北京
芯片设计正在变得越来越复杂。先进加速器把多颗芯片、内存和封装组件堆在一起，物理行为越来越难预测，工程上的耦合挑战也随之放大。这是半导体行业当下绕不开的现实。
Vinci4D Inc. 试图用物理AI把仿真带进工程师的日常工作流。该公司技术解决方案负责人 Dinesh Panneerselvam 在 SEMICON West 期间接受 theCUBE Research 的 Christophe Bertrand 采访时，把行业里一个老问题摆了出来。
“我在现场经常看到的是，工程师不得不在精度和快速物理之间做选择，”他说，“他们没法两者兼得。Vinci 做的事情，就是把这两样东西以他们设计的速度同时给到。”
把分析往上游推
Vinci 的做法是把一个物理基础模型和一个 GPU 原生物理内核结合起来，它把这套方法称为“连续物理推理”（Continuous Physics Reasoning）。据 Panneerselvam 介绍，这种组合能产出具备求解器精度的可重复结果。
“在产品开发的世界里，早期就理解物理——或者说理解自己产品行为的团队，会赢得这场比赛，”他说，“这正是 Vinci 提供的东西。也就是说，你在架构层面做设计，我们给出性能是什么。”
这套模型是用 Vinci 自己的数据训练的，而不是客户数据。Panneerselvam 解释，部署在客户防火墙之后，可以让专有设计信息留在客户手里。
“我们设计平台的方式，是让它直接嵌入你的工作流，”他说，“你不需要改变任何现有流程。我们按原样接收你的设计文件，然后开始构建模型。内置的自动化程度很高，需要人工输入的地方非常少。”
物理AI不止于芯片
物理AI同样可能支撑物理AI产品本身的开发，包括机器人和人形系统。Panneerselvam 表示，Vinci 的仿真方法可以帮助工程师在敲定某个设计之前，先理解这些产品会有怎样的行为。
“客户能够打开新的创新之门——那些他们以前想象不到的东西，”他说，“比如你对一个产品有工程直觉，但到那里就停了。Vinci 以及像 Vinci 这样的产品所能做的，基本上是探索到那之外。我们称之为不可能的艺术，你可以走进那个空间。”
在半导体之外，Vinci 正在探索汽车和航空航天工程领域的应用。Panneerselvam 解释，其 2.5亿美元的 B 轮融资将支持更多物理学科和行业的开发，包括在电磁学和流体力学方面的规划能力。
“归根结底，物理不会变，”他说，“只是我们必须构建的应用在变。物理本身保持不变。”
对芯片工程师来说，这套逻辑的落点很直接：设计复杂度还在往上走，而能在架构阶段就把物理行为算清楚的团队，才有机会把迭代周期压下来。Vinci 押注的是，这件事可以既准又快。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
