Cadence Design Systems анонсировала Physical AI Chiplet Platform — модульную платформу для разработки многокристальных систем, ориентированных на задачи физического ИИ. Новая конфигурируемая архитектура упрощает создание чиплет‑решений для автономных автомобилей, дронов, роботов и другой техники, где алгоритмы ИИ обрабатываются непосредственно на устройстве.
В основе Physical AI Chiplet Platform лежит переход от проектирования отдельных чиплетов к целостной системе, оптимизированной под упаковку и быструю интеграцию. Платформа объединяет вычислительные ресурсы на базе Arm, специализированные AI‑ускорители, системную логику и домен‑специфичные чиплеты заказчика. Все компоненты связаны через стандартизированные высокоскоростные интерфейсы, включая UCIe и когерентные сети на кристалле, что должно обеспечить масштабируемость и гибкость конфигурации.
Архитектура включает несколько ключевых типов чиплетов: CPU Chiplet с Arm‑ядрами, AI Chiplet для аппаратного ускорения ИИ‑нагрузок, System Chiplet с конфигурируемой системной логикой и набор Domain‑Specific Chiplets, разрабатываемых самим заказчиком или подразделением Cadence Custom Silicon Services под конкретные задачи. Центральный фреймворк Cadence отвечает за загрузку, безопасность, отладку и управление жизненным циклом чиплетов, что позволяет собирать семейства продуктов из общих строительных блоков и снижать время вывода решений на рынок.
Cadence развивает вокруг Physical AI Chiplet Platform экосистему Chiplet Spec‑to‑Packaged‑Parts, сотрудничая с поставщиками вычислительных IP, межсоединений, памяти, решений по безопасности, аналитике и производству. Среди первых партнёров заявлены Arm, Arteris, eMemory, M31 Technology, Silicon Creations, Trilinear Technologies и proteanTecs. Совместно с Samsung Foundry компания разрабатывает прототип платформы на основе технологического процесса SF5A, а также предлагает услуги по реализации чиплетов «под ключ» — от конфигурации и проектирования до готовой упаковки.
Чиплетный подход в Physical AI Chiplet Platform призван решить типичные проблемы крупных монолитных SoC: снизить стоимость производства и повысить выход годных кристаллов, комбинировать различные техпроцессы для отдельных блоков, а также точнее подстраивать конфигурацию под требования конкретных приложений. Это особенно важно для рынков автомобильной электроники, робототехники, беспилотников и аэрокосмической техники, где нужны энергоэффективные решения с высокой производительностью и предсказуемыми сроками разработки.