 недель. Следовательно, и проектирование, и производство микросхем отнимают много времени и требуют более интеллектуальной автоматизации, чем современные методы.

Текущие методологии проектирования и машины для изготовления микросхем должны использовать искусственный интеллект для сокращения общего времени выполнения работ и затрат компании. Такие компании EDA, как Cadence и Synopsys, недавно разработали инструменты искусственного интеллекта для ускорения проектирования микросхем. Samsung уже внедрила решение Synopsys DSO.ai для создания своих микросхем, созданных на основе искусственного интеллекта. Google разработал собственное ИИ-решение для разработки чипов на основе своей статьи, опубликованной в Nature. Они используют обучение с подкреплением для планирования этажей - процесса, который оптимально размещает блоки на кремниевом кристалле, соблюдая при этом требования к мощности, производительности и площади. На планирование этажа уходит месяцы, даже после использования существующих программных средств автоматизации проектирования. Но с помощью ИИ Google закончил планирование своего тензорного процессора (TPU) всего за шесть часов. Nvidia и IBM также пытаются разработать аналогичные ИИ-решения для проектирования микросхем. Несколько стартапов, таких как Motivo, Inc., также рискнули войти в этот космос. Они разрабатывают инструменты с использованием искусственного интеллекта, чтобы решить как проблемы, так и сократить время выполнения работ по проектированию микросхем и повысить производительность. Motivo недавно привлекла серию A на 12 миллионов долларов в рамках раунда финансирования, проводимого Intel Capital и другими инвесторами. Motivo также стремится сделать ИИ прозрачным, чтобы дизайнеры знали логику, используемую при разработке чипа. ASML, ведущий мировой производитель сложных фотолитографических машин, используемых для изготовления микросхем, использует AI для вычислительной литографии. Недавно они сотрудничали с Google Cloud для разработки более быстрых систем литографии на основе искусственного интеллекта.

Отрасль может быстрее оправиться от преобладающей нехватки полупроводниковых чипов, если у нас будут более интеллектуальные и быстрые решения, помогающие при проектировании микросхем. Больше полупроводниковых компаний должны присоединиться к крестовому походу ИИ, чтобы повысить свою производительность.