Хиймэл оюун ухааны хөгжил нь хагас дамжуулагч үйлдвэрлэгчдэд маркетингийн шинэ боломжуудыг бий болгож, үйлдвэрлэлийн үйл явцыг сайжруулахад тус дөхөм болж байна.
Хиймэл оюун ухаан (AI) нь машин сургахаас эхлээд байгалийн хэлийг боловсруулах хүртэлх технологиудаас бүрддэг. Компьютерийн системд харааны мэдрэмж, шийдвэр гаргах зэрэг хүний оюун ухааныг шаарддаг даалгавруудыг гүйцэтгэх боломжийг олгодог. Энэ нь зах зээлд шинэ боломжуудыг бий болгож, хагас дамжуулагчийн дизайн, үйлдвэрлэлийн үйл явцыг сайжруулах боломжийг олгодог тул хагас дамжуулагчийн салбарт мэдэгдэхүйц нөлөө үзүүлж эхэлж байна.
Програм хангамжийг техник хангамж руу шилжүүлэх нь зах зээлийн боломжийг бий болгодог. . .
Хэдэн арван жилийн турш технологийн архитектур, программ хангамжийн давхарга нь компьютер болон гар утсанд авчирсан чухал дэвшлүүд буюу энэ эрин үеийг тодорхойлсон тоглоомыг өөрчилсөн шинэлэг зүйлүүдийн улмаас өндөр технологид давамгайлж байна. Гэсэн хэдий ч AI-ийн өсөлт нь үүнийг өөрчилж магадгүй, учир нь AI програмууд нь инновацийн гол хүчин зүйл болох техник хангамжид тулгуурладаг.
“Хиймэл оюун ухааны техник хангамж: Хагас дамжуулагч компаниудад зориулсан шинэ боломжууд” хэмээх McKinsey нийтлэлийн дагуу хиймэл оюун ухаан нь хагас дамжуулагч компаниудад технологийн үнэ цэнийн 40-50 хувийг эзэмших боломжийг олгож, хадгалалтын хэмжээ хамгийн өндөр өсөлттэй байна. Гэсэн хэдий ч компаниуд тооцоолол, санах ой, сүлжээний салбарт хамгийн их үнэ цэнийг олж авах болно.
AI нь том өгөгдлийн багцыг боловсруулж, туршлагаасаа “суралцаж”, цаг хугацааны явцад сайжруулж чаддаг нарийн төвөгтэй машин сургалтын (ML) алгоритмуудыг хөгжүүлснээр чухал ахиц дэвшил гаргасан. Хамгийн том үсрэлтүүд нь илүү өргөн хүрээний өгөгдлийг боловсруулах чадвартай, хүнээс өгөгдлийг урьдчилан боловсруулахыг бага шаарддаг, илүү нарийвчлалтай үр дүнг гаргадаг ML-ийн төрөл болох гүнзгий суралцах (DL) дахь дэвшлүүдээр хийгдсэн.
Техник хангамж нь хиймэл оюун ухааныг ялгах үүрэг гүйцэтгэдэг болсноор хагас дамжуулагч компаниуд одоо байгаа чипийнхээ эрэлтийг нэмэгдүүлээд зогсохгүй хэд хэдэн чиглэлээр шинэлэг технологиудыг ашиглах боломжийг олж авах болно. Тодруулбал, үүнд:
Тооцоолох: Одоо байгаа зах зээл дээр GPU эсвэл FPGA зэрэг зэрэгцээ боловсруулалтын хурдасгууруудыг ашиглах боломжууд байдаг. Мөн ажлын ачаалалд зориулагдсан хиймэл оюун ухааны хурдасгуурыг ашиглах боломжтой.
Санах ой: Одоогоор өндөр зурвасын өргөнтэй санах ой болон чип дээрх SRAM санах ойн боломжууд бий.
Хадгалалт: Мэдээллийг илүү их хадгалах нь одоо байгаа хадгалах систем, мөн хиймэл оюун ухаанаар оновчтой хадгалах системүүдийн эрэлтийг нэмэгдүүлэх болно. Тогтворгүй санах ой (NVM) нь санах ой болон хадгалах програмуудын аль алинд нь үүрэг гүйцэтгэх зорилгоор бий болж байна.
Сүлжээ: Дата төвийн дэд бүтцэд программчлагдах свич болон өндөр хурдны харилцан холболтын шинэ боломжууд бий.
Хагас дамжуулагчийн үйлдвэрлэлд хиймэл оюун ухааныг ашиглах
“Accenture Semiconductor Technology Vision 2019” нэртэй тайланд дурдсанаар, судалгаанд хамрагдсан хагас дамжуулагчийн удирдлагуудын 77 хувь нь хиймэл оюун ухааныг бизнестээ нэвтрүүлсэн эсвэл технологийг туршиж байгаа гэж хариулжээ.
Хэрэглээний нэг талбар бол хиймэл оюун ухаан, том өгөгдлийг ашиглан үйлдвэрлэлийн гарц, чанарыг сайжруулах боломжтой урьдчилан таамаглах засвар үйлчилгээ юм. Жишээ нь, Coventor-ийн CTO Дэвид Фрид багаж хэрэгсэлд мэдрэгч нэмж, илүү хатуу үйлдвэрлэлийн хүлцлийг дагаж хиймэл оюун ухаан руу шилжих хувьслын үйл явцыг тайлбарлав.
Үйлдвэрлэл 200 мм-ээс 300 мм-д шилжих үед боломжтой өгөгдлийг нэмэгдүүлэхийн тулд багаж хэрэгсэл дээр илүү олон мэдрэгч гарч ирсэн боловч шинжилгээ хийвэл реактив байх хандлагатай байсныг тэрээр тэмдэглэв. Хэрэв алдаа гарсан бол үйл явц, дараа нь бүтэлгүйтсэн зүйлийг тодорхойлохын тулд стандарт шинж чанарын үйлдлийг гүйцэтгэсэн. Дараа нь ирээдүйд алдаа гарахаас урьдчилан сэргийлэхийн тулд алдаа илрүүлэлтийг тухайн зүйлд нэмж болно. Гэсэн хэдий ч боловсруулалтын нарийн төвөгтэй байдлын түвшин нэмэгдэхийн хэрээр энэхүү реактив үйлдлийн горимыг тогтвортой байлгахад улам хэцүү болж байна.
Гэсэн хэдий ч тоног төхөөрөмжийн мэдрэгч нь багажны үйл ажиллагаа болон процессын төлөв байдлын аль алинд нь өгөгдөлд дүн шинжилгээ хийх боломжийг олгодог. Санал хүсэлт нь аль тасалгааны аль өрөөнд байгаа тухай мэдээлэлээс эхлээд роботын гарны одоогийн байрлал болон бусад олон зүйлээс бүрддэг бөгөөд энэ нь фабын бүх тоног төхөөрөмж, олон төрлийн үйл явцын хувьд үржүүлж, их хэмжээний мэдээллийн сорилтыг үүсгэдэг.
Эцсийн эцэст, ашиг тус нь үүнээс илүү байж болох юм – аль хэдийн байгаа энгийн машин сурахаас эхлээд илүү том, илүү өргөн, бүрэн нэгдсэн мэдээллийн багц юм. Хиймэл оюун ухаантай илүү гүнзгий огтлолцож, үйлдвэрлэлийн шугамын зорилгыг гарц, нэвтрүүлэх чадвар, төхөөрөмжийн гүйцэтгэлийн хэтийн төлөвөөс ойлгох боломжийг олгоно. Энэ нь үйлдвэрлэлийн бүх замыг нарийн тохируулах боломжийг олгоно.
