Silimate, ein von Y Combinator gefördertes Start-up, stellte auf einem von der IEEE-Chapter der Stanford University veranstalteten Event am vergangenen Montag sein neues KI-Tool zur Fehlersuche für Chipdesigner vor. CEO Ann Wu, die das Unternehmen 2023 gemeinsam mit Akash Levy gründete, demonstrierte live, wie die Software Fehler identifiziert, deren Ursachen analysiert und die Chipleistung optimiert. Das Projekt entstand aus der gemeinsamen Frustration der Gründer mit der extremen Komplexität herkömmlicher Chipentwicklungsprozesse. In traditionellen Workflows der elektronischen Auslegung (EDA) können Simulations- und Verifizierungsschritte mehrere Tage dauern. Bei einem Designfehler müssen Ingenieure manuell durch riesige Mengen an Logdateien und Wellenformdaten wühlen, um die Fehlerquelle zu finden. Dies ist ein langsamer und arbeitsintensiver Prozess. Silimates KI-Copilot automatisiert diesen Vorgang erheblich. Während der Demo wurde die Software über eine Kommandozeilenschnittstelle in die beliebte Entwicklungsumgebung VS Code integriert. Das System analysierte einen Prozessor-Entwurf mit einem bekannten Fehler, fand die Ursache der Störung, generierte einen Korrekturpatch und lieferte eine zusammenfassende Erklärung des Vorgehens. Neben der Fehlersuche ermöglicht die Technologie auch Optimierungen in Bezug auf Leistung, Energieverbrauch und Chipfläche (PPA). Durch das Aufspüren ineffizienter Logikpfade schlägt das System Änderungen vor, die die Workload verbessern. Diese Optimierungen haben direkte finanzielle Auswirkungen: Eine reduzierte Chipfläche senkt die Produktionskosten, während eine höhere Energieeffizienz den Betriebsverbrauch verringert. Silimate ist bereits bei mehreren Fortune-500-Unternehmen und führenden Firmen im Bereich GPUs, CPUs und KI-Beschleuniger in der Produktion im Einsatz. Wu wies darauf hin, dass der Markt für EDA-Software von etablierten Konzernen wie Synopsys und Cadence dominiert wird, deren Tools oft auf jahrzehntealten Codebasen beruhen, die durch Übernahmen entstanden sind. Diese Abhängigkeit von bestehenden Arbeitsabläufen bremst oft Innovationen. Silimate bringt als Startup einen neuen Ansatz in diesen langsam beweglichen Sektor. Ein weiterer Schwerpunkt des Vortrags lag auf den Auswirkungen künstlicher Intelligenz auf die Ausbildung von Ingenieuren. Wu betonte zwar, dass KI-Copilots den Code schnell generieren können, aber Ingenieure dennoch über ein starkes technisches Fundament verfügen müssen, um die Ergebnisse bewerten und warten zu können. Es ist unerlässlich zu wissen, was qualitativ hochwertiger Code aussieht, um Fehler frühzeitig zu erkennen. Daher legt Silimate bei der Einstellung von Personal weiterhin starken Wert auf ausgeprägte Programmierkenntnisse. Auch wenn KI Aufgaben wie Debugging automatisiert, bleiben Ingenieure für die Überprüfung und Refaktorierung des Code verantwortlich, der an Kunden geliefert wird. Die Notwendigkeit eines tiefen Verständnisses der Hardware-Architektur bleibt bestehen, da das Design von Chips bestimmt, wie spezifische Workloads effizient ausgeführt werden. Ingenieure müssen zudem untere physikalische Konzepte wie Schaltkreisverhalten und Spannungsschwellenwerte verstehen, die die PPA-Werte beeinflussen. Die Nähe zu führenden KI- und Chipunternehmen in Stanford ermöglicht es Studierenden, die für den Arbeitsmarkt benötigten Fähigkeiten besser zu verstehen.