Anforderungen krempeln Prozesse um IC-Design im KI-Zeitalter

Validierung ist das Stichwort

Dass die jeweiligen Verarbeitungselemente einschließlich KI-Beschleuniger und Speicher und die erforderlichen Architekturen auf die Workloads zugeschnitten sein müssen, verhelfen laut Ravi Subramanian den ASICs zu einer Renaissance. Sie verdrängen die CPUs, GPUs und FPGAs, die bisher viele KI-Aufgaben übernommen haben. In Inferenz-Anwendungen von Datenzentren werden die ASICs nach Zahlen von McKinsey bis 2025 ihren Anteil von 10 auf 40 Prozent steigern, während der CPU-Anteil auf 50 Prozent fällt. In Training-Anwendungen wächst der ASIC-Anteil von praktisch 0 auf 40 Prozent, während der Anteil der dort üblichen GPUs von 2017 97 Prozent auf 40 Prozent sinkt. In Edge-Geräten wird der Anteil der CPUs für die Inferenz von 60 Prozent im Jahr 2017 bis 2025 auf Null fallen. Dafür legen die ASICs von 30 auf 70 Prozent zu und die GPUs von Null auf 20 Prozent. Im Training-Sektor steigt der ASIC-Anteil von 50 auf 70 Prozent, die CPUs verschwinden praktisch ganz, dafür steigt der FPGA-Anteil auf 20 Prozent.

Genau darauf zielt beispielsweise eSilicon mit ihrer „Machine Learning ASIC Platform“ (MLAP) ab. Das Unternehmen spricht von einer neuen Klasse von ASICs, die zusammen mit 3D-Memory-Stacks in einem einzigen Gehäuse untergebracht sind. Die Entwicklungsumgebung neuASIC soll den Anwendern erlauben, die Vorteile von ASICs mit der Flexibilität zu verbinden, die erforderlich ist, um auf die Aufgaben zugeschnittene KI-Chips zu entwerfen und an sich herausbildende Standards anzupassen.

Auch Ravi Subramanian freut sich über diesen Trend: »Die Entwicklung bietet große Chancen für Mentor, besonders, nachdem Siemens Mentor übernommen hat.« Als Beispiel nennt er das völlig neue Validierungsprogramm, das Mentor als Teil von Siemens im Sommer dieses Jahres vorgestellt hat: PAVE360. Die neue Plattform ermöglicht es Automobil- und Chipherstellern, Tier-One-Zulieferern, Softwarehäusern und anderen Anbietern, bei der Entwicklung und Anpassung von außergewöhnlich komplexen Halbeiterbauelementen für autonome Fahrzeuge zusammenzuarbeiten. PAVE360 bietet für diese Kollaboration eine robuste Plattform, die dabei hilft, das Chipdesign und die Softwarevalidierung zu beschleunigen und die Herstellung von modellspezifischen Halbleitern für die erste Generation von selbstfahrenden Autos zu ermöglichen. »So können wir jetzt die Verifikation und die Validierung aus dem Blickwinkel des Gesamtsystems für ganze elektronische Plattformen durchführen, von der Halbleiterentwicklung bis zur Systemvalidierung, in diesem Fall für Automotive, also bis zur vollständigen Fahrzeugvalidierung«, sagt Ravi Subramanian.

Validierung ist das Stichwort. Denn unter den geänderten Bedingungen steigen die Kosten für die Verifizierung der SoC- und FPGA-Plattformen schneller als die für das Design der SoCs: Während die Designkosten über die nächsten fünf Jahre mit durchschnittlich 3,6 Prozent zulegen, klettern die Kosten für die Verfizierung um 10,4 Prozent pro Jahr. Dominierender Kostenfaktor ist nicht mehr die Hardware-Verifizierung, sondern die Software-Verifizierung. »Genau dieser Punkt dürfte entscheidend dafür sein, dass Mentor und Siemens durch die Kombination aus dem Know-how beider vom derzeit stattfindenden Umbruch zu profitieren«, ist Ravi Subramanian überzeugt.

KI-Chips im Aufschwung

Lag der Total Available Market für KI-Halbleiter 2017 noch bei 17 Mrd. Dollar, so soll er nach einer Studie von McKinsey 2020 auf 32 Mrd. Dollar wachsen und 2025 bei 65 Mrd. Dollar landen, bei einem Gesamt-TAM von dann 362 Mrd. Dollar. Zum Vergleich: für 2020 wird der Gesamtmarkt auf 256 Mrd. Dollar geschätzt. Damit wächst der KI-TAM mit durchschnittlich 18 bis 19 Prozent pro Jahr, fünfmal schneller als der Nicht-KI-TAM. Laut Tractica wächst der ASIC-Markt mit durchschnittlich nicht weniger als 168 Prozent pro Jahr zwischen 2016 und 2021, GPUs mit 106 Prozent und CPUs mit 117 Prozent. »Die CPUs werden keinesfalls verschwinden, sie werden in den Systemen nach wie vor gebraucht. Aber sie wachsen langsamer als die ASICs«, sagt Ravi Subramanian von Mentor. »KI- und Machine-Learning-Chipsets werden mit 190 Prozent pro Jahr explodieren.«