🇹🇼 🇺🇸 EDA и ИИ. Энергоэффективность чипов ИИ. Тренды

TSMC и производители EDA-продуктов используют ИИ для снижения энергопотребления чипов

Общеизвестно, что чипы, которые используются для запуска на них моделей ИИ (особенно для обучения ИИ), потребляют много электроэнергии. В TSMC представили стратегию повышения их энергоэффективности, основанную на использовании для их разработки САПР на базе ИИ. Об этом пишет Reuters.

В целом, мысль не новая, в Cadence и Synopsys не первый год заняты интеграцией подходов ИИ к своему ПО, например, для повышения эффективности проектирования микросхем. Но в TSMC фокусируются именно на энергопотреблении и заявляют о цели повышения энергоэффективности чипов для ИИ примерно в 10 раз.

Нынешние флагманские серверы Nvidia DGX A100 могут потреблять до 6.5 кВт при выполнении ресурсоемких задач, а серверная стойка с ускорителями H100 может взять и 80-100 кВт. Это, конечно, не как 1000 американских домохозяйств, как ошибочно написали коллеги, но тоже много. Неприемлемо много, учитывая текущие энергетические возможности человечества. А значит – нужно снижать.

В TSMC работают над решением этой задачи в тесном сотрудничестве с Cadence и Synopsys. И отмечают, что для некоторых сложных задач проектирования чипов инструменты партнеров на базе ИИ нашли более эффективные решения, чем инженеры TSMC, причем гораздо быстрее. «Эта штука работает 5 минут, тогда как нашему конструктору нужно работать 2 дня».

ИИ, конечно, не единственный способ повышения энергоэффективности чипов. Другие направления – это опора на чиплетный подход, гармонично объединяющий возможности разных технологий в едином вычислительном блоке, ускоренный перенос данных между чипами за счет отказа от электрических технологий в пользу оптических и т.п. В целом борьба за энергоэффективность уже все дальше от традиционных «инженерных» проблем, сейчас это все чаще попытка решить фундаментальную физическую проблему.

@RUSmicro