Google’ın eski AI yöneticisi ve baş bilim insanı Jeff Dean, modern bilgi işlem ihtiyaçlarının giderek daha dar bir iş yükü grubunda yoğunlaştığını ve bu nedenle özel amaçlı çiplerin öneminin arttığını düşünüyor. Dean’e göre bu dönüşüm, genel amaçlı donanım yerine belirli görevler için optimize edilmiş yongalara daha fazla alan açıyor.
Dean, specialized hardware yaklaşımının daha verimli sistemler kurmayı mümkün kıldığını savunuyor. Ona göre bugün dünyadaki toplam hesaplama ihtiyacının önemli bir kısmı, sayıca az ama etkisi büyük iş yüklerinden geliyor. Bu tablo da donanım tarafında daha fazla uzmanlaşmayı teşvik ediyor.
Bununla birlikte Dean, özel çip geliştirmenin temel zayıf noktasını da açık biçimde kabul ediyor: Tasarım tamamlandıktan sonra ihtiyaçlar değişirse, yıllar süren çalışma hızla eski önemini kaybedebiliyor. Yani donanımı çok belirli bir amaca göre şekillendirmek verimlilik kazandırsa da, gelecekteki değişimlere karşı esnekliği azaltabiliyor.
Dean’e göre bu sorunun çözümünde anahtar, donanım tasarım otomasyonu. Geleneksel çip geliştirme sürecinde ekipler önce üst seviye gereksinimleri belirliyor, ardından bunları elle daha düşük seviyeli RTL tanımlarına dönüştürüyor. Bu geçiş manuel yapıldığı için ikinci bir ekip de doğrulama sürecine giriyor. Sonuç olarak süreç hem uzun sürüyor hem de ciddi insan kaynağı gerektiriyor.
Dean, reinforcement learning ve benzeri evrimsel tekniklerle taranabilen otomatik döngülerin bu darboğazları hafifletebileceğini düşünüyor. Buradaki kritik unsur ise hız. Tasarım araçları yeterince hızlı çalışırsa, çok daha kapsamlı ve otomatik bir tasarım keşif döngüsü kurulabileceğini, bunun da geliştirme süresini ciddi biçimde kısaltabileceğini belirtiyor.
Verdiği örnekte Dean, yeni bir çipin 150 kişi ve iki yıl yerine 10 kişiyle üç ay içinde tasarlanabilmesinin sektörde çok daha fazla özel donanımın önünü açacağını söylüyor. Böyle bir senaryoda şirketlerin iki ila altı yıl sonrasının ihtiyaçlarına büyük bahisler yapması yerine, daha kısa vadeli ve daha esnek ürün planları oluşturması mümkün olabilir.
AI’nin, özellikle de agentic AI yaklaşımlarının yarı iletken tasarımında ne kadar etkili olacağı ise halen tartışmalı. Sektörde bazı EDA sağlayıcıları ve Çinli şirketler bu alana yönelirken, üretim teknolojilerinin bir sonraki neslini tasarlamada AI’nin uygunluğu konusunda daha temkinli görüşler de bulunuyor.
