这个问题不是工具。这是创新的速度。
不断推动更多的异质性和定制芯片设计是创建全球供应链肆虐,直到几年前是高度组织和可预测的。
虽然现有的工具仍然工作很好,还没有人发现的最有效的方法在各种新的应用程序中使用它们。在这些市场技术仍在发展,进化/革命正在以惊人的速度发生。人工智能和机器学习技术被认为是遥远的未来,直到几年前,当机器生成的算法突然将一切推入主流。AI / ML / DL现在到处出现,和这一趋势丝毫没有减少的迹象。
这里的重点是系统与芯片开发定制引擎使这些系统工作。尽管新市场和不同的芯片设计使架构师和芯片公司的工作最有趣的他们已经几十年,他们也在一个几乎恒定的变化状态。到目前为止,没有约定最好方法建立一个人工智能芯片或芯片一个人工智能组件。
跨多个行业领域所面临的挑战是,数据移动需要理解从一个更大的系统级,但它需要在芯片级设计。无论如何这是真的结束应用程序,这是原因之一,系统公司接管芯片开发的一些热门的增长市场。起点是数据,而不是筹码。
对芯片设计有很大的影响,因为许多这样的应用程序需要自定义或semi-custom设计。那么在一个市场可能不会在另一个工作。这就是为什么估计有30初创公司努力提高性能非常特定的应用程序的100倍以上。不过,有一些常见的问题。的一个大问题都是计算资源的利用率。虽然是有意义的分割处理跨专业计算元素和memories-it太资源密集型和缓慢移动的体积越来越大data-keeping各种处理元素忙,数据流是一个系统级的问题。
但现在与数据处理和运动中央关注芯片不再是起点。虽然这是高效的从系统公司的角度来看,它会创建一个与半导体方面脱节。芯片公司现在必须构建芯片,融入更多的抽象系统级架构,在这个层面上,一个小变化数据流可以创造巨大的变化在芯片是如何设计的。
流和方法可以在大芯片公司花费数百万美元。筒仓建立在这些流为了使整个过程更有效率。改变它们可以创建内部动荡运营良好的芯片公司,目标是降低成本的同时仍然保持可预测性、可制造性、可接受的收益率水平。
现在的关键是如何芯片公司可以适应这个变化的世界秩序,模块化和灵活性在哪里需要尽管他们违背效率模型为半导体行业在过去的半个世纪。
|
|
|
|
|
|
|
|
|
|
留下一个回复