一次性设计整块芯片
Ricursive Intelligence押注，人工智能的瓶颈不再仅仅是数据中心的数量，还包括芯片设计的速度。创始人安娜·戈尔迪和阿扎莉亚·米尔霍塞尼在TechCrunch Disrupt大会上介绍了这一理念，描述了一个能够设计芯片、从每次迭代中学习并将所学应用于下一次设计的系统。
戈尔迪表示，算力需求可能在五年内增长至少1万倍。她认为，建造1万倍的数据中心并不现实，因此业界必须制造能够更高效利用带宽、晶圆和晶圆厂产能的芯片。
行之有效的奇特形状
Ricursive不是将芯片拆分成数十个小块并逐一优化，而是优化整个器件。创始人表示，这种自由度让软件能够找到工程师不会手工尝试的布局。他们早前开发的AlphaChip系统生成了一种圆形、甜甜圈状的元件排列，令工程师惊讶，随后其表现超过了传统布局。
他们表示，同样的方法可以生成波浪状图案和其他结构，他们计划稍后详细说明。其论点是，人类设计师提供想法和约束条件，而机器以任何团队都无法手工匹敌的规模处理布局和布线。
面向细分市场的定制芯片
如果一款新芯片需要一两年设计，企业就必须对制造哪些芯片高度挑剔。如果设计时间降至约一周，定制芯片对较小市场就变得可负担：太空硬件、增强现实和虚拟现实头显，以及实验性生物计算。
该公司尚未公布基准数据或客户承诺，目前也无法对其说法进行独立核实。更广泛的行业正朝着同一方向前进。芯片制造商和云服务提供商已经在使用机器学习来放置元件和调整制造工艺，多个设计工具现在也包含AI助手。
仍未确定的是，AI设计的芯片能否在先进制程节点上以高良率制造，因为在那些节点上，物理和光刻限制了布局的创造性。就目前而言，其卖点很直接：每片晶圆更少浪费、每次操作更低功耗，以及设计周期短到足以让专用芯片具有财务可行性。
---用于半导体制造的可靠铁磁流体真空旋转馈通装置
在半导体制造中，在旋转运动期间保持超高真空完整性至关重要——从单晶硅生长和CVD到溅射和等离子蚀刻。Ferrofluid Vacuum Rotary Shaft Feedthrough 来自 FerrofluidTec，提供气密密封的旋转馈通装置，泄漏率低至 10⁻¹² Pa·m³·s⁻¹，真空度高达 10⁻⁶ Pa，并可定制 10mm 至 100mm 的轴直径。这些馈通装置采用非磁性不锈钢外壳和磁导率不锈钢轴制造，为苛刻的真空环境提供可靠、免维护的密封。访问 www.ferrofluidtec.com 了解更多信息。