آینده صنعت نیمه هادیها
🔴 صنعت تراشهسازی همواره با تلفیقی از دغدغهها و امیدواریهای بیپایان مواجه بوده است. از زمانی که گوردون مور در دهه ۱۹۶۰ متوجه شد که قدرت پردازش تراشهها هر دو سال دو برابر میشود، این الگو به "قانون مور" مشهور شد و برای دههها به عنوان یک معیار کلیدی در این صنعت شناخته میشد.
🟠با وجود هشدارهای متعدد مبنی بر پایان یافتن این قانون، صنعت تراشه موفق شد تا به پیشرفتهای چشمگیری دست یابد. در طول 50 سال گذشته، سرعت پردازندهها هزاران برابر افزایش یافته و ظرفیت ذخیرهسازی به میزان قابل توجهی بهبود یافته است، به طوری که اکنون ترانزیستورها با هزینهای بسیار کمتر از گذشته تولید میشوند.
🟡 نیمه هادیها اکنون یکی از سه کالای تجاری باارزش جهان (پس از نفت و خودرو) هستند و نقش مهمی در اقتصاد جهانی ایفا میکنند. با وجود پیشرفتهای چشمگیر، صنعت نیمه هادیها همچنان نگران پایان قانون مور است.
🟢 در گذشته، با کوچکتر شدن اندازه ترانزیستورها، عملکرد تراشهها بهتر و مصرف انرژی آنها کمتر میشد. اما امروزه با پیچیدهتر شدن تراشهها، این بهبودها با هزینههای بیشتر، بهویژه در مصرف انرژی، همراه است.
🔵 در تراشههای پیشرفتهای که برای هوش مصنوعی طراحی شدهاند، افزایش تعداد ترانزیستورها منجر به افزایش قابل توجه مصرف انرژی شده است. به عنوان نمونه، تراشه جدید Nvidia با نام Blackwell، در مقایسه با نسخه قبلی خود، پنج برابر سریعتر است اما ۷۰ درصد انرژی بیشتری مصرف میکند.
🟣این روند باعث نگرانیهایی درباره مصرف بالای انرژی در دیتاسنترها شده است. برخی برآوردها حاکی از آن است که OpenAI برای آموزش مدلهای هوش مصنوعی مانند ChatGPT بیش از ۵۰ گیگاوات ساعت برق مصرف کرده است. طبق تخمینهای آژانس بینالمللی انرژی، دیتاسنترها در سال ۲۰۲۲ حدود ۴۶۰ تراوات ساعت برق مصرف کردهاند که معادل ۲ درصد از تقاضای جهانی برق است، و انتظار میرود این رقم تا سال ۲۰۲۶ دو برابر شود.
🔴علاوه بر چالش مصرف انرژی، صنعت نیمههادیها دستخوش تغییرات دیگری نیز شده است، از جمله کاهش اهمیت کامپیوترهای همهمنظوره. نیل تامپسون از MIT توضیح میدهد که قانون مور برای دههها باعث پیشرفت پیوسته در پردازندههای عمومی (CPU) شده بود که قابلیت انجام وظایف متنوعی را داشتند. اما با کاهش سرعت پیشرفت در معماری تراشهها، شرکتها اکنون به سمت تولید تراشههای تخصصی برای کاربردهای خاص، مانند هوش مصنوعی، روی آوردهاند. این تغییرات منجر به شکلگیری دو مسیر مجزا شده است: تراشههای سفارشی برای کاربردهای پیشرفته و تراشههایی با کاربرد عمومیتر.
🟠 یکی دیگر از تحولات مهم، همگرایی سختافزار و نرمافزار و از بین رفتن مرزهایی است که پیشتر توسط مایکروسافت و اینتل تعیین شده بود. بیل دالی، دانشمند ارشد Nvidia، معتقد است که پیشرفتهای نرمافزاری و معماری تراشه اکنون به همان اندازه پیشرفت در فرآیندهای تولید اهمیت دارد. شرکتهایی مانند اپل، گوگل و آمازون نیز در حال توسعه تراشههای سفارشی برای نرمافزارهای ویژه خود هستند.
🟡 به عنوان مثال، تراشههای گوگل به منظور اجرای TensorFlow (نرمافزار یادگیری ماشین این شرکت) طراحی شدهاند، در حالی که اپل تراشههایی تولید میکند که به طور خاص برای نرمافزارها و دستگاههای خود بهینهسازی شدهاند. در نهایت، به نظر میرسد صنعت نیمههادیها با نوآوری در طراحی تراشهها، استفاده از مواد جدید و بهینهسازی محصولات، قادر است دورهای طلایی مشابه دوران Wintel را ایجاد کند.
🟢برای مطالعه بیشتر به لینک زیر مراجعه نمایید:👇🏻👇🏻👇🏻
https://www.economist.com/technology-quarterly/2024/09/16/the-end-of-moores-law-will-not-slow-the-pace-of-change
https://s8.uupload.ir/files/d_9u6t.png
✅با ما میزبان آینده باشید
🆔@Ti_up
3September 30, 2024 212 1
