تأثیر گوشیهای هوشمند در پیشرفت روزافزون صنعت تراشه
هرچند در رابطه با موضوعهایی مانند صنعت تراشه و گجتها به کرات از عبارت هوش مصنوعی استفاده میشود، اما با توجه به پیشرفتهای به دست آمده در زمینه شبکههای عصبی و یادگیری ماشینی، باید بگوییم که این سروصداها بیدلیل نیستند.
کد خبر :
۶۳۲۹۰
بازدید :
۱۲۸۶
صنعت تراشه در سال اخیر موفقیت بزرگی را به دست آورد. هم اپل و هم هواوی اولین تراشههای مبتنی بر معماری ۷ نانومتری را معرفی کردند و تا پایان سال جاری، کوالکام هم اولین تراشه ۷ نانومتری خود را معرفی خواهد کرد. در چند سال گذشته، شاهد پیشرفت روزافزون تراشههای گوشیهای هوشمند بودهایم و در این زمینه شرکتهای قدیمی مانند AMD و اینتل دیگر حرف چندانی برای گفتن ندارند.
گوشیهای هوشمند بدون شک اصلیترین نیروی محرکهای هستند که صنعت تراشهها را رو به جلو حرکت میدهند. علاوه بر این، حالا در کنار بخش پردازنده و پردازنده گرافیکی، روزبهروز به تراشههای مجهز به سختافزارهای مربوط به یادگیری ماشینی افزوده میشود. در کنار این پیشرفتهای به دست آمده، باید خاطرنشان کنیم که تراشههای موبایل هنوز هم پتانسیل بسیار زیادی برای پیشرفت دارند.
گوشیهای هوشمند بدون شک اصلیترین نیروی محرکهای هستند که صنعت تراشهها را رو به جلو حرکت میدهند. علاوه بر این، حالا در کنار بخش پردازنده و پردازنده گرافیکی، روزبهروز به تراشههای مجهز به سختافزارهای مربوط به یادگیری ماشینی افزوده میشود. در کنار این پیشرفتهای به دست آمده، باید خاطرنشان کنیم که تراشههای موبایل هنوز هم پتانسیل بسیار زیادی برای پیشرفت دارند.
تعبیهی قطعات بیشتر در یک تراشه واحد
سیستم روی یک تراشه (SoC) اصلیترین چیزی است که قابلیتهای گوشیهای هوشمند را امکانپذیر میکند. ترکیب پردازنده و مودم در یک تراشه به شرکتها کمک کرد که هزینه ساخت گوشیهای هوشمند خود را پایین بیاورند و مصرف انرژی آن را بهینهتر کنند. حالا در گوشیهای هوشمند پیشرفته، شاهد بهرهگیری از تراشههایی هستیم که علاوه بر پردازنده، پردازنده گرافیکی و مودمها، از پردازندههای مربوط به تصویر، ویدیو، نمایشگر و سیگنال دیجیتالی بهره میبرند و تمام این موارد در یک فضای بسیار محدود تعبیه شده است.
مبنای چنین ایدهای بسیار ساده است؛ با اختصاص سختافزارهای مختلف برای وظایف گوناگون، عملکرد نهایی بهبود مییابد و مصرف انرژی هم بهینهتر خواهد شد. جدیدترین سختافزار تازهنفسی که وارد این عرصه شده، سختافزارهای مربوط به شبکههای عصبی است. بخشی که تا حالا سروصدای زیادی در دنیای تکنولوژی ایجاد کرده است.
تراکم سیلیکونها به حدی رسیده که تعبیهی بخشهای مختلف در یک تراشه کوچک دیگر یک چالش مهم محسوب نمیشود. از بین چالشهای پیش روی تولیدکنندگان تراشهها میتوانیم به بهبود حافظه و پیوند پهناهای باند، بهبود معماری تراشه برای بهرهوری بهتر و در نهایت کاهش مصرف انرژی اشاره کنیم.
تراشههای موبایل با حرکت در این جهت میتوانند بازارهای سنتی را هم به چالش بکشند. بهعنوان مثال میتوانیم به تراشه Tegra ساخت انویدیا اشاره کنیم که در کنسول بازی نینتندو سوییچ تعبیه شده و همچنین تعدادی از لپتاپهای مبتنی بر اینترنت ۴ G. LTE هم از چنین تراشههایی بهره میبرند.
شرکت ARM پیشبینی کرده که عملکرد مربوط به معماری پردازندههایش در آیندهی نزدیک آنقدر پیشرفت میکند که بهزودی میتوانند بهعنوان یک رقیب قدر در صنعت لپتاپها مطرح شوند. هرچند ویندوز ۱۰ مبتنی بر معماری ARM هنوز نیازمند تلاش برای پشتیبانی از نرمافزارها و کاربردهای مختلف است، اما این تراشهها آنقدر پیشرفته شدهاند که کوالکام برای کامپیوترهای «همیشه متصل» (always connected) تراشهی اسنپدراگون ۸۵۰ را معرفی کرده است. پشتیبانی تراشههای موبایل از مودمهای ۴ G. و ۵ G، بهرهگیری از شبکههای عصبی و ارائهی عمر باتری بالا از مواردی هستند که میتوانند جذابیت کامپیوترهای سنتی را افزایش بدهد.
عدم توقف در مرز ۷ نانومتری
بسیاری از شرکتهای سازندهی تراشهها، در ماههای اخیر سروصدای زیادی در رابطه با بهرهگیری از معماری ۷ نانومتری به راه انداختهاند. چنین پیشرفتی تنها محدود به تعبیهی تعداد بیشتری ترانزیستور در یک فضای محدود نیست، بلکه این رویکرد جدید، فناوری لیتوگرافی ۱۹۳ نانومتری تراشههای قدیمی را هم از دور خارج میکند و شرکتهای سازنده در عوض به بهرهگیری از فناوری بسیار دقیقتر لیتوگرافی ماوراءبنفش (EUV) روی میآورند.
علاوه بر تراشههای ۷ نانومتری، تکنولوژی EUV نقش مهمی در توسعه تراشههای ۵ نانومتری ایفا خواهد کرد، تراشههایی که در مصرف انرژی تا حد زیادی بهینهتر خواهند بود. برخی از مهمترین شرکتهای این عرصه مانند سامسونگ و TSMC حتی میخواهند در سالهای آینده ساخت تراشههای ۳ نانومتری را هم آغاز کنند.
معماری ۷ نانومتری و فراتر از آن به شرکتها اجازه میدهد که قطعات بیشتری را بر این بستر تعبیه کنند و از این مهمتر، چنین معماریهای پیشرفتهای تأثیر بسزایی در کاهش مصرف انرژی گجتها دارد. هرچقدر این تراشهها از لحاظ مصرف انرژی بهینهتر باشند، گجتها میتوانند از عمر باتری بالاتری بهره ببرند و کامپیوترهای فعال در زمینهی پردازش ابری هم کم هزینهتر خواهند بود. هزینهی برق کمتر منجر به صرفهجویی چندین میلیون دلاری میشود و به انواع و اقسام شرکتها اجازه میدهد که از کامپیوترهای قدرتمندتری برای پردازشهای خود استفاده کنند.
بسیاری از شرکتهای سازندهی تراشهها، در ماههای اخیر سروصدای زیادی در رابطه با بهرهگیری از معماری ۷ نانومتری به راه انداختهاند. چنین پیشرفتی تنها محدود به تعبیهی تعداد بیشتری ترانزیستور در یک فضای محدود نیست، بلکه این رویکرد جدید، فناوری لیتوگرافی ۱۹۳ نانومتری تراشههای قدیمی را هم از دور خارج میکند و شرکتهای سازنده در عوض به بهرهگیری از فناوری بسیار دقیقتر لیتوگرافی ماوراءبنفش (EUV) روی میآورند.
علاوه بر تراشههای ۷ نانومتری، تکنولوژی EUV نقش مهمی در توسعه تراشههای ۵ نانومتری ایفا خواهد کرد، تراشههایی که در مصرف انرژی تا حد زیادی بهینهتر خواهند بود. برخی از مهمترین شرکتهای این عرصه مانند سامسونگ و TSMC حتی میخواهند در سالهای آینده ساخت تراشههای ۳ نانومتری را هم آغاز کنند.
معماری ۷ نانومتری و فراتر از آن به شرکتها اجازه میدهد که قطعات بیشتری را بر این بستر تعبیه کنند و از این مهمتر، چنین معماریهای پیشرفتهای تأثیر بسزایی در کاهش مصرف انرژی گجتها دارد. هرچقدر این تراشهها از لحاظ مصرف انرژی بهینهتر باشند، گجتها میتوانند از عمر باتری بالاتری بهره ببرند و کامپیوترهای فعال در زمینهی پردازش ابری هم کم هزینهتر خواهند بود. هزینهی برق کمتر منجر به صرفهجویی چندین میلیون دلاری میشود و به انواع و اقسام شرکتها اجازه میدهد که از کامپیوترهای قدرتمندتری برای پردازشهای خود استفاده کنند.
طبق انتظارات مدیرعامل کنسرسیوم SEMI، فروش تراشهها تا سال ۲۰۱۹ به ۵۰۰ میلیارد دلار و تا سال ۲۰۳۰ به ۱ تریلیون دلار خواهد رسید. بخش اعظمی از این درآمد از جانب رشد بهرهگیری از شبکههای عصبی و پیشرفتهتر شدن تراشههای مربوط به گوشیها، لپتاپها و دیگر گجتها به دست خواهد آمد.
حضور همهجانبه هوش مصنوعی
هرچند در رابطه با موضوعهایی مانند صنعت تراشه و گجتها به کرات از عبارت هوش مصنوعی استفاده میشود، اما با توجه به پیشرفتهای به دست آمده در زمینه شبکههای عصبی و یادگیری ماشینی، باید بگوییم که این سروصداها بیدلیل نیستند. در این زمینه، تراشه گوشیهای هوشمند توجه ویژهای به این تکنولوژیهای نوین نشان دادهاند و بهعنوان مثال میتوانیم به واحد پردازش عصبی موجود در تراشه Kirin یا بخش اختصاصی برای پردازش تصویر در پیکسل ۲ اشاره کنیم.
هرچند در رابطه با موضوعهایی مانند صنعت تراشه و گجتها به کرات از عبارت هوش مصنوعی استفاده میشود، اما با توجه به پیشرفتهای به دست آمده در زمینه شبکههای عصبی و یادگیری ماشینی، باید بگوییم که این سروصداها بیدلیل نیستند. در این زمینه، تراشه گوشیهای هوشمند توجه ویژهای به این تکنولوژیهای نوین نشان دادهاند و بهعنوان مثال میتوانیم به واحد پردازش عصبی موجود در تراشه Kirin یا بخش اختصاصی برای پردازش تصویر در پیکسل ۲ اشاره کنیم.
پتانسیل نرمافزارها و سختافزارهای شبکههای عصبی آنقدر زیاد است که در این فضای محدود فقط میتوانیم به بخش کوچکی از آنها اشاره کنیم. هرچند گوشیهای مبتنی بر تراشههای پیشرفتهتر در زمینهی مواردی مانند تشخیص گفتار، تشخیص چهره و شناسایی مناظر مختلف عملکرد بهتری پیدا کردهاند، اما چنین مواردی تنها بخش کوچکی از پتانسیلهای این تکنولوژی را ارائه میدهند.
در ابتدا، از یادگیری ماشینی عمدتا در زمینهی موارد محدودی مانند تشخیص چهره و صدا به کار گرفته میشد، اما حالا شاهد کاربردهای جذابتر آن هستیم. با پیشرفتهتر شدن و جذابتر شدن این قابلیتها، به زودی تراشههای موجود در انواع و اقسام گجتها-نه فقط گوشیهای هوشمند-مجهز به بخش مختص به یادگیری ماشینی خواهند شد.
با توجه به صدها میلیون گوشی هوشمندی که سالانه روانهی بازار میشود، رقابت بر سر توسعهی تراشههای پیشرفتهتر موضوع عجیبی به حساب نمیآید. البته اگر تا همین چند سال پیش از کارشناسان این حوزه در این رابطه پرسیده میشد، بسیاری از آنها احتمالاً میگفتند که تا چند سال آینده مصرف انرژی تراشههای موبایل کمتر خواهد شد و کمتر کسی به کاهش فاصلهی تراشههای موبایل و کامپیوترهای دسکتاپ اشاره میکرد.
تا همین ده سال پیش کمتر کسی به تراشههای موبایل توجه نشان میداد، اما حالا گوشیهای هوشمند، موجب پیشرفت روزافزون تراشهها شدهاند. به همین خاطر اگر میخواهید از آیندهی این صنعت خبردار شوید، بهتر است گوشه چشمی به پیشرفتهای صنعت تراشههای موبایل داشته باشید.
منبع: Android Authority
ترجمه: دیجیمگ
۰