למרות אי הוודאות השוררת בנוף הכלכלי והגיאו פוליטי הנוכחי, שנת 2022 הייתה שנה מעולה מבחינת חידושים בתחום האלקטרוניקה, ואני סמוך ובטוח שבשנת 2023 נראה את המשך החדשנות בתעשיית תכנון מעגלים משולבים ומערכות אלקטרוניות. בהמשך מפורטות כמה מגמות-על בתעשייה, אשר לדעתי, כדאי לעקוב אחריהן במהלך השנה הקרובה.
מגמת-על ראשונה – יותר ויותר חברות של מערכות אלקטרוניות הופכות לחברות שמשלבות מעגלים משולבים בתכנון שלהן
לפני עשר שנים, החברות שעסקו במערכות אלקטרוניות היוו אחוז אחד בערך מתעשיית המעגלים המשולבים. כיום הן מונות יותר מ- 20 אחוזים. מספר רב יותר של חברות שעוסקות במערכות, בטווח רחב יותר של תעשיות, מפתחות בעצמן את המעגלים המשולבים שלהן. מדוע?
בראש ובראשונה, יש שתי מגמות עיקריות שמניעות חברות של מערכות אלקטרוניות לתכנן את המעגלים המשולבים שלהן.
ראשית, ברמת הבסיס, קיים עניין כלכלי. יותר ויותר אחוזים מערך המערכות גלום במוליכים למחצה, לכן, באופן טבעי לחברות שעוסקות במערכות אלקטרוניות יש שאיפה להרחיב את הערך הזה ולתכנן את המעגלים המשולבים שלהן.
שנית, ואולי אף חשוב יותר, מוליכים למחצה שמתוכננים בחברה מספקים את ההזדמנות להפיק ערך חדשני ומבדל עבור המערכת. כל המערכות האלקטרוניות המתקדמות של היום הן “מערכות חכמות”. אך בעצם, הדרך שבה אפשר ליישם את האינטליגנציה המשובצת הזו ולשפר באופן אופטימלי את ביצועי ההתקנים, היא הדבר החשוב באמת בתהליך בידול המוצר ושיפור הרווחיות שלו. דוגמה חשובה לשדרוג מעגלים משולבים עד לקבלת ערך גבוה יותר של מערכת, אפשר לראות בחברת Apple. לפני שנים רבות החברה קיבלה החלטה, שהקדימה כל חברת יישומים אחרת, לעבור למחשוב ב- 64 סיבות. החלטה זו התקבלה, לא על מנת לזכות במרחב כתובות נוסף בן 64 סיביות, אלא כדי לקבל גישה יעילה יותר לזיכרון, כזו שזוללת פחות הספק. במלים אחרות, בדרך זו התאפשר להם לספק התקנים ניידים בעלי אורך חיים ארוך יותר וכאלו שפועלים מהר יותר, מאשר המוצרים של המתחרים שלהם.
והמתחרים שלהם הלכו בעקבותיהם, מהר מאוד.
חברות רבות פונות לשימוש באינטליגנציה מלאכותית (AI) ובלימוד מכונה (ML) בכל הרמות של תכנון מערכות, על מנת להוסיף רמות גבוהות יותר של בידול למערכות שלהן, ובסופו של דבר, להפוך את המערכות שלהן לחכמות יותר, מאשר המוצרים של המתחרים. ככל שיותר אינטליגנציה מלאכותית תהפוך להיות חלק מהתקנים מבוססי טכנולוגיה מתקדמת, כך יצליחו החברות המובילות בתחום זה להגיע לרמות גבוהות יותר של בידול, בעקבות כך שהן יבנו את מאיצי האינטליגנציה המלאכותית המשופרים שלהן, במקום להשתמש בנכסים אינטלקטואליים (IP) מהמדף ליצירת מאיצי אינטליגנציה מלאכותית. כל אלו מאפשרים לחברות לשפר את המערכות שלהם במטרה לקבל מערכות בעלות הספק וביצועים טובים ביותר, באופן מקיף, תוך כדי שהן מערימות קשיים על המתחרים, ומעכבים את קצב הליכתם בעקבותיהם.
מגמת-על שנייה – תכנון מערכות הוליסטיות (מפגש של עולם האלקטרוניקה, עולם המכניקה ועולם התוכנה בתאומים דיגיטליים מקיפים)
את המערכות האלקטרוניות החכמות האלו (שאליהן התייחסתי קודם לכן) מפתחים באופן נרחב בעולם האמיתי. ביישומים כגון נהיגה אוטונומית, רשתות 5G או יוזמות מסוג chip-to-city, היכולת לדעת מראש מה יהיו הביצועים של המערכת (לעומת לחזות תחזיות) בנוכחות של קלט מהעולם הממשי ופלט אל העולם הממשי, מספקת רמות גבוהות ביותר של בידול. בתהליך שמאפשר נהיגה אוטונומית מלאה, שני המכשולים הגדולים ביותר העומדים בפני תעשיית המעגלים המשולבים, הם צריכת הספק וקביעה לגבי כמות העיבוד שתידרש ככל שהמערכת תתקדם דרך סביבה מורכבת של העולם הממשי. בסביבה אוטונומית מלאה, מערכת אלקטרו–מכנית מורכבת כזו, שנשלטת על ידי תוכנה, תצטרך לתפקד ברשת רחבה יותר של מערכות אחרות – בסביבה אקולוגית מורכבת. צריך יהיה לבדוק אותה באופן ממצה בעולם הווירטואלי, עוד לפני שהיא תיבדק בעולם הממשי ותעבור תהליכי פרישה מתאימים מבחינה מסחרית.
אנו מצפים לעוד התמקדויות והתפתחויות בחזית זו בשנה שלפנינו.
מגמת-על שלישית – מעגלים משולבים בתלת ממד (3D IC) פונים לזמינות בזרם העיקרי ולעלייה פוטנציאלית של שבבי ליבה (צ’יפלט)
תכנון מעגלים משולבים בתלת ממד הוא נושא מרתק ברמות רבות. ברמת המעגל המשולב, הוא יכול לאפשר לחברות השבבים לפתח שבב קטן יותר, בעודו יוצר שבבים טובים מוכחים ורבים יותר לכל פרוסה (wafer), מאחר שאחוז קטן יותר יושפע לרעה מפגמים אקראיים. וברמת המערכת, מעגלים משולבים בתלת ממד מאפשרים לחברות להגיע לרמות חדשות של מזעור ולהקטין את עלויות מפרט החומרים (BOM). ואולם, חשוב יותר בהרבה, מעגלים משולבים בתלת ממד מאפשרים לצוותי התכנון למקם או לערום סוגים שונים של מעגלים משולבים (IC) – מערכות על שבב (SoC), מעגלים משולבים אנלוגיים ומעגלים משולבים של זיכרון (כל אחד ממומש בצומת תהליכים אידיאלי שלו) – כדי להגיע לרמות ביצועים ופונקציונליות של מערכת, שהן גבוהות יותר מאשר אפשר לקבל בקונפיגורציות רגילות של מעגלים מודפסים (PCB) או אפילו מערכות על שבב.
צוותי התכנון מוצאים שמעגלים משולבים בתלת ממד מזמינים דפוס חשיבה מערכתי ארכיטקטוני. לא רק שדפוס חשיבה זה דורש תכנון על פני שכבות משנה מרובות ברמת מערכת, אלא הוא גם מחייב פתרון תכנוני משולב שיתאים לתכנון, לניתוח ולבדיקה ברמת מעגלים משולבים, מארזים ומעגלים מודפסים – לא רק בכל רמה של רמת התכנון (מעגל משולב, יחידת ניתוב [interposer], מארז ומעגל מודפס) – אלא כאלו שיתאימו לכולם יחד, באופן הוליסטי. באופן אידיאלית נדרש גם פתרון שלוקח בחשבון לחצים מכניים, שרשראות אספקה, ומעקב וניהול של כל המידע הזה, יחד. לכן שווה לערוך סקר שווקים לאיתור הצעת הספקים לפתרון המקיף וההוליסטי ביותר למעגל משולב בתלת ממד, שמקיף בתוכו מעגל משולב, יחידת ניתוב, תכנון מארז למעגלים מודפסים, ניתוח ובדיקה ואלמנטים מכניים, אלמנטים של שרשרת האספקה ואלמנטים של הארגון.
ככל שמעגל משולב בתלת ממד עובר יותר לזרם המרכזי, קיים מומנטום רחב בתעשייה ליצירת תקן תעשייתי חדש עבור ‘שבב ליבה’ – מעגלים משולבים קטנים שניתן לתקוע אותם בקלות בתוך יחידת ניתוב סטנדרטית לתכנון מעגל משולב של 2.5D או בראש קונפיגורציות אחרות בתלת ממד (למשל רכיבי LEGO מסיליקון). גופי תקינה, כגון UCLe, הוקמו בשנת 2022 כדי לפתח מערכת סביבתית שתהפוך למציאות את יכולות ה”תקע והפעל” של שבבי הליבה. חברות EDA חייבות להיות פעילות במאמצים האלו, כדי להבטיח שסוויטות הכלים למעגלים משולבים יאפשרו את יצירתם של שבבי ליבה תואמי תקנים מוכנים לתושבת, וכן את יצירת הפתרונות הרחבים שלהם למעגל משולב בתלת ממד. קיימים אתגרים רבים שעליהם צריך להתגבר בתעשיית התכנון, אך כולנו תקווה שהשיעורים הקשים שנלמדו מתוך ההתהוות של תעשיית הנכסים האינטלקטואליים (IP) בתעשייה, בסוף שנות התשעים, יתורגמו להקמה מהירה יותר של תקנים רשמיים עבור שבבי ליבה ויהפכו לתעשייה משגשגת חדשה שתוביל לחדשנות מערכתית המונעת מתוך אינטגרציה של מעגלים משולבים בתלת ממד.
מגמת-על רביעית – אינטליגנציה מלאכותית ולימוד מכונה נמצאות היום בכל מקום בכלי EDA, ויש בהן הבטחה לחדשנות EDA נוספת
ג’ו סאוויקי [Joe Sawicki], סגן נשיא בכיר ב- IC EDA בחברת Siemens Digital Industries Software. קרדיט: Siemens
כיום ברור שאינטליגנציה מלאכותית ולימוד מכונה הפכו להיות כלי עבודה אלגוריתמיים חשובים, שעוזרים לחברות EDA למצוא פתרונות לבעיות של הלקוח. כלי עבודה אלו נמצאים בטווח שמשתרע בין היבטים של חדשנות אמיתית – ביצירת מוצרים שקיומם לא היה אפשרי בעבר – לבין תיקונים שוליים שבהם נעזרים באינטליגנציה מלאכותית כדי לעקוף בעיות של גישות קיימות בהווה. דוגמה למקרה האחרון היא החברות שמשתמשות באינטליגנציה מלאכותית ובלימוד מכונה כדי ליצור טלאים מתקנים למגבלות הכלים שלהם, מאחר שאלו לא מתואמים באופן אינהרנטי עם כללי תהליכים קיימים של המפעל. אפשר לצפות ששימוש כזה באינטלגנציה מלאכותית ובלימוד מכונה יימשך ויהפוך פשוט להיות חלק רגיל של מה שיש לכולנו באמתחתנו.
יהיה מענין לראות אם אינטליגנציה מלאכותית ולימוד מכונה יצליחו לקחת אותו תפקיד שאנשים נוטים לחשוב שיש להם – כלומר, גם דרך טובה יותר לערוך אבחונים מהירים ודרך מהירה יותר לבצע חקירה של המרחב התכנוני, וכן, להיות כלי שמאפשר באופן ממשי ליצור תכנונים – כגון תכנון גנרטיבי במרחב המכני.
זו רק ההתחלה, אבל יש למה לצפות בשנת 2023.
