础滨驱动的设计应用
随着摩尔定律的放缓,前沿技术不再是人们关注的唯一焦点,创新正朝着创造差异化的方向转变,而“连接”,让一切可能变得可控。
在2019 ASPENCORE第二届“全球CEO峰会”上,新思科技董事长兼联席CEO Aart de Geus博士以“后摩尔时代,shift left抢占科技经济先机”为题,探讨了在近来算力和算法方面获得多项突破,每个领域都呈指数级递增,人类正以历史上前所未有的速度进行技术变革的大环境下,为了实现支撑“万物智能”时代发展的计算架构会不会因为进入后摩尔时代,性能、功耗和成本持续同步上升?如果要打造全新“Shift Left”,以此抢占世界科技经济先机,又将需要具备哪些关键因素?
人类的知识对技术的发展非常重要,从公元前四十万年前的火,到后来的耕犁等农用工具,再到马、车轮、印刷术,布尔指数还有数字电子,最后到今天的人工智能。所有发展都有一个共同点,就是从工程学影响到科技经济,最后经过融合,形成指数级的影响。
这种发展会应用在不同领域,比如生物、生态、智能等,还有其他一些中间领域。例如印刷机的出现就给人类技术的发展带来深远影响。在公元前六七百年,中国就有了雕版印刷,德国是公元后1440年才出现了现代活字印刷。五百年之"后,世界出现了另一种印刷技术,就是布尔字母和逻辑库,然后又出现了平版印刷。
晶体管、电子设计和自动化的产生让我们进入了数字时代,在这样一个呈指数发展的时代,为了让项目不再延误,我们需要综合考虑结果的质量(蚕翱搁)、实现结果的时间(罢罢搁)和实现结果的成本(颁翱搁),以期用低成本、短时间达到理想的结果。
在过去50年的时间里,新思科技一直致力于加快产物的开发周期。电子设计自动化(贰顿础)帮助我们实现用电脑程序来设计先进的芯片,通过把信息输入电脑,抓取相关的信息,建立模型,进行模拟、分析、优化、自动化操作,最后不断地重复利用,产生滨笔核。
础滨(人工智能)的发展是抓取数据、在网络中建模、学习进行解码,最后深化成一个自动行为的过程。
通过模拟建模和机器学习,我们能够了解和预估未来可能出现的失败,实现前面提到的科技经济的Shift Left,在此过程中,技术由原来的规模复杂性转化成系统复杂性。
这一转变具有重要意义,以正在发生重大变革的汽车行业为例。
未来的汽车越来越方便、快捷和安全,但也越来越复杂。一辆汽车中通常包含4到5个关键的电子系统,无论是建立汽车基本架构还是汽车联网,都离不开芯片。因为汽车开发需要耗费大量的时间,所以需要虚拟原型提前验证。这不仅需要芯片,还要建立系统、架构和模型,对软件和硬件进行验证,然后才能进行应用。
又例如,气侯变暖已经威胁到人类的生存状态,因此我们需要能够预测气候变化。从1970年代至今,虽然气候的模型越来越复杂,但是数据分析越来越精确。只有通过数据模型才能更好了解气侯的变化,进而有可能解决全球变暖的问题。
还有很多行业需要通过模拟建模和机器学习,学会数据分析,以此推动技术发展,由于机器学习会消耗很多能量,因此,我们要不断发展新技术,以此降低能耗。
很多技术都源于算法,融合就是把现有的技术整合到同样的算法中,提高其有效性。实现融合的关键要素就是进行架构创新。
最伟大的融合工具其实是我们的大脑,它可以进行逻辑思维和分析,不断学习新东西,它也是人工智能发展的目标。
驱动人工智能发展的方法很多,比如机器学习、物联网等。经济利益驱使我们进入垂直市场,而每一个垂直市场都能让础滨迅猛发展。
今天半导体发展非常迅速,通过摩尔定律,整个半导体市场的规模会变得更大,芯片成本会越来越高,芯片尺寸会越来越小。行业现在的础滨设计用芯片可以达到有1.2万亿个晶体管,边长达到22厘米,未来或许同等级别的芯片可以缩小为一个指甲盖大小。因此,我们可以开发专用芯片,设计全新的架构,以适应具体的行业和领域,然后解决功耗、性能、安全等的挑战。
软件可以解决安全性问题,但软件本身也有安全性问题,因此当完成后,需要检查软件安全性,找出问题并不断解决问题。特别是在我们用到很多开源软件的情况下,开源会产生数据泄露的问题,所以我们需要在整个开发过程的早期就开始介入,并在之"后的开发过程中解决这些问题,实现Shift Left。
智能互联关系到是否能实现指数级的发展,关系到每个领域里都需要“Shift Left”的控制和管理,关系到质量、时间和成本的调整。我们面临很多挑战和验证问题,需要打造很多虚拟原型和样本,以处理性能、安全、隐私、可靠性等问题,最后通过协作来共同解决问题.