Cognichip با 33 میلیون دلار برای راه اندازی “هوش تراشه مصنوعی” و طراحی مجدد نیمه هادی از مخفیک بیرون می آید


در یک جهش جسورانه برای فناوری نیمه هادی ، با هم داشتن برای ساختن آنچه که آن را هوش مصنوعی تراشه (ACI®) می نامد – از مخفیگاه با 33 میلیون دلار بودجه بذر راه اندازی شده است – یک تغییر اساسی در نحوه طراحی ، توسعه تراشه ها ، توسعه و به بازار عرضه است. دور بودجه توسط پایتخت لوکس وت میهمان، با مشارکت از FPV وت Candou Venturesبشر

استارتاپ مستقر در سانفرانسیسکو در حال هدف دو بزرگترین موانع در طراحی تراشه است: هزینه و زمان ممنوع. با چرخه های توسعه که اغلب بیش از 3-5 سال و 100 میلیون دلار در هر تراشه است ، نوآوری در فضای نیمه هادی به طرز چشمگیری کاهش یافته است. توسط جانباز صنعت تأسیس شده است فاراج آلای – که پیش از این دو شرکت نیمه هادی عمومی را به دست می گرفت و به عنوان مدیرعامل ارتباطات Centillium خدمت می کرد – Cognichip قصد دارد آن را تغییر دهد.

هوش تراشه مصنوعی (ACI®) چیست؟

در قلب سکوی Cognichip یک مدل بنیاد AI با فیزیک آگاه است که برای طراحی نیمه هادی ساخته شده است-یک عزیمت شدید از ابزارها و فرآیندهای سنتی. این سیستم جدید با نام ACI® ، “توانایی های شناختی در سطح طراح” را با هوش مصنوعی معرفی می کند و این امکان را برای درک ، یادگیری و بهینه سازی کل فرایند توسعه تراشه با استدلال و آگاهی از فیزیک فراهم می کند.

این مدل به سادگی گردش کار را خودکار نمی کند – آنها را دوباره تعریف می کند. ACI® با تعبیه هوش مصنوعی در فیزیک سیستم های نیمه هادی ، می تواند متغیرهای جهانی و محلی را همزمان تجزیه و تحلیل کند ، اجزای طراحی را به صورت موازی طراحی کرده و بهینه سازی های آگاهانه محدود را در سراسر پشته تراشه انجام دهد. این رویکرد طراحی مکالمه فرآیندهای سریال سفت و سخت را که چندین دهه صنعت را محدود کرده است ، جایگزین می کند.

اهداف کلیدی عملکرد برای ACI® عبارتند از:

  • 50 ٪ کاهش در زمان توسعه: به لطف چرخه های طراحی موازی ، AI محور
  • 75 ٪ کاهش هزینه: با به حداقل رساندن کار مهندسی و افزونگی آزمایش
  • تراشه های کوچکتر و کارآمدتر: از طریق بهینه سازی زمان واقعی معیارهای قدرت ، عملکرد و منطقه (PPA)
  • سازگاری بیشتر: ACI® تنوع سریع طراحی را امکان پذیر می کند ، از تراشه های کوچکتر و تخصصی تر پشتیبانی می کند

چرا اکنون این مهم است

با وجود افزایش نمایی هوش مصنوعی ، نوآوری نیمه هادی عقب مانده است. در حالی که مدل های AI تولیدی می توانند در هفته ها مستقر شوند ، طراحی تراشه هایی که در آن اجرا می شوند هنوز سالها طول می کشد. این قطع ارتباط دارای پیشرفت سخت افزار تنگنا و دلسرد کننده ورودی های جدید است.

Cognichip در حال مقابله با این سر است. فناوری آن به مهندسان این امکان را می دهد تا به جای زیرساخت ها روی نوآوری تمرکز کنند و هر کسی را از شرکتهای اصلی این امکان را فراهم می کند تا تیم های نوپا تراشه های جدیدی را به بازار عرضه کنند – سریعتر ، ارزان تر و با تخصص کمتری.

فاراج آلای، مدیر عامل و بنیانگذار ، توضیح می دهد:

“حتی در زمان رونق هوش مصنوعی ، استارتاپ های نیمه هادی نیز کمیاب هستند-فقط در حدود هشت استارتاپ تراشه های تحت حمایت VC امروز ، در مقایسه با 200 در سال 2000 ، در مقایسه با 200 در سال 2000 ظاهر می شود. این به دلیل عدم وجود ایده ها نیست-به این دلیل است که سیستم شکسته است. با ACI® ، ما قوانین را بازنویسی می کنیم.”

یک تیم جانباز ، یک مأموریت مدرن

تیم بنیانگذار Cognichip کسی است که از جانبازان AI و نیمه هادی است:

  • اسان کامالی نژاد، بنیانگذار و CTO: ویژگی های هوش مصنوعی اپل (مانند خاطرات عکس) و یادگیری تقویت پیشگام در AWS
  • سیمون ساباتو، بنیانگذار و معمار ارشد: معمار پیشرو سابق در Google ، Cisco و Cadence
  • مهدی دانشپانا، VP از نرم افزار: سر سابق نرم افزار جهانی در KLA
  • استیلیوس دیامانتیدیس، مدیر ارشد محصول: سازنده سکوی DSO.Ai Synopsys

پشتیبانی از آنها یک نیمکت عمیق از دکترا از MIT ، استنفورد ، برکلی و دانشگاه تورنتو به همراه مدال آوران المپیاد در ریاضیات و فیزیک است. این تیم بین رشته ای در حال ساختن آنچه می تواند به اولین موتور شناختی واقعی جهان برای ایجاد تراشه تبدیل شود.

از تنگنا تا دستیابی به موفقیت

Cognichip فقط هدف خود را برای بهبود طراحی تراشه هدف قرار نمی دهد – بلکه به دنبال دموکراتیک کردن آن است. با استفاده از هوش مصنوعی بیشتر پیچیدگی ها ، تیم های کوچک و تیم های تحقیقاتی به زودی می توانند تراشه هایی را که قبلاً برای شرکت های چند میلیارد دلاری محفوظ بودند ، طراحی کنند.

این پیامدهای عظیمی برای:

  • زیرساخت هوش مصنوعی، جایی که شتاب دهنده های سفارشی به طور فزاینده ای مورد نیاز هستند
  • مراقبت های بهداشتی، که تراشه های کم مصرف و با راندمان بالا را برای پوشیدنی ها و تشخیص ها نیاز دارد
  • انرژی، جایی که بهینه سازی محاسبات در هر وات بسیار مهم است
  • سیستم های خودمختار، که در مقیاس به سیلیکون خاص دامنه نیاز دارند

سرمایه گذاران آن را بیش از شرط بندی در تراشه های بهتر می دانند – آنها آن را تغییر در پشته نوآوری برای کل اکوسیستم فنی.

“این ابزاری نیست – این یک تغییر پارادایم است ،” گفته شده ناوین چادا، مدیریت شریک در مایفیلد. “ACI® Cognichip جایگزین طراحی بی رحمانه با آفرینش هوشمند و هوش مصنوعی است. این آینده است.”

جاده پیش رو: تراشه های AI ، دوباره اختراع شدند

صنعت نیمه هادی در یک چهارراه محوری قرار دارد. به عنوان هوش مصنوعی سیستم ها محدودیت های تقاضای محاسبات را تحت فشار قرار می دهند ، یک اجماع رو به رشد وجود دارد که روش های طراحی تراشه سنتی دیگر نمی توانند سرعت خود را حفظ کنند. شرکت های بزرگ فناوری اکنون برای توسعه تراشه های خاص AI-از شتاب دهنده های بهینه سازی شده استنباط گرفته تا پردازنده های خاص دامنه برای محاسبات لبه ، روباتیک و دیتاسنترهای کارآمد با انرژی ، مسابقه می دهند.

با این حال ، تنگنا در ساخت بلکه در طراحی باقی مانده است. توسعه این تراشه های جدید هنوز هم نیاز به سالها تلاش مهندسی ، سرمایه گذاری گسترده سرمایه و تخصص دامنه عمیق دارد – موانعی که همه به جز بزرگترین بازیکنان را محروم می کند. این عدم تطابق بین سرعت توسعه مدل AI و سرعت طراحی تراشه باعث ایجاد شکاف گسترده در پشته نوآوری می شود.

با هم داشتنچشم انداز بستن این شکاف است. این شرکت با معرفی ACI® ، پایه و اساس دوره جدیدی را که AI فقط مصرف نمی کند ، ایجاد می کند – به طور فعال در ایجاد آن نقش دارد. این تغییر می تواند موج جدیدی از نوآوری سخت افزاری را تقویت کند ، باز کردن تراشه های سریعتر ، ارزان تر و متناسب تر برای همه چیز از دستگاه های پزشکی شخصی گرفته تا سیستم های خودمختار نسل بعدی.

با حرکت صنعت به سمت مدل های تریلیون پارامتر و AI در زمان واقعی در حاشیه، تقاضا برای تراشه های چابک ، بهینه شده و آگاهانه از حریم خصوصی فقط تسریع می شود. Cognichip خود را در مرکز این تحول قرار می دهد – نه با سریع تر کردن تراشه ها ، بلکه با ایجاد ایجاد تراشه خود هوشمند ، در دسترس و از نظر مقیاس پذیر تر.

در این الگوی جدید ، تمایز بین نرم افزار و تار سخت افزاری ، و مهمترین پیشرفت ها ممکن است نه فقط از الگوریتم های جدید – بلکه از دستگاه هایی که دستگاه ها را طراحی می کنند – حاصل شود.



منبع:unite.ai

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *