• <nav id="zi37o"></nav>
    1. <dd id="zi37o"></dd>

      <th id="zi37o"></th>
      <em id="zi37o"></em>

    2. 新聞中心

      EEPW首頁 > EDA/PCB > 市場分析 > 在芯片制造中更有效地使用數據

      在芯片制造中更有效地使用數據

      作者:semiengineering時間:2023-08-28來源:半導體產業縱橫收藏

      半導體工程與微軟安全云環境產品管理總經理 Mujtaba Hamid 坐下來討論智能制造以及工具和人工智能如何為半導體實現智能制造;Vijaykishan Narayanan,proteanTecs 印度工程與運營副總裁兼總經理;KT Moore,Cadence 企業營銷副總裁;以及 Alphawave Semi 高級副總裁兼總經理 Mohit Gupta。

      本文引用地址:http://www.connhp.com/article/202308/449971.htm

      SE:我們多年來一直在談論工業 4.0,也稱為智能制造。我們今天走到了哪一步?芯片行業的發展又如何呢?

      Narayanan:很長一段時間以來,它一直是一個流行詞,但現在我們看到了真正的解決方案所帶來的成果。這將使公司能夠采用改進的 PERCS——生產力、效率、可靠性、成本和可擴展性。

      Gupta:在過去的幾年里,尤其是在新冠疫情之后,世界開始意識到半導體的重要性。汽車或冰箱上丟失的微小芯片都無法讓你無法正常使用。隨著數據增長的出現,我們如何確保有良好的系統可以始終幫我們達成目標?

      Moore:整個工業 4.0 運動很大程度上是通過向我們的流程注入智能來推動的。過去幾十年來,我們一直專注于自動化和可擴展性能。通過在流程中納入人工智能或機器學習來擴展這一點,無論是設計還是制造——它就在這里。我們不斷學習和發展,并與客戶合作,做得更好。

      Hamid:長期以來,我們一直希望在供應鏈中進行更高保真度的設計和更高質量的制造。各種有利因素匯聚在一起。借助云和大數據建模工具,你可以在將設計發送到制造之前對其進行更高保真度的模擬。擁有諸如邊緣云之類的東西,它可以實現預測性維護和自動化,以及更好的數據共享以提高供應鏈的彈性。數字孿生也正在使用中。因此,許多支持技術即將出現。盡管工業 Metaverse 正在經歷類似 Gartner 低谷的情況,但它終將挺過來并實現更豐富的可視化?,F在人工智能浪潮正在到來。

      SE:每當我們談論智能制造時,人們常常會提到半導體作為最前沿的行業。但這樣的說法準確嗎?

      Narayanan:人們在孤島中工作。有一個測試團隊、一個生產團隊和一個現場設計團隊。但沒有用于數據前饋或反饋的通用平臺可以在其中提高效率或生產力。從錯誤中吸取教訓,并將這些教訓反饋到你的設計中,從而提高設計的質量。這是自動化的重要組成部分,也是根據從芯片中獲得的一些知識做出決策的重要組成部分。打破孤島是第一步。

      SE:你能定義一下通用平臺的含義嗎?

      Narayanan:我們將這些代理添加到芯片內,以獲得對該芯片的可見性。一旦硅片出來,我們就能從中得到讀數。我們有一個平臺,可以在系統級階段、生產階段和現場加載數據。因此,現在任何訪問該平臺的人都可以了解這些領域。如果存在問題,他們會提出警告,并且可以向后或向前反饋數據以解決這些問題或采取其他措施。

      Hamid:從軟件行業的角度來看,是持續的開發和運營循環。該循環依賴于通用數據。我們稱之為數據底層軟件。這可能是一個負載性的術語,但我們需要這種類型的數據基底能夠進行前瞻性和回顧性,并具有連續的設計和制造循環。

      Gupta:還有另一個向量。隨著這些系統變得越來越復雜,重新設計和犯錯誤的成本變得非常高。前饋和后饋都類似于整個流程的持續改進。RTL 工程師需要知道芯片中發生了什么。當你在公司里開發一些東西時,你需要在那里直到看到芯片。否則,循環不閉合。如果采用任何具有復雜異構芯片或小芯片的領先工藝節點,構建這些系統的成本要高得多。

      Moore:這些孤島產生了兩個向量。我們的客戶一直在使用順序流程設計這些復雜的芯片、系統或電路板。但隨著這些事情變得越來越復雜、越來越集成,我們必須能夠在設計過程中消除這些人為的邊界條件。其次,我們的一些客戶不再只是設計芯片。我們有設計芯片來構建系統的客戶。我們現在有系統公司正在制造芯片。因此,整個集成層正在呈指數級擴展。

      SE:這種連續循環不再僅僅存在于制造中或回到設計中?,F在它也必須前進到戰場并返回。但如何達到所有這些要求呢?有多種產品很快問世,其中一些產品的使用壽命更長。這些數據實際上是如何反饋的?

      Hamid:設計流程也必須不斷發展。在過去的幾十年里,設計流程沒有發生根本性的變化。新的工具和復雜性已經出現。但是,如果真正考慮能夠前饋/后饋,如果人工智能到來,如果你改變核心芯片設計與片外加速器設計之間的界限,以及獲得什么在系統、主板或軟件中完成——邊界不斷變化。如何在傳統設計流程中保持敏捷?這就是這個數據平臺如此重要的地方。數據平臺既需要在設計中實現反饋和前饋,也需要在制造和現場中實現反饋和前饋。如果數據平臺更加一致,并且能夠實時獲取遙測數據,那么設計人員可以更快地做出反應。整個事情需要成型。

      Narayanan:我同意。我們還沒有達到那個目標,但我們已經走在正確的軌道上了。我們已經采取了一些措施,但仍有更多工作要做。

      SE:這些數據平臺是什么樣的?

      Moore:從產品創作的角度來看,數據平臺需要擴展到設計的各個環節。當我大學畢業時,作為一名芯片設計師,我的主要職責是確保芯片滿足性能指標,僅此而已。我們不太關心功率或面積。但是,當你將這些其他維度添加到設計中時,你需要一個可以從 RTL 創建一直延伸到簽收的平臺,并且能夠訪問所有這些不同的數據點?,F在我們談論的不僅僅是設計芯片,而是在具體環境中進行設計。這不僅僅是電氣行為。它還包括物理行為、物理相互作用——熱力等等。

      Gupta:我將給你舉一個例子,說明如何從宏觀層面看待某些事情。我們公司從事連接領域,世界各地都有這些大型數據中心。如果看看他們的資本支出,就會發現主要是用于冷卻的電力。硬件是一個較小的組件。因此,設計芯片或解決方案的人可以拍攝數據中心消耗的電力的圖片,深入到機架,從機架到服務器再到芯片,等等。也許我們還沒有完全做到這一點,但是有更多的反饋發生,就像它在系統級別的含義一樣。除了電池供電的設備之外,其中一些參數(例如功率)過去從未成為關鍵問題。但現在,如果不能滿足功率預算,許多系統將無法啟動。

      Hamid:當我們走向芯片上數萬億個晶體管、小芯片和 3D 堆疊時,設計人員必須考慮所有這些排列和組合。然后,在流程中發生變化是可能的。因此,你不能抱著這樣的心態:「這是芯片邊界,我正在努力實現可預測的結果?!?/span>

      Gupta:解決芯片問題的方法有很多,但并非所有方法都必須在芯片級別完成。你可以將某些問題作為芯片的一部分來解決,但你也可以通過軟件來修復它。如今,通過硬件/軟件協同設計方法可以提供足夠的調查功能,你可以從系統角度優化事物。



      關鍵詞: 芯片制造

      評論


      技術專區

      關閉
      日韩碰撞无码视频

    3. <nav id="zi37o"></nav>
      1. <dd id="zi37o"></dd>

        <th id="zi37o"></th>
        <em id="zi37o"></em>