Auf der Konferenz herrschte Einigkeit darüber, dass KI und Halbleiter derzeit die Säulen für die Zukunft der digitalen Wirtschaft sind. Insbesondere die beiden Elemente „KI“ und „Halbleiter“ gehen Hand in Hand. Am deutlichsten zeigt sich, dass KI dabei hilft, die Halbleiterherstellung zu automatisieren, Produktfehler vorherzusagen und zu erkennen sowie die Fertigungsqualität und -effizienz zu verbessern.

Herr Christopher Nguyen, CEO von Aitomatic, nannte ein Beispiel: Bis 2030 werden einige Fabriken, insbesondere fortschrittliche Produktionsanlagen, strengere Standards erfordern. Beispielsweise sind bei der Plasmaverarbeitung Parameter wie Brennstoffdurchmesser, Druck, Temperatur und Dutzende anderer Faktoren erforderlich, um nahezu absolute Präzision zu gewährleisten. KI wird dazu beitragen, diese Genauigkeit sicherzustellen.

„KI kann sich ohne Halbleiter nicht entwickeln, und umgekehrt verändert sich die Halbleiterindustrie dank der Fortschritte in der KI rasant. Es ist eine symbiotische Beziehung, in der sich beides gegenseitig vorantreibt“, sagte er.

Herr Christopher Nguyen, CEO von Aitomatic, sprach auf dem Workshop.

Hinsichtlich des allgemeinen technologischen Bildes zitierte Herr Christopher Nguyen das Mooresche Gesetz und bestätigte, dass die Entwicklungsgeschwindigkeit von KI und Halbleitern sehr hoch sei. Alle 18 Monate verbessert sich die Mikroprozessortechnologie erheblich.

Was den Markt betrifft, erlebt die Welt ein bemerkenswertes Wachstum, und es wird erwartet, dass die Nachfrage nach KI-Verarbeitungschips in den kommenden Jahren weiterhin stark ansteigen wird. Länder wie die USA, China, Japan und Südkorea steigern ihre Investitionen in diesem Bereich. Das Rennen zwischen den führenden Technologieländern ist äußerst hart.

Im Bereich der Chipherstellung bemerkte Anna Goldie, leitende Expertin für wissenschaftliche Forschung bei Google, dass der Rechenleistungsbedarf der KI zwar exponentiell wachse, die Hardwarekapazität jedoch nicht mithalte, sodass eine immer größere Lücke entstehe. Um dieses Problem zu lösen, wurden neue KI-Technologien wie AlphaChip eingeführt – eine KI-gestützte Chipdesignmethode. Sie ist davon überzeugt, dass sich der Chipdesignprozess durch den Einsatz von KI enorm beschleunigen lässt und gleichzeitig die Kosten gesenkt und die Leistung optimiert werden kann.

„Um das Potenzial von KI voll auszuschöpfen, müssen wir die Chip-Designzyklen verkürzen, Algorithmen verbessern und Daten optimal nutzen. KI wird künftig nicht nur zur Verbesserung der Hardware beitragen, sondern auch in vielen anderen Bereichen – vom Gesundheitswesen über das Finanzwesen bis hin zur industriellen Fertigung – zu bahnbrechenden Entwicklungen beitragen“, sagte Anna Goldie.

Insbesondere stellte Frau Anna Goldie die AlphaChip-Methode vor, die KI nutzt, um das Layout der Komponenten auf dem Chip zu optimieren und so dazu beiträgt, die Latenz zu reduzieren, Strom zu sparen und die Produktionsfläche zu optimieren. KI kann den Chip-Designprozess verbessern, indem sie die Vorlaufzeiten verkürzt und die Produktleistung verbessert. AlphaChip wurde auf die neuesten Generationen von Google TPUs angewendet und bietet im Vergleich zu herkömmlichen Designmethoden erhebliche Effizienzsteigerungen.

In der Zwischenzeit berichtete Herr Tran Thanh Long, Professor an der Warwick University, mehr über die weltweiten Bemühungen, die dazu beitragen, die Leistungsfähigkeit der KI- und Halbleitertechnologie zu steigern. Er diskutiert beispielsweise, wie Speicher und die Bayes-Theorie genutzt werden können, um die Leistung und Skalierbarkeit künstlicher Intelligenz (KI) zu verbessern. Durch die Speicherung im Gedächtnis kann sich KI Informationen langfristig merken und vergangene Daten zur Optimierung von Entscheidungen nutzen.

„Die Bayes’sche Theorie hilft der KI, ihre Vorhersagewahrscheinlichkeiten anhand neuer Daten anzupassen, wodurch das System schneller und effizienter lernt. Diese Kombination reduziert den Bedarf an Rechenressourcen und gewährleistet gleichzeitig eine hohe Genauigkeit“, sagte Herr Long.

Darüber hinaus trägt dieser Ansatz dazu bei, dass KI in Bereichen wie dem Gesundheitswesen, der industriellen Fertigung und der Automatisierung reibungsloser funktioniert. Insbesondere kann KI Daten besser verarbeiten, ohne zu sehr auf große Rechenzentren angewiesen zu sein, was Kosten und Ressourcen spart. Dadurch werden die Systeme intelligenter, effizienter und selbstanpassend, ohne dass dafür riesige Datenmengen erforderlich sind.

Frau Ngan Vu von Google DeepMind stellt eine Forschungsrichtung vor, die die Verwendung von Circuit Neural Networks zur Erstellung effizienter Logikschaltungsdesigns vorschlägt. Durch die Anwendung von simuliertem Glühen und anderen Optimierungstechniken möchte ihr Expertenteam den Schaltungsdesignzyklus vom Konzept bis zum tatsächlichen Produkt verkürzen.

Eine der größten Herausforderungen besteht darin, die Genauigkeit und Leistung der Schaltung in Einklang zu bringen und sicherzustellen, dass das Design nicht nur präzise funktioniert, sondern auch Ressourcen spart. Wenn es jedoch gelingt, die Lücke zwischen KI-Software und -Hardware zu schließen, ergeben sich in der Halbleiterindustrie zahlreiche neue Möglichkeiten. „Die Anwendung von KI im Schaltungsdesign dürfte die Arbeitsweise der Halbleiterindustrie verändern, den Entwicklungsprozess beschleunigen und optimalere Designs liefern“, sagte Frau Ngan Vu.