摩爾定律的瓶頸,未來會靠「AI 設計晶片」突破
TO 精選觀點2021-08-26
【為什麼我們要挑選這篇文章】晶片尺寸逐漸逼近物理極限,市場皆在討論,摩爾定律是否走到極限。然而隨著 AI 晶片設計技術的發展,摩爾定律會交由 AI 來延續。但未來晶片設計工程師會失業嗎?還是工程師會與 AI 協作,推動晶片設計邁進人工智慧時代?(責任編輯:郭家宏)
AI 設計的晶片,性能十年內將提高 1,000 倍。
作為 Synopsys 執行長、晶片設計自動化的先驅之一,Aart de Geus 在 Hot Chips 在線晶片大會上表示,現在人工智慧設計的晶片,性能可能會在未來十年內提高 1,000 倍。
自 80 年代以來,自動化一直都是晶片設計的一部分。但現在,每兩年晶片性能翻一倍的「摩爾定律」似乎已經達到了瓶頸。要突破這個瓶頸,最好的辦法或許就是你我都熟知的:人工智慧。
一篇刊登在 Nature 上的文章指出,經過訓練的機器學習系統,在晶片設計上的表現超過人類。
不少晶片架構師都擔心自己的飯碗未來會被 AI 搶走。不過 De Geus 卻認為,晶片架構師不僅不會下崗,還會轉移到產業鏈的上遊,比現在負責更多任務。
Synopsys 從去年開始就使用 AI 來設計客戶的晶片,與人工設計的晶片相比有了相當大的改進。目前,三星也正在使用 Synopsys 的工具 DSO.ai 來設計 Exynos 晶片。而它的競爭對手 Cadence Design Systems 也在今年推出了自己的人工智慧晶片設計專案。
用 AI 設計晶片,有望打破摩爾定律的瓶頸
De Geus 在 1986 年創立了 Synopsys,一家電子設計自動化(EDA)軟體公司。憑借多年尖端半導體設計經驗,Synopsys 利用這個寶貴的資產制作了第一代 AI 晶片軟體 DSO.ai。
要超越摩爾定律,就要利用 AI 來解決複雜性、功耗和擴展要求,最終實現 1,000 倍性能的目標。
「機器學習出現在我們使用的每一種工具中,這個設計空間優化(DSO)的新工具的不同之處在於,它不適用於單個設計步驟,而是適用於整個設計流程。」
這就是 Synopsys 採用的自主晶片設計方法,從綜合方法進行晶片設計,而不僅僅是晶片布局。
晶片設計的一個早期步驟是 floor planning,其確定了晶片的尺寸、標準單元的排列形式、IO 單元及宏單元的位置、電源地網絡的分布等。
由於宏單元潛在配置數量巨大(約為 10^2500),規劃就會變得非常複雜,而且隨著邏輯電路設計的發展,還需要進行多次疊代。如果每次疊代都由人類工程師手動生成,就要耗時數天或數週。
但如果用 AI 設計晶片,它就能夠利用強化學習,優化晶片的功率、性能和面積大小。還能解決針對特定應用程式以及系統的所有維度的快速定制晶片:硬體(物理)、軟體(功能)、可製造性和架構(形式)。
隨著 AI 接管更多任務,以往負責設計少量電晶體的工程師,現在可能負責設計更大晶片中的 10 億個電晶體。
這樣就能夠在更短的時間內設計出更快的晶片,改變晶片的架構,將晶片性能提高 10 倍、100 倍甚至是 1,000 倍。
Google、NVIDIA 正在用 AI 設計晶片
與使用最先進設計工具的世界一流設計團隊相比,DSO.ai 能夠將功耗降低 25%,性能是當下最好的 AI 晶片設計工具的 5 倍。
而在未來的 AI 晶片設計時代,晶片能夠根據各個垂直行業進行設計。
面對特定專案的差異化需求,DSO.ai 可以用來優化輸入參數以及晶片設計工作流程的選擇。
工程師可以使用 DSO.ai 進行更多設計流程中的參數輸入,例如微調庫單元以提供最佳頻率或最低功率,採用現有平面圖並盡量縮小晶片尺寸,確定多高的工作電壓會實現功耗與性能的最佳權衡等。
全球「缺晶片」,雖然說不少產業都受到影響,但人們也深刻認識到了晶片的重要性。晶片雖小,但卻是一個重要的基礎設施。
除了 Synopsys,Google、NVIDIA 也開始嘗試使用人工智慧技術設計晶片。Google 的 TPU(張量處理單元)晶片即將發布新版本,優化了人工智慧計算。目前 NVIDIA 也專注於使用 AI 技術生產更好的 GPU 和雲端運算 TPU 平台,以增強自身競爭力。
晶片設計的工程師不會失業。而人工及 AI 相結合的設計思路將會推動晶片設計邁進人工智慧時代。
附圖:人類設計的晶片平面圖(a)與機器學習系統生成的平面圖(b)
摩爾定律逐漸扁平,晶片設計重任落到了 AI 肩上。
在晶片設計的新時代,自動化大不相同。
晶片定制會更普遍
資料來源:https://buzzorange.com/techorange/2021/08/26/ai-sustain-moore-law/
半導體製造流程圖 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳貼文
從火星探測系統到輔助工業製程,美國工業用 AI 新創 Beyond Limits 如何在台灣做到技術在地化應用?
李佳樺 2021/08/13
從2012 年美國太空總署成功將探測車「好奇號」送上火星至今,已經過了3000多個「火星日」,肩負著火星探測的重要任務,8年來好奇號傳回許多對火星的重要觀察與發現。背後更不為人知的,則是好奇號的 AI 運算系統,其實是由美國新創 Beyond Limits 的團隊建立的,公司發展至今也將觸角伸到能源、先進製造等產業,建立 SaaS 服務,為產業提供 AI 輔助平台,2020 年更獲得 1.3 億美元的投資,拓點到台灣、日本、新加坡、香港等地。
Beyond Limits 將 AI 應用到產業製程的契機,源自於當時跨國石油集團 BP 在墨西哥灣發生的漏油事件,企業希望導入 AI 優化決策過程,合作中也發現了石化能源產業的痛點,研發出石油配方建議系統、石油製程操作檢引系統等 SaaS 產品,不僅受到美國石油公司歡迎,日本市場也買單。
有了日本的先例,這套美國研發出的產品,照理說要拓展到亞洲市場應該不成問題,不料到了台灣卻窒礙難行,甚至需要重新開發不同的產品。
Beyond Limits 的台灣團隊究竟面臨了什麼挑戰?
台灣市場與美國差異大,Beyond Limits 台灣團隊必須如創業般從頭研發產品
台灣分公司總經理張中宜說明,台灣產業的先天特性,讓美國母公司已開發的產品都面臨市場可行性低落的問題,以石油產業的產品舉例,在台灣只有中油、台塑兩個客戶,且台灣的石油公司並不做研發工作,多半直接向國外公司購買配方,因此團隊必須在美國 SaaS 模式 的技術基礎下,研發出符合台灣市場、針對不同產業需求的商品。
「Beyond Limits 在台灣設立公司時的處境,跟重新創業差不多。」張中宜表示,AI 應用產品的開發不僅需要能夠從零開始寫演算法的工程師,也要有懂產業製程的專家團隊,龐大的研發費用與對產業專家的需求,讓每一次產品開發都像募資活動,團隊必須透過產業訪談做足市場研究找到痛點,說服製造公司與他們合作開發能解決產業問題的軟體。
然而開發全新市場對張中宜來說並不陌生。
她曾經在孟加拉創立幫助偏遠地區孩童課輔的非營利組織 e-Education ,第一年就讓偏鄉學子考上孟國最高學府卡達大學,更順勢搭上鼓勵企業與 NPO 合作的開放式創新風潮,讓卡西歐、 AI 新創、安永都找她擔任顧問,執行戰略布局或開發新通路的工作,面對 Beyond Limits 在台灣的難題,團隊選擇了電動車電池研發、面板機器手臂維修與人流異常預警系統等三個產業切入。
延伸既有美國產品技術,尋找合適的台灣在地產業切入開發產品
選擇電動車電池產業與 Beyond Limits 在美國石油產業的經驗有關,研發電池的過程與石油廠研發機油的邏輯相似,痛點都在於漫長的研發過程,就像做菜時要多次嘗試才會知道多少的鹽與油才是最佳的調配一樣,電池配方更要經歷至少半年的實驗,且實驗設計也要在無數次團隊與客戶的交鋒後才能成型,溝通成本相當高昂。
使用 Beyond Limits 導入認知 AI 架構的電池配方建議系統,研發人員只要以自然語言輸入期望的電池規格、價格與電車轉速,系統即可在 43 分鐘內提供數百種配方與實驗方式供選擇,縮短約 2 千倍的研發時間。
Beyond Limits 也在 7 月 29 日宣布與日本的三井物產公司進行策略結盟,以其認知 AI 的核心技術,協助三井投資的液化天然氣廠進行巨量資料分析,並整合作業人員專業知識與數位化作業模式,制定出精簡有效率的解決方案。日本三井整合數位策略部部長常務董事真野雄司氏說,透過與 Beyond Limits 的合作可以改善與再造營運流程,更有效率執行現有事業群的高附加價值項目。
另外,Beyond Limits基於公司在美國既有的輔助風電機維修平台,投入面板機器手臂維修建議系統的開發,「雖然也想在台灣用同一套產品幫助風電產業,也與風電廠陸續接洽,但台灣的風電仍在建設階段,缺乏營運經驗,目前的維修需求也不高。」張中宜談到,市場開發的大方向是要在台灣尋找具備預測維修需求,且市場密集、成熟的產業,公司在與投資人仁寶電腦的合作中,發現光電面板產線中機器手臂的維修概念與風機維修類似,而且痛點也類似:包含高昂的維修成本、未經標準化的維修流程,以及依賴經驗的維修決策。
目前輔助維修系統正與日本機器手臂原廠合作開發,由廠商提供維修資料與產業專家, Beyond Limits 透過 AI 分析維修數據,建立資料背後的邏輯推演,系統最終能判斷機器損壞的原因,並建議耗材種類與維修方式。從管理者的角度能降低維修、備料倉儲成本,對維修人員來說也有可依循的維修建議,長遠更能累積產業知識 ( domain know-how ) ,促進升級。
以邊緣運算技術,與北捷合作開發人流異常預警系統
而將技術從太空拉回到地面,Beyond Limits 也能在大眾運輸犯罪預警上有所發揮。他們與北捷合作,使用等同於在火星探測時、消弭與地球時差的邊緣運算技術,原理是透過分散式的運算提升效率,達成在監控系統的邊緣節點就進行異常人流的辨別,降低反應時間落差。
張中宜舉例,正常的人流像是乘客擠進車廂內的固定位置,開始滑手機,異常的人流可能是人群往四面八方散去,產生快速移動的樣態,異常訊息可以在 10 秒內將送到中控室,大幅縮減以往需要 4 分鐘以上的訊號傳輸時間,也能避免踩到人臉辨識的紅線,未來希望擴張應用到大樓監控,或是銷往他國的大眾運輸系統。
源自NASA,認知型AI成為技術優勢與門檻
與其他單純使用機器學習技術分類數據並預測結果的數值 AI 系統不同,Beyond Limits 的 AI 服務融合了數值 AI 與符號 AI ,前者的數值 AI 是透過大量數據讓模型認知「此為何物」,而符號 AI 則是藉由邏輯定義數值 AI 判斷的結果是好還是壞,並加以做出決策與判斷,以電池配方為例,將實驗室過去的實驗數據導入數值 AI 系統後,會得出樹種配方組合,再藉由符號 AI 判斷個配方辦法的優劣,並給予客戶回饋與建議。藉由結合數值 AI 與符號 AI 兩大系統的結合,讓人工智慧的每項建議都能以人類可理解的思路解釋,輔助人類做最後決策,也使人機協作的製程模式成為可能。
對於這項技術,張中宜表示這其實是源自於 NASA 將探測器「好奇號」送上火星後,由於火星與地球之間的數值傳遞有時間差,人類基本上不可能遙控好奇號,而且火星上的數據在這之前是 0,所以數值 AI 也無法運作,為了能夠讓好奇號自行在火星上探測與行動,勢必須要模擬人類大腦的認知型 AI 系統,當時才會開發出符號 AI。
根據研究報告,2025 年工業用 AI 規模將達 160 億美元,其應用開發仍具高度可能性,Beyond Limits 在台灣也希望更全面地研發產品打進該市場。除了正在培養市場的風電產業外,未來也希望協助優化晶圓半導體產業的製程,團隊更積極與社會、產業溝通,讓社會了解 AI 進入產業能讓人類更有餘力進行創意發想與決策,也讓產業正視轉型需求,近期將與台灣新創基地合作舉辦 AI 科普講座,持續促進製造業的人機共榮合作。
創業快問快答
Q:服務的創意來源,是因為發生甚麼事情而有這樣的想法?
A:台灣數位轉型瓶頸
Q:創業至今,做得最好的三件事為何?
A:用國際薪資招聘頂尖人才、台灣市場國際定位清楚、客戶分潤共創模式的商業模式
Q:要達到下一步目標,團隊目前缺乏的資源是?
A:能見度
附圖:BeyondLimits 台灣總經理 張中宜
Beyond Limits 以數值AI及符號AI兩大關鍵技術,達到人機互補智能
圖片來源 : Beyond Limits
擠捷運
圖片來源 : diGital Sennin on Unsplash
圖說:BeyondLimits Hybrid AI導入流程說明
BeyondLimits Hybrid AI導入流程說明
圖片來源 : BeyondLimits
資料來源:https://meet.bnext.com.tw/articles/view/47993?fbclid=IwAR2HbB5FrPIBoV9kDL27OnhNF-JDNzfYdsoLoVKn85yAA7GUjzDzI3y5Lw0
半導體製造流程圖 在 台灣物聯網實驗室 IOT Labs Facebook 的最佳解答
智慧化供應鏈的考驗
作者 : Don Hnatyshin,莫仕(Molex)供應鏈資深副總裁
2021-07-29
儘管新冠疫情引發了一些混亂的局面,但同時也促使了供應鏈創新的迅速發展。雖然這次疫情破壞的深度、廣度和範圍是我們前所未遇的,然而,大多數供應鏈業內人員都未雨綢繆,儘量減低風險,準備在2021年大顯身手。
評估、規劃和應對風險,長久以來深入莫仕(Molex)骨髓。我們擁有足夠的專業技能,以期應對由自然災害,供應限制,以及地緣政治或金融事件引發的一連串供應鏈中斷。我們不斷開發關鍵的知識流程,以備不測,包括利用最新的供應鏈工具和技術。
新冠疫情顛覆了產業的遊戲規則,考驗著我們的總體供應鏈水準。現在我們看到由於預見性不足加劇了新冠疫情產生的長期災難性影響。根據高盛最近的一項分析研究,在過去18個月中不斷加劇的半導體短缺狀況正在影響著169個產業,包括汽車、消費科技、造船、啤酒廠甚至肥皂製造領域。
從好的方面來看,我們見證了電子商務和數位交易擁有的巨大變革力量,將客戶便利性、採購便利性和交付速度提升到一個全新的水準。正因為這種積極正面的影響使B2C企業(企業對消費者)給人們帶來全新的體驗,從而永久改變了人們對B2B (企業對企業)的期望。現在是時候重新評估供應鏈戰略並開創全新思維方式了,包括以客戶為中心,及早為未來的一切情形做好計劃和準備。
風險與響應:改變規則
雖然風險評估和應對的原則保持不變,但目標範圍已經縮窄了。在疫情期間,企業評估、應對和減輕風險的速度和敏捷性是評判企業的標準。由於許多企業仍在努力重新站穩腳跟,因此,具有客戶至上心態的企業會以最快的速度調整其業務和/或交付模式,以便在特殊時期滿足前所未有的需求。
在新冠疫情後的供應鏈競爭中,能否提供與B2C客戶體驗相當服務水準,將會成為勝敗關鍵。這就需要新型的工具抓取業務資料,提升整體智慧化水準,而不僅僅監測貨物的實時運輸軌跡。
全面的供應鏈視圖,始於對採購和採購策略進行有價值且及時的更新,然後延伸到工廠車間,確保有合格的人才能對製造和品質流程進行知道。同樣重要的是:不能低估物流的最後一哩,這在過去一年中產生了很多意外的情況。未來,供應鏈的成功將不僅僅透過貨物的物流來評估,而是貨物實時資訊的雙向移動,以促進更快、更好的業務決策。
供應鏈4.0:以數位技術為支柱
通過增加感測器、自動化和資料分析等智慧化技術,供應鏈4.0可望逐步與工業4.0達到相匹配的水準。幾年前,麥肯錫(McKinsey & Company)將供應鏈4.0描述為下一代數位化供應鏈。供應鏈4.0的數位化優先策略是推動新的商業運作變革主要因素,旨在提高客戶便利性,增加可見性、降低成本和提高流程效率。
2021年,雖然所有這些屬性仍然適用,但門檻已大大提高。來自智慧裝置、感測器和機器的實時資訊使得新的、越來越強大的資料集劇增,這些資料集需要進行挖掘、分析並與機器學習和人工智慧(AI)匹配,以推動預測性和規範性分析。其結果就是:甚至在做出決定之前,就要對業務影響和衝擊進行深遠和詳盡的分析。
供應鏈4.0非常重視資料生態系統,因此必須在正確的時間以正確的速度傳遞正確的資訊。然而,說起來容易做起來難,重要的是要確定哪些資料對業務最有意義。幾年前確定的最關鍵的資料屬性現在已成為生態系統基礎的一部分。我們要關注一些新興的屬性;它們可以豐富生態系統,從而帶來更明智的決策和競爭優勢。
對於大多數企業而言,資料生態系統是全面實現更智慧化的供應鏈4.0的最大障礙,只有解決這一問題,才能真正實現更智慧化的供應鏈4.0。幸運的是,吸取別人的大量寶貴經驗教訓,能夠引導我們完成這個過程。
今天的教訓是未來供應鏈成功的基礎
多年來,筆者花了很多時間與各個產業的供應鏈同行交流想法和經驗。這些溝通交流豐富了我的觀點,尤其是在關注客戶體驗方面。電子商務和零售公司每年在Gartner供應鏈25強企業中佔據主導地位,例如,在2021年,Gartner將高露潔、強生、雀巢、百事可樂、沃爾瑪和歐萊雅列為前10名,因為這些企業在應對新冠疫情和其他宏觀經濟因素的挑戰方面,表現出前所未有的敏捷性和靈活性。
從這些企業的運作方式中,可以學習到很多實用知識和智慧。他們清楚地瞭解客戶價值,並且不斷優先投資於推動供應鏈彈性、敏捷性和創新的技術。由於企業的業務性質,這些供應鏈中堅企業也奉行「客戶至上」,這對於每個人來說都是寶貴的典範。
在過去的一年,我意識到供應鏈物流比預期的都要脆弱許多。當然,我們無法預料到國際航班在很長一段時間內幾乎完全停頓,以及集裝箱船卡在蘇伊士運河造成的大規模擁堵。根據現在的情況,制定更智慧的物流網路必須成為供應鏈關注和討論的一部分。
設計更加智慧的供應鏈
根據市場研究機構IHS Markit的2021年供應鏈洞察全球調查,接近三分之二的全球供應鏈領導者表示需要更好的技術、平台和資料,以實現整體供應鏈目標。Molex非常瞭解供應鏈智慧在確保供應鏈彈性和敏捷性方面發揮的關鍵作用。這就是我們繼續進行戰略投資以增強知識、平台和流程的原因。
Molex秉承以客戶至上的思維和方法,全力實施世界一流的供應鏈設計原則。我們正在擴展資料收集和關聯能力,以幫助從業人員識別最有用的資料屬性,同時尋求創新方法來綜合資訊流並豐富資料生態系統。這些都是至關重要的工作,因為作為公司全球供應鏈的一部分,Molex採購和管理運作的一切都會影響我們對客戶的有效響應。
鑒於客戶至上的原則,Molex將繼續應用最新的創新技術,同時該公司也是擁有多年經驗的供應鏈專業廠商,因此致力擴展實時可見性並緩減風險。到今年年底,Molex將分享智慧化數位供應鏈方面的重要進展,這是一種每天都在變得更加智慧的平台。
資料來源:https://www.eettaiwan.com/20210729ta71-putting-supply-chain-intelligence-to-the-test/
半導體製造流程圖 在 ivendor科技聯盟- 「撐起台灣經濟的半邊天的半導體晶片製程 ... 的必吃
IC的製作相當複雜,但是整體而言,繁而化簡的說明就是將設計好的「電路設計圖」透過「微影成像」的方式轉移到「矽晶圓」上,最後依照設計圖架構,經過一連串的反覆製成程序 ... ... <看更多>
半導體製造流程圖 在 認識晶圓的製造過程 - YouTube 的必吃
"晶圓的 製造 過程影片,帶你從進入無塵室的過程、矽晶圓製作過程、電腦輔助設計系統到自動化物料搬運設備,慢慢帶你進入晶圓廠的專業積體電路服務模式 ... ... <看更多>