OpenAI و Synopsys در روز سه‌شنبه یک همکاری استراتژیک چند ساله برای ساخت GPT-Synopsys، یک مدل هوش مصنوعی تخصصی برای طراحی نیمه‌هادی که مدل‌های مرزی OpenAI را با ابزارهای اتوماسیون طراحی الکترونیکی Synopsys (EDA) ترکیب می‌کند، که مهندسان نرم‌افزار برای طراحی تراشه‌های رایانه استفاده می‌کنند، اعلام کردند.

این معامله یکی از ملموس‌ترین حرکت‌هایی است که هنوز برای قرار دادن هوش مصنوعی در خط لوله ایجاد تراشه - نه فقط برای نوشتن کد، بلکه برای استدلال درباره سیلیکون. برای پوشش معاملات تجاری که صنعت هوش مصنوعی را تغییر می دهد، [AI Buzz Wire] (https://aibuzzwire.news) اعلامیه ها را هنگام فرود آنها ردیابی می کند.

کاری که GPT-Synopsys برای انجام آن طراحی شده است

بر اساس این اعلامیه که توسط رویترز و The Decoder پوشش داده شده است، هدف مدلی است که بتواند «در مورد طراحی و تأیید تراشه استدلال کند و ابزارهای Synopsys را مستقیماً به کار گیرد». OpenAI در حال صدور مجوز نرم افزار EDA Synopsys برای این پروژه است و مدل حاصل بر روی زیرساخت OpenAI اجرا می شود.

گردش کار، تقسیم کار معمول را معکوس می کند. مهندسان اهداف طراحی را به مدل تفویض می‌کنند، سپس خروجی آن را بررسی و تأیید می‌کنند - هوش مصنوعی را کمتر شبیه به یک دستیار تکمیل خودکار و بیشتر شبیه یک مهندس جوان که می‌تواند زنجیره‌های ابزار حرفه‌ای EDA را از سر تا سر خود هدایت کند. راستی‌آزمایی، روند بسیار آهسته اثبات درستی طراحی تراشه، در کنار خود طراحی، یک هدف درجه یک است.

تضمین داده و اشتراک درآمد

این شرکت ها به نگرانی های مربوط به محرمانه بودن که معمولاً پروژه های هوش مصنوعی نیمه هادی را متوقف می کند، رسیدگی کردند. به گفته هر دو شرکت، از داده های مشتری برای آموزش مدل استفاده نمی شود و به صورت رمزگذاری شده ذخیره می شود.

از نظر تجاری، OpenAI و Synopsys محصول را با هم بازاریابی خواهند کرد و درآمد را به اشتراک خواهند گذاشت، ساختاری غیرعادی که به هر دو طرف سهم مستقیمی در پذیرش می دهد. آزمایش‌های اولیه با مشتریان نیمه‌رسانا در حال انجام است، اگرچه شرکت‌ها زمان‌بندی یا قیمت‌گذاری عمومی در دسترس بودن را اعلام نکردند.

چرا صنعت در حال تماشا است

مدیر عامل Synopsys، Sassine Ghazi، این همکاری را در مورد سرعت بیان کرد و گفت که هوش مصنوعی می تواند به طور قابل توجهی روند طراحی را در زمانی که چرخه های توسعه تراشه محدود می کند سرعت حرکت کل بخش هوش مصنوعی را تسریع کند. گرگ براکمن، یکی از بنیانگذاران OpenAI، این معامله را راهی برای تراشه های بهتر و به نوبه خود هوش مصنوعی بهتر توصیف کرد - یک حلقه بازخورد که در آن مدل های مرزی سیلیکونی را طراحی می کنند که جانشینان آنها را آموزش می دهد.

منطق سرراست است. تقاضا برای محاسبات هوش مصنوعی از عرضه تراشه های پیشرو پیشی گرفته است و هر ماه یک چرخه طراحی چند ساله را در سراسر صنعت از بین می برد. غول های EDA مانند Synopsys در نقطه خفه نشسته اند: تقریباً هر تراشه پیشرفته از ابزار آنها عبور می کند، که آنها را به شریک یکپارچه سازی طبیعی برای آزمایشگاه هایی تبدیل می کند که به دنبال اهرمی فراتر از کیفیت مدل هستند.

EDA یک مناسب طبیعی برای هوش مصنوعی عامل است

اتوماسیون طراحی الکترونیکی لایه‌ای از نرم‌افزار است که مفهوم تراشه را به طرح‌بندی‌ها و طرح‌های تایید شده‌ای تبدیل می‌کند که یک ریخته‌گری می‌تواند تولید کند. این شامل برنامه ریزی معماری، طراحی در سطح ثبت-انتقال، سنتز منطق، طرح فیزیکی، و مهمتر از همه تأیید می شود - بررسی اینکه میلیاردها ترانزیستور قبل از تولید یک ویفر، همانطور که در نظر گرفته شده است، رفتار خواهند کرد. این‌ها گردش‌های کاری طولانی، ابزار سنگین و چند مرحله‌ای هستند که در آن مهندسان بیشتر وقت خود را صرف رانندگی نرم‌افزار تخصصی و تفسیر خروجی آن می‌کنند.

این ساختار منعکس کننده گردش کار عاملی است که در آن مدل های مرزی بیشترین وعده را نشان داده اند: اهداف روشن، رابط های ابزار مشخص و نتایج میانی قابل تأیید. مدلی که می‌تواند مستقیماً ابزارهای EDA را کار کند، طرح‌ها را پیشنهاد دهد و بر روی بازخورد ابزار تکرار کند، با همان الگوی پیش‌برنده برنامه‌نویسی و عوامل تحقیقاتی امروزی مطابقت دارد - در حوزه‌ای اعمال می‌شود که در آن سود هر اتوماسیون موفق بسیار بیشتر از نرم‌افزار مصرف‌کننده است.

بخشی از فشار سخت افزاری گسترده تر OpenAI

GPT-Synopsys تنها شرط سیلیکونی OpenAI نیست. این شرکت در حال حاضر با Broadcom روی تراشه‌های سفارشی برای اجرای مدل‌های هوش مصنوعی کار می‌کند، از جمله پردازنده Jalapeno که اخیراً رونمایی شده است، که طبق گزارش The Decoder در برابر تراشه‌های تخصصی رقیب رقابتی است. در جایی که Broadcom به سخت‌افزار استنتاج برای بارهای کاری خود OpenAI می‌پردازد، Synopsys به OpenAI در سمت ابزار ایجاد تراشه و یک محصول تقسیم درآمد فروخته شده به صنعت نیمه‌رساناها کمک می‌کند.

این جفت‌سازی همچنین نشان می‌دهد که چگونه آزمایشگاه‌های هوش مصنوعی اکنون از مدل‌های مرزی درآمدزایی می‌کنند: محصولات عمودی و خاص دامنه که با متصدیان صاحب جریان کار ساخته شده‌اند، نه بسته‌بندی‌های چت همه‌منظوره. معاملات مشابهی در زمینه کشف مواد مخدر، امور مالی و کارهای قانونی پدید آمده است، اما طراحی تراشه یکی از حوزه‌های پرمخاطب تاکنون است، جایی که یک نوار از آن می‌تواند ده‌ها میلیون دلار هزینه داشته باشد.

بعدی چه چیزی را تماشا کنیم

سه چیز تعیین می کند که آیا GPT-Synopsys اهمیت دارد یا خیر. اول، راستی‌آزمایی: آیا مدل می‌تواند اثبات‌ها را ببندد و خطاهای طراحی را به‌اندازه کافی قابل اعتماد برای حذف نوار تولید، جایی که اشتباهات فاجعه‌بار هستند، تشخیص دهد. دوم، پذیرش: آیا مشتریان عمده نیمه هادی از آزمایش های اولیه گذشته و به سمت استقرار پولی می روند یا خیر. سوم، رقابت: رقبایی مانند Cadence و استارت‌آپ‌های طراحی تراشه‌های هوش مصنوعی به دنبال اتوماسیون مشابه هستند و Synopsys با ارزشمندترین شریک مدل در صنعت حرکت کرده است.

در حال حاضر، این معامله شرطی است که افزایش بهره وری بعدی در نیمه هادی ها نه از لیتوگرافی بهتر، بلکه از هوش مصنوعی حاصل می شود که می تواند خود کف طراحی را کار کند.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →