חידושי שבבים הופכים לקטנים וחזקים יותר ויותר
שבבי מחשב הם הבסיס לעולמנו הדיגיטלי. שום סמארטפון, שום מחשב, שום מכונית ושום שלט רחוק לא יכולים לתפקד בלעדיהם. ויום אחד, לא כל כך רחוק, הם כנראה יושתלו גם בראשנו.
בינה מלאכותית (AI) בפרט מניעה את הביקוש לכוח מחשוב רב יותר בצורה קומפקטית. יצרני שבבים מגיעים לגבולות הפיזיים שלהם בתהליך זה. סטארט-אפים ואוניברסיטאות אירופאיות חוקרות חידושים בתחום השבבים כדי לספק את הרעב הגובר לכוח מחשוב.
בשנת 1971, חברת השבבים אינטל השיקה את המיקרו-שבב הראשון שהצליח מסחרית, ה-"4004". באותה תקופה, זה היה סנסציה; כיום, לעומת זאת, שבב המחשוב בגודל שלושה על ארבעה מילימטרים נראה מגושם. ומעל הכל, חלש: הוא הכיל רק 2,300 טרנזיסטורים - מספר בלתי נתפס אז, מעט עד גיחוך בסטנדרטים של ימינו.
טרנזיסטורים נותרו הליבה של כל שבב מחשב. מתגים זעירים שמעבירים בין הפעלה לכיבוי, בין אפס לאחד. מתגים אלה מניחים את היסודות לעולמנו הדיגיטלי. ככל שיש יותר טרנזיסטורים, כך השבב חזק יותר: והביקוש העולמי לכוח מחשוב ואחסון נתונים הולך וגדל.
במשך שנים, תעשיית השבבים העסיקה את עצמה בשאלה אחת מעל לכל: כמה טרנזיסטורים נוספים יכולים להיכנס לשבב בודד? במהלך העשורים, הטרנזיסטורים הפכו קטנים יותר ויותר, כך שכיום הם מורכבים מקומץ אטומים בלבד. מתגים אלה דקים כיום משערת אדם, קטנים יותר מתאי דם אדומים, ומצוידים בקילומטרים של חיווט. מתג זעיר - קטן פי 500,000 ממילימטר - שהפך הכרחי לחלוטין בחיי היומיום שלנו. מאתיים מיליון טרנזיסטורים יכולים להיכנס למילימטר מרובע אחד; על שבב בודד, אפילו עשרות מיליארדים
עם זאת, בעתיד הקרוב, ניסיון זה לצמצם את מדע המוליכים למחצה יגיע לקצה גבול היכולת הפיזיקלית שלו.
כיום, אנו משתמשים בטכנולוגיות שבבים כגון CPU (יחידות עיבוד מרכזיות) עבור מחשבים וסמארטפונים. הטכנולוגיה האלטרנטיבית של GPU (יחידות עיבוד גרפיות), המכונה גם כרטיסי מסך, פותחה במקור עבור תמונות, תוכן וידאו וגרפיקה תלת-ממדית עבור מסכי מחשב. יצרנית השבבים Nvidia עשתה לעצמה שם עם שבבים אלה וכיום רוכבת על גל הביקוש לשבבי בינה מלאכותית. לכרטיסי מסך אלה יש את היתרון של היכולת לבצע משימות מקבילות ולטפל במשימות רבות בו זמנית - בדיוק מה שבינה מלאכותית צריכה כדי לעבוד ביעילות.
עבור בינה מלאכותית, שבבי גרפיקה הוכחו כפתרון הטוב ביותר הזמין כיום; כרטיסי מסך (GPU) הם אפשרות הגיבוי לאלגוריתמים של בינה מלאכותית. הסיבה לכך היא שאין כרגע גישות חדשות לשבבי בינה מלאכותית. מה שכן קיים הוא מחקר וחדשנות רבים. למרות שכל ננומטר בשבב שלך כבר מלא במתגים, עדיין יש מקום לא מנוצל, במיוחד מבחינת גובה. זה מה שסמרון חוקרת. הסטארט-אפ שבסיסו בדרזדן פיתח שבבים שמביאים בינה מלאכותית ישירות למכשירי קצה כמו סמארטפונים ואוזניות. זה מאפשר עיבוד נתונים מקומי במכשירים, וזה יתרון במיוחד עבור מידע רגיש. עם זאת, כדי שהשבבים יהיו חזקים מספיק, עליהם להיות קטנים, קומפקטיים, חסכוניים וחסכוניים באנרגיה ככל האפשר
המייסד השותף אהרון קירשן מודע היטב לכך שסתם ערימת שלושה, ארבעה או אפילו חמישה שבבים בחבילה אינה מספיקה. ביצועים גבוהים פי חמישה, בשילוב עם העלות של חמישה שבבים, אינם מועילים כאשר נדרשת עלייה של פי 1000 בביצועים. במקום זאת, Semron מתכננת ליישם שכבות מרובות של שבבים במהלך תהליך הייצור עצמו. טכנולוגיית המוליכים למחצה הרשומה כפטנט שלהם, "CapRAM", מאפשרת עיבוד מקומי של מודלים של בינה מלאכותית. זה כבר עובד עם שבבי זיכרון, כמו אלה שנמצאים בסמארטפונים. הטלפונים שלנו מכילים עד 200 שכבות של זיכרון. עם זאת, טכניקה זו מוכיחה את עצמה כמאתגרת יותר עבור מעבדים - רכיבי המחשב של שבב. ראשית, טרנזיסטורים אינם נערמים בקלות רבה יותר. שנית, עיצוב זה דורש יותר אנרגיה, ובצפיפויות אנרגיה גבוהות יותר, השבב מסתכן בהתחממות יתר. Semron טוענת שפתרה בעיה זו. כעת הצוות עומד בפני האתגר העיקרי של לגרום ליצרני שבבים ליישם את תהליך הייצור הרשום כפטנט ולייצר את השבבים במנות גדולות. עם זאת, הרעיון לבדו אינו מספיק כדי לספק את הביקוש ההולך וגובר לכוח מחשוב. גם את השבבים צריך לייצר - וזה לא קורה בגרמניה ואפילו לא באירופה. זה דומה למהפכה התעשייתית לפני 150 שנה.
