कसे जनरेटिव्ह AI चिप्स आणि उपकरणांना शक्तिशालीपणे पुन्हा डिझाइन करत आहे

ठळक मुद्दे

• जनरेटिव्ह एआय आता चिप्स, सर्किट्स आणि संपूर्ण हार्डवेअर सिस्टीम डिझाइन करत आहे, गती, कार्यक्षमता आणि अपारंपरिक डिझाइन सर्जनशीलतेमध्ये मानवी अभियंत्यांना मागे टाकत आहे.
• AI-चालित EDA टूल्स जागतिक सेमीकंडक्टर अर्थव्यवस्थेत बदल करत आहेत, मानवी अभियंत्यांना देखरेख आणि नैतिक प्रशासनाच्या भूमिकेत बदलत असताना डिझाइन खर्च USD 30-50 दशलक्ष वरून USD 5-10 दशलक्ष पर्यंत कमी करत आहेत.
• मशीन-डिझाइन केलेल्या चिप्स आधीच आरोग्यसेवा, हवामान तंत्रज्ञान, एरोस्पेस आणि ग्राहक इलेक्ट्रॉनिक्समध्ये दिसत आहेत, ज्याने परिभाषित केलेल्या दशकासाठी स्टेज सेट केला आहे “एआय हार्डवेअर.”
• AI-उगवलेल्या हार्डवेअरच्या वाढीमुळे IP मालकी, सुरक्षा जोखीम, नैतिक रचना आणि भू-राजकीय सामर्थ्याबद्दल तातडीचे जागतिक प्रश्न निर्माण होतात आणि जगभरातील सरकार, कंपन्या आणि नागरिकांकडून समन्वित कारवाईची मागणी केली जाते.

अनेक दशकांपासून, अभियंत्यांनी लहान ट्रान्झिस्टर, सर्किट्सचे सुधारित लेआउट आणि मूरच्या कायद्याच्या मर्यादांविरुद्धच्या संघर्षाद्वारे प्रोसेसरच्या प्रगतीसाठी मार्गदर्शन केले आहे. आज आपण एक आमूलाग्र बदल अनुभवत आहोत. जनरेटिव्ह आर्टिफिशियल इंटेलिजन्स (AI) अनुप्रयोगांमध्ये एआयच्या वापरासाठी केवळ एक सक्षमकर्ता म्हणून काम करत नाही, तर त्याने स्वतः हार्डवेअर तयार करण्यास सुरुवात केली आहे.

यूएसए, युरोप, कोरिया, तैवान आणि आता चीनमध्ये, AI प्रणाली चिप फ्लोअरप्लॅन तयार करतात, ट्रान्झिस्टरसाठी डिझाइनची शिफारस करतात (मग ते नवीन असोत किंवा सुधारित असोत), आणि चिप उत्पादनात जाण्यापूर्वी संभाव्य अपयशाचे विश्लेषण करतात. ही शिफ्ट इतकी गहन आहे की अनेक सेमीकंडक्टर निर्माते आता त्याचे वर्णन के युगात प्रवेश करत आहेत. AI-उगवलेले हार्डवेअर.

जागतिक तंत्रज्ञान दिग्गज जसे की NVIDIA, Google, Intel, Samsung आणि TSMC आहेत AI-चालित डिझाइन साधने तैनात करणे. Google च्या DeepMind ने प्रसिद्धपणे एक AI टूल प्रदर्शित केले ज्याने त्याच्या आगामी AI प्रवेगक चिप्ससाठी मानवी अभियंत्यांपेक्षा जलद आणि अधिक कार्यक्षमतेने फ्लोअर प्लॅन तयार केले. परिणामी मांडणी पारंपारिक मानवी-अभियांत्रिकी ग्रिड्सपेक्षा कार्यक्षम, अंतर्ज्ञानी नसलेली तरीही अत्यंत कार्यक्षम, जैविक वाढीच्या नमुन्यांसारखी होती.

AI अखेरीस सेमीकंडक्टर अभियांत्रिकीच्या प्रत्येक टप्प्यात मानवांना आउट-डिझाइन करू शकेल का?

भारतात, सेमीकंडक्टर डिझाइनशी संबंधित असलेल्या AI मधील स्पेशलायझेशन बेंगळुरू आणि हैदराबाद सारख्या ठिकाणी वेगाने वाढत आहे, अनेक नवीन स्टार्ट-अप जगभरातील फॅबलेस डिझाइन कंपन्यांशी सहयोग करत आहेत. तथापि, तैवान, कोरिया, जपान आणि यूएसए मधील कंपन्यांद्वारे त्यांच्या अब्ज-डॉलरच्या फॅब्रिकेशन क्षमतेचा फायदा घेऊन, बऱ्याच महत्त्वपूर्ण प्रगतींचा व्यावहारिक अनुप्रयोग आणि अंमलबजावणी केली जाईल.

परिणामी, आज अर्धसंवाहक तंत्रज्ञानासमोरील सर्वात गंभीर प्रश्न खालीलप्रमाणे आहे:

सेमीकंडक्टर डिझाइनच्या सर्व पैलूंमध्ये AI मानवांना कायमचे डिझाइन करू शकेल का?

1. जनरेटिव्ह एआय प्रत्यक्षात चिप्स कसे डिझाइन करते

होय – आणि त्यात आधीपासूनच चिप विकासाचे अनेक टप्पे आहेत.

चिप डिझाइन ही एक जटिल, बहु-चरण प्रक्रिया आहे ज्यामध्ये आर्किटेक्चर निर्मिती, तर्कशास्त्र संश्लेषण, भौतिक रचना, चाचणी आणि सत्यापन समाविष्ट आहे. पारंपारिकपणे, या प्रत्येक टप्प्यासाठी हजारो अभियंता-तास आणि लाखो डॉलर्सची गुंतवणूक आवश्यक असते.

परंतु जनरेटिव्ह एआय समीकरण बदलते:

1. स्वयंचलित आर्किटेक्चर शोध

AI मॉडेल नवीन CPU/GPU लेआउट्स – कोर संख्या, मेमरी पदानुक्रम आणि कॅशे व्यवस्था – इच्छित कार्यप्रदर्शन आणि पॉवर पॅरामीटर्सवर आधारित प्रस्तावित करू शकतात. हे नाटकीयरित्या प्रारंभिक संकल्पनात्मक टप्प्याला गती देते.

2. सर्किट आणि लॉजिक जनरेशन

लाखो सर्किट कॉन्फिगरेशनवर प्रशिक्षित मोठे मॉडेल स्वायत्तपणे ट्रान्झिस्टर-स्तरीय डिझाइन तयार करू शकतात. NVIDIA सारखी साधने ChipNeMo आणि Synopsys' DSO.ai हे तंतोतंत करा.

3. एआय-ऑप्टिमाइझ्ड फ्लोर प्लॅनिंग

पारंपारिकपणे, सिलिकॉनवर घटक प्रभावीपणे आणि कार्यक्षमतेने ठेवणे ही एक अडचण मानली जात होती; आता, AI प्रणालींसह, मॅन्युअल पद्धतीच्या तुलनेत प्रक्रियेला 10 मिनिटांपेक्षा कमी वेळ लागतो.

4. फॅब्रिकेशन / उत्पन्न अंदाज

AI दोषांचा अंदाज लावते, मुखवटा संरेखन सुधारते, नक्षी/निक्षेपण अनुकूल करते आणि उत्पन्न वाढवते, कचरा कमी करते आणि कार्यक्षमता वाढवते.

5. स्व-सुधारणा – पुनरावृत्ती अभिप्राय लूप

“स्वयं-विकसित हार्डवेअर लूप” AI ला हजारो वेळा डिझाइन, सिम्युलेट, शिकणे आणि पुन्हा डिझाइन करण्याची अनुमती देते, ASIC डिझाइन खर्च $30-50M वरून $5-10M पर्यंत कमी करते.

वाढलेल्या ऑटोमेशनसह नवीन प्रश्न आणि आव्हाने येतात.

परिणामी, पुढील प्रश्न असा आहे: जर AI चिपसाठी स्वायत्त डिझाइन विकसित करू शकत असेल, तर चिप विकासाच्या भविष्यात मानवी अभियंत्याची भूमिका काय असेल??

2. मानवी अभियंत्यांची भविष्यातील भूमिका

चिप विकास प्रक्रियेत मानवी अभियंत्यांना अजूनही स्थान असेल, परंतु पुढे जात असताना, त्यांना त्यांची कर्तव्ये विकसित होताना दिसतील. सर्किट लेआउट्स रेखाटण्याऐवजी किंवा मॅन्युअली सर्किट कार्यप्रदर्शन ऑप्टिमाइझ करण्याऐवजी, अभियंत्याची भूमिका अनेक प्रकरणांमध्ये बदलेल.

1. एआय प्रशिक्षण आणि देखरेख

अभियंते AI काय शिकवतील “चांगले” चिप डिझाईन्स सारख्या दिसतात, डेटासेट ऑप्टिमाइझ करतात, डिझाईन्स प्रमाणित करतात आणि सदोष आर्किटेक्चरला प्रतिबंध करतात.

2. प्रणाली-स्तरीय विचार

एआय हाताळणी निम्न-स्तरीय डिझाइनसह, मानव संपूर्ण प्रणाली तयार करण्यावर लक्ष केंद्रित करेल:
एआय एज उपकरणे, स्वायत्त ड्रायव्हिंग चिप्स, क्वांटम-एआय हायब्रिड्स आणि ऊर्जा-कार्यक्षम एचपीसी प्रोसेसर.

3. नैतिक आणि सुरक्षा स्तर

AI असुरक्षित किंवा सदोष हार्डवेअर निर्माण करत नाही याची खात्री कोण करते? मानवी अभियंते.

4. पुनरावृत्तीपेक्षा सर्जनशीलता

एआय पुनरावृत्ती ऑप्टिमायझेशन हाताळते; मानव नवकल्पना, परिस्थिती नियोजन आणि अपारंपरिक कल्पना हाताळतात. अभियांत्रिकी प्रतिभा जागतिक सेमीकंडक्टर दिग्गजांशी सहयोग करून AI-सहाय्यित डिझाइन भूमिकांकडे वेगाने वळत आहे.

जगभरातील हार्डवेअर डिझायनर्ससाठी AI साक्षरता आवश्यक होत आहे.

तथापि, एक नवीन प्रश्न उद्भवतो: जर AI हार्डवेअर डिझाइन करत असेल, तर ते शेवटी मानवांना पूर्णपणे समजत नसलेली उपकरणे तयार करू शकेल का?

3. एआय-डिझाइन केलेल्या चिप्सची ब्लॅक-बॉक्स समस्या

होय – हे आधीच सुरुवातीच्या प्रोटोटाइपमध्ये होत आहे.

AI-व्युत्पन्न केलेल्या मजल्याच्या योजना बहुतेक वेळा सेंद्रिय, नॉन-लाइनर पॅटर्नसारखे असतात जे पारंपारिक अभियांत्रिकी तत्त्वांचे उल्लंघन करतात. हे आव्हाने निर्माण करते:

1. स्पष्टीकरणक्षमता

एआयने विशिष्ट राउटिंग किंवा ट्रान्झिस्टर क्लस्टर का निवडले हे समजून घेण्यासाठी अभियंत्यांना त्रास होऊ शकतो.

2. डीबगिंग

सदोष AI-व्युत्पन्न डिझाइनला दुरुस्त करण्यासाठी व्यापक मानवी हस्तक्षेपाची आवश्यकता असू शकते, असे गृहीत धरून की मनुष्य दोष शोधू शकतो.

3. प्रमाणन

एरोस्पेस, वैद्यकीय उपकरणे आणि ऑटोमोटिव्ह सारख्या सुरक्षा-गंभीर उद्योगांना स्पष्टीकरण करण्यायोग्य हार्डवेअर डिझाइनची आवश्यकता असते. ब्लॅक-बॉक्स लेआउटमुळे अनुपालन समस्या निर्माण होतात.

4. भरवसा

जगभरातील नियामक एआय-डिझाइन केलेले हार्डवेअर कसे प्रमाणित करायचे याचा अभ्यास करत आहेत.

EU, US आणि जपानमधील नियामक आधीच AI-व्युत्पन्न हार्डवेअर कसे प्रमाणित करायचे याचा अभ्यास करत आहेत. भारताचे सेमीकंडक्टर धोरण देखील जबाबदार AI-सहाय्यित डिझाइनवर प्रकाश टाकते, जरी देश सखोल फॅब्रिकेशन ऐवजी कल्पित वाढीवर केंद्रित आहे.

हे आम्हाला एका व्यापक आर्थिक प्रश्नाकडे आणते:
एआय-चालित चिप डिझाइनमुळे जागतिक हार्डवेअर स्वस्त होईल किंवा जटिलतेमुळे खर्च वाढेल?

4. एआय-ग्रोन हार्डवेअरचे अर्थशास्त्र

जागतिक स्तरावर, उत्तर हे दोन्हीचे मिश्रण आहे.

कमी होत जाणारे खर्च

• डिझाइन वेळ आधीच महिने ते आठवडे घसरले आहे.
• मनुष्यबळ गरजा कमी होत आहेत.
• प्रोटोटाइप अयशस्वी AI-आधारित अंदाजानुसार घट.
• EDA साधने AI द्वारे समर्थित अभियांत्रिकी ओव्हरहेड कमी करत आहेत.

हे घटक सानुकूल चिप उत्पादनास परवडण्याकडे ढकलतात, विशेषत: स्टार्टअपसाठी.

वाढत्या खर्च

• AI-चालित EDA सॉफ्टवेअरसाठी प्रति एंटरप्राइझ परवाना वार्षिक USD 2-5 दशलक्ष खर्च होऊ शकतो.
• ग्लोबल चिप फॅब्रिकेशन अत्यंत महाग राहते; नवीन फॅब तयार करण्यासाठी USD 10-30 बिलियन खर्च आला.
• प्रगत नोड्स (5nm, 3nm) साठी महागड्या AI-चालित लिथोग्राफी आणि तपासणी साधनांची आवश्यकता असते.
• जनरेटिव्ह डिझाइन मॉडेल्सचा वीज वापर वाढतो – मोठ्या प्रणालींना प्रशिक्षण देण्यासाठी USD 1-2 दशलक्ष ऊर्जा खर्च होऊ शकते.

एकूणच, एआय डिझाइन खर्च कमी करते परंतु गणना आणि साधन खर्च वाढवते, एक जटिल आर्थिक समतोल निर्माण करते.

पण AI-डिझाइन केलेले हार्डवेअर औषध, हवामान तंत्रज्ञान आणि अंतराळ संशोधन यासारख्या पारंपारिक संगणनाच्या पलीकडे असलेल्या क्षेत्रातील प्रगतीला गती देऊ शकते का?

5. जागतिक प्रभाव: हेल्थकेअर ते अंतराळापर्यंत

पूर्णपणे, AI-उगवलेले हार्डवेअर बहुविध उद्योगांना आकार देऊ शकते.

1. आरोग्यसेवा

AI यासाठी खास चिप्स डिझाइन करू शकते:

• पोर्टेबल डायग्नोस्टिक्स
• रिअल-टाइम वैद्यकीय इमेजिंग
• वैयक्तिकृत औषध प्रक्रिया

यूएस, यूके, सिंगापूर आणि भारत सारखे देश रुग्णालयांमध्ये सानुकूल एआय चिप्सचा वापर शोधत आहेत.

2. पर्यावरण आणि हवामान तंत्रज्ञान

AI-अनुकूलित सेन्सर सुधारू शकतात:

• हवा गुणवत्ता निरीक्षण
• स्मार्ट ग्रिड
• कार्बन कॅप्चर

जगभरातील चिपमेकर टिकाऊ सिलिकॉनसाठी पर्यावरण एजन्सीसह सहयोग करत आहेत.

3. स्पेस आणि एरोस्पेस

एआय-डिझाइन केलेल्या रेडिएशन-कठोर चिप्स हाताळू शकतात:

• खोल अंतराळ मोहिमा
• उपग्रह ऑपरेशन्स
• ग्रहीय रोबोटिक्स

NASA, ESA आणि ISRO ने भविष्यातील मोहिमांसाठी AI-चालित डिझाइन साधने शोधली आहेत.

तुमच्या स्मार्टफोन, लॅपटॉप, किंवा VR हेडसेटमध्ये आतापासून दहा वर्षांत असा घटक असू शकतो जो किमान अंशतः किंवा पूर्णतः “जनरेटिव्ह” किंवा “जनरेटिव्ह” AI वापरून तयार केला गेला असेल.

हे जागतिक परिवर्तन एक महत्त्वपूर्ण अंतिम प्रश्न उपस्थित करते: जर AI ने अल्टिमेट मशिन्सची रचना केली, तर कोण बौद्धिक संपत्ती धारण करेल, नैतिक वर्तणूक व्यवस्थापित करेल आणि मशीन-आधारित शिक्षण वापरून विकसित केलेल्या चिप्सच्या सुरक्षिततेचे संरक्षण करेल?

6. सरकारच्या धोरणासाठी पुढील पावले

अमेरिकन आणि कॉर्पोरेट-विकसित हार्डवेअर नियमांची रचना सरकारे आणि कॉर्पोरेशन्सने एकत्रितपणे काम करून स्थापन केली पाहिजे, परंतु जग अद्याप तसे करण्यास तयार नाही.

सर्वात गंभीर समस्यांमध्ये हे समाविष्ट आहे:

• आयपी मालकी-हा प्रोग्रामर आहे, प्रोग्रामरला काम देणारी कंपनी आहे की AI मॉडेलची निर्माता आहे?
• सुरक्षा धोके: अशी शक्यता आहे की AI अनावधानाने गुप्त बॅकडोअर समाविष्ट करू शकते किंवा डेटा न सापडलेला चोरी करण्याचा मार्ग तयार करू शकतो. जगभरातील सायबरसुरक्षा मानकांना एआय सुरक्षा समस्यांसह गती ठेवण्यासाठी विकसित करणे आवश्यक आहे.
• आर्थिक विषमता: मोठ्या प्रमाणावर उत्पादन क्षमता असलेले देश (उदा., युनायटेड स्टेट्स, तैवान, दक्षिण कोरिया, जपान) उत्पादन सुविधा नसलेल्या राष्ट्रांच्या पुढे खेचणे सुरू ठेवतील.
• नैतिक डिझाइन मानके: कृत्रिम बुद्धिमत्ता (AI) धोकादायक किंवा अनियंत्रित हार्डवेअर तयार करण्याच्या क्षमतेमध्ये मर्यादित असावी. सध्या, काही देश नैतिक मार्गदर्शक तत्त्वे तयार करत आहेत (भारत, युरोप, युनायटेड स्टेट्स आणि जपान), परंतु तरीही जगभरात एकसमानतेचा अभाव आहे.

अंतिम विचार

सारांश, आम्ही सध्या AI-आधारित हार्डवेअरच्या परिचयासह इतिहासातील अभूतपूर्व क्षणी आहोत जे मशीन्सना त्यांचे स्वतःचे हार्डवेअर तयार करण्यास सक्षम करेल. हे केवळ ML तंत्रज्ञानासाठीच नाही, तर नवीन तंत्रज्ञान कसे तयार केले जातात, ते तयार करण्यासाठी लागणारा खर्च आणि संगणकाच्या या नवीन युगात कोणत्या कंपन्या/देश नेतृत्व करतील यासाठीही हे महत्त्वपूर्ण बदल आहे.

या सर्व शक्तीसह आपण ते कसे व्यवस्थापित करतो याची मोठी जबाबदारी येते. गेल्या दशकभरात, एआय सॉफ्टवेअर हे प्राथमिक फोकस आहे. पुढील दशकात, AI हार्डवेअर या क्षेत्रात निर्विवादपणे वर्चस्व गाजवेल.

आपण बसून हे भविष्य उलगडत पाहणे परवडत नाही. आम्हाला भविष्यावर कसा प्रभाव पाडायचा आहे याबद्दल आमच्याकडे पर्याय आहेत.

समाजातील तुमचे स्थान काहीही असो – तुम्ही धोरणकर्ते, संशोधक किंवा अभियंता, उद्योजक किंवा गुंतवणूकदार, शिक्षणतज्ज्ञ किंवा जागतिक नागरिक असाल – आता कारवाई करण्याची तुमची समान जबाबदारी आहे.

पारदर्शकतेसाठी जोर द्या; नवोदितांना त्यांच्या कृतींसाठी जबाबदार धरा; आणि आम्ही विकसित करत असलेल्या उत्पादनांमागील नैतिकतेवर प्रश्नचिन्ह निर्माण करतो.

जो कोणी सर्वात वेगवान सॉफ्टवेअर बनवतो त्याच्याद्वारे पुढचे दशक आकारले जाणार नाही, तर सर्वात नाविन्यपूर्ण हार्डवेअर कोण तयार करेल. हा टर्निंग पॉइंट आहे.

एआय हार्डवेअरचे भविष्य आज तयार केले जात आहे. तुमचा आवाज त्याचा भाग असल्याची खात्री करा.