Rewolucja w produkcji układów scalonych: Nowe podejście do energooszczędnej AI

W kluczowych momentach historii postęp wymagał czegoś więcej niż indywidualnego geniuszu. Najważniejsze odkrycia – jak te z Projektu Genomu Człowieka – powstały dzięki nowemu paradygmatowi współpracy: skoncentrowaniu najlepszych umysłów na jednej misji, stworzeniu wspólnej platformy oraz dzieleniu się krytyczną infrastrukturą.

Dziś era sztucznej inteligencji stawia podobne wyzwania. Firmy na całym świecie dążą do szybszego tworzenia wydajniejszych systemów AI, ale wydajność przestała być mierzona jedynie mocą obliczeniową. Coraz większe znaczenie ma efektywność energetyczna przesyłu danych – w wielu przypadkach energia zużywana na przesyłanie bitów dorównuje, a nawet przewyższa energię potrzebną do obliczeń.

Energooszczędna AI wymaga systemowego podejścia

Droga do energooszczędnej sztucznej inteligencji prowadzi przez inżynierię na poziomie całego systemu, obejmującą trzy ściśle powiązane domeny:

• Logika: Wydajność energetyczna zależy od efektywnego przełączania tranzystorów, niskich strat mocy i precyzyjnego przesyłu sygnałów przez gęste stosy okablowania.
• Pamięć: Rosnące wymagania dotyczące przepustowości i pojemności ujawniają tzw. "ścianę pamięci", gdzie możliwości procesorów rosną szybciej niż szybkość dostępu do pamięci.
• Pakietowanie zaawansowane: Integracja 3D, architektury chipletowe i wysokiej gęstości połączenia zbliżają obliczenia i pamięć – co umożliwia projektowanie systemów, których skala monolitów już nie wystarcza.

Te domeny nie mogą być optymalizowane niezależnie. Postęp w logice traci sens bez odpowiedniej przepustowości pamięci. Z kolei wzrost przepustowości pamięci jest ograniczony przez możliwości pakietowania. Ten z kolei zależy od precyzji procesów wytwarzania zarówno w części przedniej (front-end), jak i tylnej (back-end) układu scalonego.

Era atomowa: Najtrudniejsze problemy pojawiają się na granicach

W skali atomowej najtrudniejsze wyzwania pojawiają się na styku różnych domen: między obliczeniami a pamięcią w pakiecie, między integracją front-end a back-end, oraz między ściśle powiązanymi etapami procesu potrzebnymi do precyzyjnej 3D produkcji. To właśnie złożoność na granicach powoduje, że tradycyjny model innowacji zawodzi.

Tradycyjny model B+R jest zbyt wolny dla AI w skali atomowej

Od dziesięcioleci model badawczo-rozwojowy branży półprzewodnikowej przypomina sztafetę. Poszczególne komponenty są rozwijane w różnych częściach ekosystemu, przekazywane downstream przez integrację i produkcję, oceniane przez projektantów układów i systemów, a dopiero potem wracają do etapu kolejnej iteracji. Ten model działał, gdy postęp był zdominowany przez względnie modułowe kroki, które mogły być skalowane niezależnie i wdrażane w procesie produkcyjnym.

Ale era AI zmieniła te reguły. W skali atomowej fizyka wymusza nieuniknione sprzężenia w całym stosie technologicznym: wybór materiałów kształtuje schematy integracji, integracja definiuje reguły projektowe, reguły projektowe określają dostarczanie mocy, okablowanie ustala budżety termiczne, a termika ostatecznie ogranicza skalowanie pakietowania. Projektanci systemów nie mogą czekać 10–15 lat na dojrzewanie każdej kluczowej technologii półprzewodnikowej.

EPIC: Największa inwestycja w badania nad sprzętem półprzewodnikowym w historii USA

Reprezentujący około 5 miliardów dolarów inwestycji, EPIC (Equipment and Process Innovation Center) to największe w historii USA zobowiązanie w zakresie badań i rozwoju zaawansowanego sprzętu półprzewodnikowego. Program ten ma na celu stworzenie nowego modelu współpracy, który pozwoli sprostać wyzwaniom ery atomowej.

Długoterminowe podejście jest niezbędne, aby zsynchronizować innowacje materiałowe z pojawiającymi się architekturami urządzeń – oraz opracować narzędzia i procesy potrzebne do ich integracji z precyzją umożliwiającą produkcję masową. Tylko w ten sposób branża może utrzymać tempo niezbędne do zaspokojenia rosnących wymagań energooszczędnej AI.

"W erze atomowej granice między dziedzinami zacierają się. Aby osiągnąć przełom, potrzebujemy nowego modelu współpracy – takiego, który pozwoli na szybką iterację, wymianę wiedzy i wspólne rozwiązywanie najtrudniejszych problemów na styku technologii."