- قدمت Synopsys نظام تحقق مُعرَّف بالبرمجيات ومدعوم بالعتاد مصمم لتسريع تطوير رقاقات الذكاء الاصطناعي.
- يهدف هذا النهج إلى مساعدة شركات أشباه الموصلات في التحقق من صحة المعالجات المعقدة بشكل أكثر كفاءة مع زيادة أعباء عمل الذكاء الاصطناعي.
ما حدث
أعلنت شركة Synopsys المتخصصة في برمجيات تصميم الرقاقات عن نهج جديد للتحقق يهدف إلى دعم الطلب المتزايد على عتاد الذكاء الاصطناعي. تقدم الشركةالتحقق المُعرَّف بالبرمجيات والمدعوم بالعتادلمساعدة المطورين على اختبار والتحقق من صحة بنى الرقاقات المتزايدة التعقيد.
التحقق خطوة حاسمة في تصميم أشباه الموصلات. يجب على المهندسين التأكد من أن الرقاقة تتصرف تمامًا كما هو متوقع قبل أن تصل إلى مرحلة التصنيع. تصبح هذه العملية أكثر صعوبة مع تزايد تعقيد المعالجات، خاصة تلك المصممة لأعباء عمل الذكاء الاصطناعي.
صرحت Synopsys أن نظامها الجديد يجمع بين أدوات التحقق القائمة على البرمجيات وتسريع عتادي متخصص. الهدف هو تمكين المهندسين من إجراء عمليات محاكاة على نطاق واسع وتحديد المشكلات المحتملة في وقت مبكر من عملية التصميم.
أضافت تطبيقات الذكاء الاصطناعي ضغطًا جديدًا على دورات تطوير الرقاقات. غالبًا ما تتطلب معالجات الذكاء الاصطناعي بنى متخصصة وأداءً عاليًا للغاية، مما قد يزيد من تعقيد التصميم.
لذلك، يتعين على الشركات التي تطور رقاقات الذكاء الاصطناعي - من الشركات الناشئة إلى شركات التكنولوجيا الكبرى - اختبار عدد كبير من السيناريوهات قبل الالتزام بالتصنيع. أي عيب يُكتشف بعد التصنيع يمكن أن يؤدي إلى تأخيرات مكلفة.
تضع Synopsys نهج التحقق الجديد كوسيلة لتبسيط هذه العملية. من خلال دمج قدرات الاختبار البرمجي والعتادي، تؤكد الشركة أن مصممي الرقاقات يمكنهم توسيع نطاق أعباء عمل التحقق بشكل أكثر فعالية.
اقرأ أيضًا:https://btw.media/en/allit-infrastructure/nexperia-china-claims-12-inch-wafer-chip-production/
لماذا هذا مهم
يبرز الإعلان تحديًا رئيسيًا تواجهه صناعة أشباه الموصلات. مع تطور الذكاء الاصطناعي، تصبح بنى الرقاقات أكثر تخصصًا وتعقيدًا. وهذا يزيد من خطر أخطاء التصميم ويطيل دورات التطوير.
يمثل التحقق بالفعل جزءًا كبيرًا من وقت وتكلفة تطوير الرقاقات. لذلك، يمكن للأدوات التي تسرع الاختبار أن تلعب دورًا مهمًا في دعم النظام البيئي الأوسع للذكاء الاصطناعي.
ومع ذلك، فإن فوائد تقنيات التحقق الجديدة ستعتمد على اعتمادها على نطاق واسع. تدفقات تصميم أشباه الموصلات معقدة، وغالبًا ما تعتمد الشركات على أدوات وعمليات راسخة.
هناك أيضًا المشكلة الأوسع المتمثلة في الطلب المتزايد بسرعة على رقاقات الذكاء الاصطناعي. تتسابق شركات التكنولوجيا ومزودو الخدمات السحابية والمؤسسات البحثية لبناء معالجات جديدة قادرة على التعامل مع أعباء عمل التعلم الآلي.
إذا لم تتمكن أدوات التحقق من مواكبة هذا الطلب، فقد يصبح تطوير الرقاقات عنق زجاجة في سلسلة توريد الذكاء الاصطناعي.
يعكس نهج Synopsys الجديد محاولة الصناعة لمواجهة هذا الخطر. لكنه يسلط الضوء أيضًا على حقيقة أعمق: البنية التحتية وراء الذكاء الاصطناعي - من تصميم الرقاقات إلى التصنيع - لا تزال معقدة للغاية وتحتاج إلى رأس مال كبير.
اقرأ أيضًا:https://btw.media/en/allit-infrastructure/global-data-centre-investment-set-to-soar-to-3t/