طراحی تراشه با AI

همکاری OpenAI و Synopsys برای طراحی تراشه با AI

OpenAI و Synopsys برای توسعه مدل تخصصی GPT-Synopsys همکاری می‌کنند؛ مدلی که با استفاده از ابزارهای EDA می‌تواند فرایند طراحی و بهینه‌سازی تراشه‌ها را متحول کند.
طراحی تراشه با AI

به گزارش هوش نیوز، OpenAI و Synopsys از آغاز یک همکاری راهبردی چندساله برای توسعه و ارائه یک مدل هوش مصنوعی تخصصی با نام GPT-Synopsys خبر داده‌اند؛ اقدامی که می‌تواند نقش هوش مصنوعی را در صنعت نیمه‌رسانا وارد مرحله تازه‌ای کند.

در این همکاری، توانایی‌های مدل‌های پیشرفته OpenAI با ابزارهای اتوماسیون طراحی الکترونیکی (EDA) و دانش تخصصی Synopsys در حوزه طراحی تراشه ترکیب می‌شود. هدف این است که GPT-Synopsys بتواند مانند یک کاربر متخصص، مستقیماً با ابزارهای طراحی تراشه کار کند، نتایج را تحلیل کند و بر اساس خروجی‌ها، فرایند طراحی را به‌صورت تکرارشونده بهینه کند.

GPT-Synopsys قرار است چه کاری انجام دهد؟

بر اساس اعلام Synopsys، مدل جدید برای انجام بخش‌هایی از چرخه طراحی و تأیید تراشه بهینه خواهد شد. مهندسان می‌توانند اهدافی مانند بهینه‌سازی توان مصرفی، عملکرد و مساحت تراشه (PPA) یا رسیدن به مرحله نهایی تأیید طراحی را به سیستم بسپارند.

در این فرایند، عامل هوش مصنوعی می‌تواند ابزارهای EDA را اجرا کند، نتایج به‌دست‌آمده را تفسیر کند، تغییرات لازم را اعمال کند و این چرخه را چندین بار تکرار کند تا به یک طراحی بهینه‌تر برسد. در نهایت نیز نتیجه برای بررسی و تأیید مهندس انسانی ارائه خواهد شد.

این رویکرد با نسل قبلی ابزارهای هوش مصنوعی در طراحی تراشه تفاوت دارد. در بسیاری از کاربردهای پیشین، AI بیشتر نقش یک ابزار کمکی یا بهینه‌ساز را ایفا می‌کرد؛ اما در مدل جدید، هدف این است که هوش مصنوعی به یک کاربر متخصص ابزارهای طراحی تراشه تبدیل شود و بتواند در بخش‌های مختلف فرایند طراحی و بررسی، به‌صورت فعال عمل کند.

چرا ورود OpenAI به طراحی تراشه مهم است؟

طراحی تراشه یکی از پیچیده‌ترین بخش‌های صنعت فناوری محسوب می‌شود. افزایش تعداد ترانزیستورها، پیچیده‌تر شدن معماری تراشه‌ها و توسعه شتاب‌دهنده‌های هوش مصنوعی باعث شده فرایند طراحی و تأیید تراشه به زمان و نیروی متخصص بیشتری نیاز داشته باشد.

از سوی دیگر، خود صنعت نیمه‌رسانا با کمبود نیروی مهندسی و افزایش فشار برای کاهش زمان عرضه محصولات مواجه است. Synopsys پیش از این نیز از هوش مصنوعی برای بهینه‌سازی طراحی تراشه استفاده کرده و ابزارهای AI خود را در بخش‌هایی مانند طراحی، پیاده‌سازی، تأیید و آزمون توسعه داده است.

همکاری با OpenAI می‌تواند این روند را یک مرحله جلوتر ببرد؛ یعنی به‌جای اینکه AI تنها در یک مرحله مشخص از فرایند طراحی مورد استفاده قرار گیرد، بتواند با ابزارهای تخصصی ارتباط برقرار کرده و بخشی از یک فرایند پیچیده مهندسی را از ابتدا تا رسیدن به نتیجه مطلوب دنبال کند.

حرکت از «AI برای نرم‌افزار» به «AI برای زیرساخت فناوری»

اهمیت این همکاری تنها به صنعت تراشه محدود نمی‌شود. بخش قابل توجهی از زیرساخت مورد نیاز برای توسعه مدل‌های هوش مصنوعی به تراشه‌های پیشرفته و شتاب‌دهنده‌های محاسباتی وابسته است.

در نتیجه، ورود مدل‌های پیشرفته هوش مصنوعی به فرایند طراحی همین تراشه‌ها می‌تواند یک چرخه جدید ایجاد کند: هوش مصنوعی به ساخت زیرساخت سخت‌افزاری مورد نیاز برای توسعه نسل بعدی هوش مصنوعی کمک می‌کند.

OpenAI نیز اعلام کرده است که هدف از این همکاری، کمک به مهندسان برای بررسی طرح‌های بیشتر و رسیدن سریع‌تر به تراشه‌های عملیاتی است؛ موضوعی که در نهایت می‌تواند به توسعه سیستم‌های هوش مصنوعی قدرتمندتر کمک کند.

GPT-Synopsys چه زمانی عرضه می‌شود؟

در حال حاضر، GPT-Synopsys در مرحله توسعه و تعاملات اولیه فناوری با برخی شرکت‌های بزرگ حوزه نیمه‌رسانا قرار دارد و هنوز نباید آن را یک محصول عمومی و آماده استفاده در بازار در نظر گرفت.

طبق اعلام Synopsys، این مدل روی زیرساخت OpenAI اجرا خواهد شد و قرار است با پلتفرم Synopsys.ai و سیستم عامل عامل‌محور Synopsys Autopilot یکپارچه شود. همچنین دو شرکت اعلام کرده‌اند که حفاظت از داده‌های اختصاصی مشتریان، امنیت سازمانی و کنترل‌های دسترسی از بخش‌های مهم این سرویس خواهند بود.

نقطه عطفی برای اقتصاد هوش مصنوعی

همکاری OpenAI و Synopsys را می‌توان نشانه‌ای از تغییر مسیر اقتصاد هوش مصنوعی دانست. AI دیگر صرفاً ابزاری برای تولید متن، تصویر، کد یا تحلیل داده نیست؛ بلکه به‌تدریج در حال ورود به لایه‌های عمیق‌تر زنجیره فناوری، از طراحی تراشه گرفته تا زیرساخت محاسباتی مورد نیاز برای اجرای مدل‌های پیشرفته است.

اگر GPT-Synopsys بتواند وعده‌های مطرح‌شده را در محیط‌های واقعی مهندسی محقق کند، بخشی از فرایند طراحی تراشه می‌تواند از یک فعالیت عمدتاً متکی بر نیروی انسانی به یک فرایند AI-native و عامل‌محور تبدیل شود؛ تغییری که می‌تواند بر سرعت توسعه تراشه‌های آینده و در نتیجه سرعت پیشرفت خود صنعت هوش مصنوعی اثر بگذارد.

«ما در تیم تحریریه هوش‌نیوز عاشق دنیای فناوری و هوش مصنوعی هستیم. تلاش می‌کنیم تازه‌ترین خبرها و تحلیل‌ها رو به زبانی ساده و قابل اعتماد براتون بیاریم، تا همیشه یک قدم جلوتر از تغییرات بزرگ دنیای تکنولوژی باشید.
مقالات مرتبط

گوگل دسترسی رایگان به مدل‌های پیشرفته Gemini را محدود کرد

گوگل از ۹ اکتبر ۲۰۲۶ دسترسی کاربران رایگان Gemini به مدل‌های پیشرفته را محدودتر کرده است. در ساختار جدید، دسترسی به Flash و Pro به سطح اشتراک و نحوه انتخاب مدل وابسته است؛ تغییری که می‌تواند بر کاربران حرفه‌ای و کسب‌وکارهای متکی بر ابزارهای رایگان هوش مصنوعی اثر بگذارد.

گوگل از عامل هوش مصنوعی Gemini برای انجام خودکار وظایف سازمانی رونمایی کرد

گوگل در ۸ اکتبر ۲۰۲۶ از Gemini Agent رونمایی کرد؛ عاملی هوش مصنوعی برای انجام وظایف چندمرحله‌ای در محیط کار. این ابزار با اتصال به سرویس‌های Google Workspace می‌تواند در تولید محتوا، تحلیل داده‌ها و هماهنگی فعالیت‌های سازمانی کمک کند.

اختلاف بر سر پیش‌بینی درآمد OpenAI، بازار فناوری را نگران کرد

گزارش‌های تازه از اختلاف میان برآورد درآمد سالانه‌شده OpenAI در پایان سپتامبر و ارقام پیش‌تر مطرح‌شده حکایت دارند. تفاوت روش محاسبه درآمد حاصل از همکاری‌های ابری، یکی از دلایل این اختلاف است؛ موضوعی که هم‌زمان با افت سهام چند شرکت بزرگ فناوری، نگرانی‌هایی درباره چشم‌انداز رشد صنعت هوش مصنوعی ایجاد کرد.

دیدگاهتان را بنویسید

با اصطلاحات هوش‌ مصنوعی آشنا نیستید؟

برای آشنایی با اصطلاحات رایج حوزه هوش مصنوعی کلیک کنید.