Упрощение комплекса: агенты ИИ меняют дизайн чипа — The Times of India

Инженерные команды Intel в Индии заняты разработкой автоматизированных систем, которые могут трансформировать одну из самых сложных инженерных доменов в мире — чип дизайн. Вот что Гокул СубраманиамВ Intel Президент Индии и вице -президент клиентской вычислительной группы говорит нам, когда мы сидим с ним в их флагманском кампусе Индии в Бангалоре. Intel была одной из первых мировых технологических компаний, создавших собственное массовое кампус в стране.
Субраманиам говорит, что полупроводниковая индустрия охватывает ИИ так, как немногие ожидали даже короткое время назад. «Дизайн чипов является одним из самых сложных инженерных доменов, которые можно вообразить, и для ИИ есть огромная возможность — особенно агент — преобразовать все от логического дизайна до проверки платы».
Агент ИИОн говорит, что это гораздо больше, чем простые кодовые предложения или чат -боты. «В полупроводнике инженерия существует несколько этапов — проектирование, разработка, тестирование, проверка, развертывание. Каждый этап имеет свой собственный рабочий процесс с многочисленными инструментами и людьми в цикле. Мы считаем, что агент -подход — думая о них как о сложных помощниках — может помочь с такими задачами, как генерирование кода, выполнение симуляций или помощь с размещением (транзисторов), в то время как инженеры сохраняют полный надзор ».
Собственное преимущество данных
Технические основы этого подхода столь же увлекательны, как и грозные. В отличие от разработки программного обеспечения, где крупные языковые модели (LLMS), подобные моделям Openai или Google, могут праздновать миллиарды линий общедоступного кода, Semiconductor Engineering работает в более охраняемой сфере.
Дизайн -активы Intel — спецификации, макеты, моделирование производительности — являются собственными, запертыми в хранилищах компании. Как и для других полупроводниковых компаний. Этот недостаток публичных данных создает уникальную проблему, но также и возможность. Intel использует свои собственные исторические данные, накопленные в течение 50 лет для обучения этих агентов.
Согласно Subramaniam, процесс включает в себя проглатывание страшных и неструктурированных данных, за которыми следуют векторизация и внедрение, методы, которые превращают необработанные файлы проектирования в формат AI, могут переваривать. Оттуда Intel Fine-Tunes существующие LLM, адаптируя их к нюансам дизайна чипов.
«Мы не строим наши собственные LLM с нуля», — говорит Субраманиам. «Мы используем горизонтальную инфраструктуру-такие инструменты, как Langchain или Langgraph-и наслоили наши знания, специфичные для домена». Эта точная настройка, где сияют центры Индии. Кампус Бангалуру является одним из крупнейших дизайнерских центров Intel за пределами США и является тигером инноваций, затрагивая каждый продукт в портфолио Intel, от клиентских ПК до чипов сервера. Здесь инженеры являются создающими агентами на каждом этапе жизненного цикла полупроводника.
Например, в размещении Субраманиам говорит, что агент может предложить оптимальные макеты, основанные на прошлых дизайне, учете власти, области и ограничений времени, в то же время оставляя окончательный призыв к человеческому эксперту. В проверке — критический шаг перед изготовлением — агенты имитируют конструкции в масштабе, отмечая потенциальные ошибки, которые в противном случае могут потребоваться недели, чтобы раскрыться. Даже на уровне платы и системы, где чипы интегрированы в ноутбуки или промышленные устройства, агенты оптимизируют маршрутизацию сигналов и тепловое управление.
По словам Субраманиама, все это повышает эффективность-более быстрое время на рынок, меньше ошибок и освобождающие инженеры, чтобы сосредоточиться на творчестве, а не на рутине.
Использование коллективных знаний
Роль команды Индии не просто техническая, она культурная. С рабочей силой около 12 000 человек центр представляет собой плавильный котел опыта, и Intel использует это разнообразие для создания коллективной базы знаний. Инженерам рекомендуется документировать свои идеи не только для их собственной выгоды, но и для того, чтобы накормить агентов искусственного интеллекта. «Подумайте об этом, как тренировать нового выпускника», — объясняет Субраманиам. «Вы наращиваете их, даете им обратную связь, и они улучшаются. Мы делаем то же самое с этими агентами — пилотировать, прощать недостатки и итерации ».
Этот дух обмена знаниями распространяется на географию, а форумы и репозитории гарантируют, что инструмент, разработанный в Бангалоре, не дублирован в Орегоне. Результатом является растущая библиотека опыта, контекстуализированной для потребностей Intel, которая поддерживает этих цифровых помощников.
Управление сложными цепочками поставок
Агенты также могут помочь справиться со сложными цепочками поставок, связанными с полупроводниками. Например, агенты искусственного интеллекта могут соскрести данные в реальном времени о доступности компонентов или геополитических рисках, предлагая ранние предупреждения о потенциальных сбоях. Субраманиам говорит, что эти идеи могут быть неоценимыми, хотя он подчеркивает, что окончательные решения остаются с человеческими менеджерами. «Мы не можем позволить AI автономно перестановленным линиям снабжения», — отмечает он. «Но мы, безусловно, можем позволить ему отметить уязвимости или выделить альтернативных поставщиков. Это инструмент рекомендаций, который помогает нам реагировать быстрее ».
Это тщательное взаимодействие автономии и надзора повторяется на каждом шаге, поэтому Субраманиам рассматривает агент АИ как нечто большее, чем проходящая тенденция. «Это не только одна модель ИИ», — говорит он. «Речь идет о организации нескольких специализированных агентов — одного для логического дизайна, один для проверки, один для маршрутизации платы и т. Д. — и интеграция их в сплоченный инженерный поток. Каждый агент может работать независимо, принимать инструкции от инженера или даже запускать задачи у других агентов. Вот как мы видим будущее. Но это происходит постепенно: пилотируйте что -то в небольшом домене, учитесь на ошибках, уточните, а затем масштабируйте по разным продуктам ».
Он отмечает, что Intel также разрабатывает передовые чипы, специально оптимизированные для рабочих нагрузок искусственного интеллекта, в том числе Push к ПК AI, которые включают процессор, графический процессор и NPU на одну матрицу. Создание такого сложного кремния подчеркивает необходимость в методах агента. «Если мы проектируем чипсы, которые управляют ИИ, имеет смысл использовать ИИ для проектирования этих чипсов», — говорит он. «Мы эффективно поднимаем свою собственную технологию. Это мощная петля обратной связи — наши инженеры становятся лучше в строительстве агентских рабочих процессов, что помогает нам вывести на рынок лучшее ИИ на рынке, что, в свою очередь, может использовать еще более продвинутые инструменты проектирования ».
Отлично подходит для индийских фишек дизайнерских предприятий
Субраманиам убежден, что этот сдвиг будет иметь более широкие последствия для полупроводниковой промышленности. «Мы уже видим грибы Fabless Companies в Индии», — говорит он. «Если они смогут принять рабочие процессы, управляемые ИИ, они могут быстрее выходить на рынок и с меньшим количеством вращений дизайна. Это может значительно снизить барьеры для входа ».
Он также отмечает, что поставщики EDA — те, которые предоставляют инструменты для дизайна чипов — экспериментируют с агентскими подходами, и в этой области процветают академические исследования. «Intel Labs опубликовал статьи об ИИ в размещении, и другие игроки, такие как Google, рассказали о своем опыте с ним. Существует общее признание, что это путь вперед ».