Mikroelektronik im Wandel: Antwort auf KI's wachsende Anforderungen

Künstliche Intelligenz definiert Technologie branchenübergreifend neu und verlangt mikroelektronische Lösungen, die beispiellose Performance, Energieeffizienz und kompakte Formfaktoren liefern. Von riesigen Rechenzentren über autonome Fahrzeuge, Roboter, Mobilgeräte, Wearables bis hin zu zukünftigen, noch unvorstellbaren Anwendungen – der Bedarf an schnellerer, intelligenterer und grünerer Hardware ist drängend.

Im Hardware-Bereich erfordert diese Herausforderung innovative Paradigmen bei Sensoren, Prozessoren, Speicher, Interconnects und Packaging. Letis Forschungsgemeinschaft erforscht diese Grenzen aktiv und positioniert sich an der Schnittstelle von Edge AI und breiteren Industrietrends. Realistische, fertigungstaugliche Lösungen entstehen nur durch interdisziplinäre Zusammenarbeit vor der Massenproduktion.

Wir können den KI-Marktplatz antizipieren, indem wir Anwendungen nach Rechenleistung und Stromverbrauch abbilden (siehe Abbildung 1). Wearables befinden sich am Low-Power-, Low-Compute-Ende, während Rechenzentren höchste Performance und Energiebudgets fordern. Smarte Geräte, Augmented Reality, Robotik und autonome Fahrzeuge besetzen das Spektrum dazwischen.

Abbildung 1. (Quelle: Leti)

Edge AI – wo die meisten Datenanalysen am Erfassungsort stattfinden – gedeiht auf der linken Seite dieses Spektrums. Dazu braucht es Sensoren und Prozessoren, die sich on-the-fly anpassen können, ähnlich wie menschliche Augen und Ohren. Diese Komponenten müssen Charakteristiken wie Dynamikbereich dynamisch an lokale Intelligenz anpassen, und das in einem Formfaktor, der in eine Uhr oder ein Wearable passt.

Umgekehrt decken größere KI-Workloads die Grenzen traditioneller Computerarchitekturen auf, insbesondere die ständigen Speicher-Lese-/Schreibzyklen, die sowohl Zeit als auch Energie verbrauchen.

Mit diesen Realitäten im Blick priorisiert Leti Forschung in smarte Sensoren und bahnbrechende Computing-Ansätze.

Eines der Kernprobleme modernen Computings ist Datenbewegung: Der Transfer zwischen Speicher und Prozessor verbraucht jetzt weit mehr Zeit und Energie als die Berechnung selbst. Tatsächlich können Datentransfer und Speicherzugriff bis zu 90 % des Energiebudgets eines Systems ausmachen – eine alarmierende Zahl für KI-Workloads, die auf riesigen Datensätzen und einfachen Operationen basieren. Die Reduzierung von Datenbewegung ist daher essenziell.

Letis langjährige Arbeit an 3D-Schaltungen zielt darauf ab, Speicher direkt auf Prozessoren zu stapeln, physische Verbindungen zu verkürzen und Latenz zu senken. Wir entwickeln auch neue Speicherarchitekturen, die Addition, Subtraktion und Boolesche Logik direkt in SRAM-Zellen ausführen. Dieser In-Memory-Computing (IMC)-Ansatz eliminiert das Hin- und Herschieben von Daten aus dem Speicher, spart Platz und Energie. Frühe Prototypen zeigen das Potenzial für eine 100-fache Steigerung des KI-Durchsatzes bei gleicher Frequenz und Energiehülle, wie für die 2020er erwartet.