“National Instruments 首席手艺官 Thomas Benjamin 日前与 Semiconductor Engineering 切磋了一种测试的新方式，以数据为出发点，以生成式 AI 作为分歧功能之间的桥梁。

National Instruments 首席手艺官 Thomas Benjamin 日前与 Semiconductor Engineering 切磋了一种测试的新方式，以数据为出发点，以生成式 AI 作为分歧功能之间的桥梁。SE：您看到的重年夜转变是甚么？这若何影响要害数据从尝试室到晶圆厂的移动？Benjamin：假如您走进任何制造或尝试室情况，您城市具有测试、丈量硬件和系统，和在 PC 或平板电脑上运行 LabVIEW 的软件。 所有这些产物城市建立一个测试序列。 该测试注解产物（半导体芯片、晶圆或机电）的机能是不是合适或偏离规格。 但它们都在孤岛中运行，世界各地的工场中可能稀有百个如许的装备。 此刻，跟着高带宽和低价钱的毗连变得无处不在，假如您从一台机械上领会异常环境并领会其底子缘由，您便可以在多个系统中实现敏捷结构。 这与谷歌地图的工作体例很是类似。 谷歌地图在手机上运行，而且在云端有一个中间。 当您碰到交通拥堵时，它会经由过程一个自治的超主动化系统主动为您从头放置线路。 一样，我们相信测试的将来不是仪器，而是一个自治的超主动化系统，它将硬件、软件、数据、工作流程和智能连系在一路。终究，生成式人工智能将用在建立、摆设和履行序列测试，乃至可能查看测试的底子缘由阐发。SE：您在这里所做的是采取生成式人工智能并操纵它将各类功能毗连在一路？Benjamin：这是准确的。但这是基在悠长的汗青。我们虚拟化了测试仪器，是以我们可以或许将这些仪器毗连在一路。 我们在高级阐发方面进行了年夜量投资。 进化的下一个逻辑层面是利用人工智能。 我们正在操纵手艺释放的新功能继续立异，使工作变得更简单、更有用。SE：您在人工智能范畴工作了多长时候？Benjamin：我们从本年最先，但我们在数据方面已工作了几年。 NVIDIA 正在利用我们的进步前辈阐发软件进行合同制造，由于所有芯片制造散布活着界各地的多个合同制造商中。 我们会商了虚拟工程师利用 NI 软件来弥补物理工程师的概念，这有助在提高他们的产量。SE：它是若何从尝试室转移到晶圆厂的？ 这在其他范畴有利用吗？Benjamin：我们谈到的触及 NVIDIA 的产物已完全投入出产。 在尝试室中，您可以丈量 1,000 个参数并进行测试。 我们对其进行微调，以丈量出产中一组成心义的参数，然后将其联系关系回尝试室，由于两个处所运行的根本举措措施不异。 我们可以回过甚来，乃至可以按照我们在出产中看到的环境来革新该设计并改良它。 这只是一部门。 它包罗设计、验证、出产和利用。 我们从尝试室最先，并将其扩大到出产中。 我们还需要可以或许经由过程利用中的数据来跟踪这一点，并在这个完全的轮回中从头验证和微调设计。 这是圣杯，跟着行业和市场的成熟，我们将分阶段寻求它。SE：此中良多是由汽车行业鞭策的吗？Benjamin：是的，我们可以在汽车行业更进一步。 我们正在连系我们的硬件和软件能力，并将这一轮回从设计、验证、出产和利用扩大到半导体行业、汽车行业、航空航天/国防行业和教育部门，这是一个普遍的范畴。SE：您若何对待汽车市场的转变？Benjamin：起首，车辆此刻将由计较机驱动，计较机必需处置打算内或打算外的任何场景。 打算场景的一个示例是若何穿过交叉路口。 打算外的场景是您若何浏览部门被遮挡的街道标记。 车辆不竭地做出决议计划，为此需要进行年夜量的测试和丈量。 假如决议计划正确，您就会最先信赖这辆车，由于它会带您达到目标地。 这意味着您需要年夜量有关测试系统的分歧场景的数据。 曩昔凡是进行基在鼓励/响应的测试。 此刻您必需进行基在场景的测试。 您必需肯定可以测试的所有这些复杂场景，这根基上基在您搜集的数据。 为了主动驾驶和测试，我们必需做良多如许的工作。 此刻，当我们审阅 6G 时，我们正在测验考试从素质上复制此中一些模式，由于我们认为年夜部门模式都是从主动驾驶到 6G 的交叉传布。 但在 6G 汽车范畴，有几件事是赌注。 一是搜集、治理和存储数据的杰出尺度化方式。 我们没有尺度规格。 是以，在 DARPA 打算和国度科学基金会的撑持下，NI 和东北年夜学一向致力在一个名为 RF 数据工场的项目，该项目供给了一套主动化东西来以尺度化格局搜集、治理和存储数据，称为SigMF。 我们方才向开源社区发布了 RF 数据记实 API，以便研究人员和其他人可使用此根本举措措施从这些分歧的测试中搜集数据。 我们在现场有良多 NI USRP（通用软件无线电外设）装备可以或许做到这一点，而且我们开源了一个平台，供研究人员利用此 API 并记实和测试数据。 是以，一旦搜集了这些数据，您就具有了建立这些无穷场景的根本举措措施，例如在汽车驾驶范畴。 例如6G，干扰场景有哪些？ 您若何保护您的手机旌旗灯号？ 您若何组织所有这些工作以使沟通加倍有用和高效？ 假如我们可以或许推出一小我人都可使用的低本钱版本，它将加快 6G 空间测试和丈量的采取。SE：这确切是人工智能的口头禅，对吧？ 下降一切本钱。Benjamin：是的，这恰是我们想要参与的处所。但这只是等式的一部门，由于一旦你有了无数个如许的测试场景，你若何测试它？ 例如，假如您拜候 ChatGPT 并扣问它“厨房这个词中字母 E 的位置是甚么”，它会告知您厨房中没有字母 E。缘由是机械进修模子没有针对此类场景进行练习。 当你获得这些无穷的场景时，人类不成能测试所有这些场景。 那末可使用AI引擎来测试AI自己吗？ 这是我们最先研究的另外一个范畴。 这是我们在汽车范畴常常利用的概念。 我们此刻正测验考试跨入 6G 范畴，吸收此中的一些经验教训，并针对 6G 对其进行改良、个性化和情境化。SE：跟着我们的成长，谁具有这些数据？ ChatGPT 或任何生成式人工智能法式的耽忧之一是，数据来自很多分歧的处所。Benjamin：我们仍在尽力解决这个问题。 第一个方针是搜集数据并连结准确的节制布局。 今朝 Azure 上供给了根本举措措施，您可以在此中获得可用在培训的当地化实例。 我们正在研究它，但此刻还处在初期阶段。 我们必需提出一些模子，和行业同盟或近似的工具，以确保界说数据的准确所有权。 但更主要的是，必需设置庇护敏感信息的护栏。 有同态加密之类的概念。 但在简化并为现实消费做好预备之前，还良多工作要做。SE：6G 会像 4G LTE 一样利用吗？ 终端装备是手机仍是与公寓楼的点对点毗连？Benjamin：6G 的许诺是可以或许具有 10 Gbps 以上的带宽。 这将使计较加倍身临其境，由于在曩昔的 40 年里，我们仅利用键盘和鼠标，此刻可能还利用平板电脑与计较机进行交互。 我们可以将其晋升到加倍身临其境的程度。 究竟是甚么，时候会告知我们谜底。 我们将具有主动驾驶汽车。 汽车可以最先与道路或旌旗灯号灯对话，由此可以衍生出所有这些分歧的用例，而 6G 就是铺路石之一。 千兆赫/毫米波规模内仍有年夜量收集带宽还没有利用。 有良多工作需要融会。 假如你回首 20 年前，我们会质疑 5G 是不是真的会呈现。 6G也是一样。 曩昔 20 年产生了良多转变，并且产生得相当快。SE：但这其实不是说你拿起 5G 手机并期望它在你开车时延续供给海量数据能力，对吧？ 或许这是点对点毗连而不是汽车中的移动装备？Benjamin：说得对。 跟着我们的进步，机械对机械的通讯将会获得增进。 假如你看看 1G 和 2G，那就是语音通话。 今天，工作远不止在此。 假如具有弹性的带宽可以经由过程相干的平安网取得，那末如许的环境还会更多。SE：5G和6G的无线测试解决了吗？ 您要寻觅的是旌旗灯号有多强，但这是不是是硬件、软件或旌旗灯号自己的问题？Benjamin：我们还没有解决这个问题。 我们正在尽力经由过程这个进程。 这就是分歧场景阐扬感化的处所，由于它将是地面站、无线旌旗灯号和其他模块的组合。 这些分歧的特点可能会干扰旌旗灯号——特别是当你在运动场、机场或近似的拥堵场合，那边的消费密度要年夜很多——需要阐扬这些分歧的场景。 呈现的问题会有分歧的特点，可能需要按照具体环境来解决。SE：所以它需要良多中继器？Benjamin：这多是准确的。SE：到今朝为止我们会商的一切都需要年夜量芯片，并且愈来愈多的小芯片。 我们若何治理这些？Benjamin：对每一个小芯片或组件，您可使用用户 ID 对其进行标识表记标帜，以便您具有用户所有权和特定的输入加密密钥吗？ 这些是我们必需利用的手艺。 ERP人员在某种水平上解决了这个问题。 作为组织的司理，您可以查看组织内员工的工资。 但你没法查看同业的组织。 这是一个小很多的范围，但我们必需揣度出一些模式。 我们需要设置根本护栏才能成功实现这一方针。SE：您认为人工智能面对的最年夜挑战是甚么？ 您认为最年夜的机缘是甚么？Benjamin：人工智能面对的庞大挑战，特别是在 6G 范畴，是获得数据并建立年夜量成心义的场景。 这将是第一个重年夜挑战，我们必需与一些设计合作火伴、现实运营商、芯片或零部件制造商配合解决这个问题，才能增进这一方针。第二部门是若何庇护这些数据，并以可耗损的价钱进行庇护。 计较本钱不该跨越其发生的贸易价值。 若何细心而奥妙地穿越这二者，是我们需要弄清晰的。 跟着这些能力最先融会，将来 12 到 18 个月内有年夜量进修要做。SE：NI 一向与德克萨斯年夜学紧密亲密合作，此刻正在进一步与其他年夜学和研究小组合作。 这是不是有助在填补一向限制芯片行业的人材欠缺？Benjamin：我们必需看看研究是在哪里进行的，其实不是所有的研究都产生在我们四周。 是以，我们正在操纵我们开辟的全球根本举措措施。 今朝我们是一个全球性组织。SE：新的年夜机遇在哪里？Benjamin：固然是汽车范畴，特别是电动汽车。 但此中良多也能够推行到航空航天和国防范畴，由于所有这些都将作为一个互联的系统网格阐扬感化。 测试的将来不是仪器。 它是一个自立的、超主动化的系统。 它不但仅是一个孤立运行的系统。 它是一个协同工作的网格，为终究客户供给营业或产物机能的终究输出。SE：您此刻是不是斟酌跟着时候的推移进行测试，而不是仅仅在制造进程中进行一系列测试并预备好进入市场？Benjamin：跟着时候的推移，它会不雅察它以检测异常，而在甚么时候呈现甚么异常多是利用特点和系统负载的函数。 所以这些是我们传统上没有斟酌过的维度。 想一想新年庆贺勾当，当一个处所的人员密度增添并改变系统的行动特点时。 每当密度增添时，这些特点就会批量呈现，而且当您跟着时候的推移查看致使这些系统异常的身分时（由于异常很少会当即产生），就会呈现退化模式。 您乃至可以在异常产生之前检测退化模式的斜率。SE：猜测那些异质集成和不平均老化的异常是不是会变得加倍坚苦？Benjamin：系统变得愈来愈复杂。与单一系统比拟，有更多的移动部件组合在一路构成一个系统。 还更多的子模块以分歧的摆列和组合组装在一路。 这就是为何测试和丈量的机遇依然愈来愈壮大。SE：那末终究方针是弹性吗？Benjamin：是的，这是你在软件行业看到的工作。 在黑色礼拜五，当稀有百万用户试图购物时，假如一台机械或容器呈现故障，它会主动从头路由，但您的办事不会中止。 此刻的问题是您是不是可以将不异的功能引入硬件范畴，并确保产物的机能不会变差。SE：此刻的极端环境比以往任什么时候候都多，我们需要更快地辨认它们并处置它们。 我们该怎样做呢？Benjamin：这就是基在场景的测试的用武之地，而年夜量的测试场景就是贵重的经验。 你需要一个可以顺应任何场景的收集。 这就是我们将测试和丈量平易近主化作为下一个逻辑演化的体例。SE：您所追求的是更快的上市时候和更少的掉败，对吗？Benjamin：是的，这需要一些时候才能实现。但我们可以帮忙增进这一点，由于测试和丈量无处不在地逾越这些功能的分歧构建模块。SE：所有这些城市发生更大都据。 您若何治理所有这些数据？ 您保存几多和保留多长时候？Benjamin：我们的设法不是存储所稀有据。它是找到致使异常的要害模式并将其聚合，然后存储并紧缩，乃至归档，或按照需要断根。 您不需要每行数据。 窍门是弄清晰甚么是要害聚合存储和甚么要抛弃。