Avançando Microeletrônica para Atender Demandas Evolutivas da IA

Inteligência artificial está redefinindo tecnologia across indústrias, demandando soluções microeletrônicas que entreguem performance, eficiência energética e form factors compactos sem precedentes. De massive data centers a veículos autônomos, robôs, dispositivos móveis, wearables e aplicações futuras ainda por imaginar, a necessidade por hardware mais rápido, inteligente e verde é premente.

No reino do hardware, esse desafio clama por paradigmas inovadores em sensores, processadores, memória, interconnects e empacotamento. A comunidade de pesquisa do Leti está ativamente explorando essas fronteiras, posicionando‑se na interseção de Edge AI e tendências mais amplas da indústria. Soluções reais, manufaturáveis, emergirão apenas através de colaboração interdisciplinar antes da produção em massa.

Podemos antecipar o marketplace de IA mapeando aplicações across capacidade de computação e consumo de potência (veja Figura 1). Wearables ficam no extremo low‑power, low‑compute, enquanto data centers demandam highest performance e orçamentos de energia. Smart appliances, realidade aumentada, robótica e veículos autônomos ocupam o espectro entre eles.

Figura 1. (Fonte: Leti)

Edge AI — onde a maioria da análise de dados ocorre no ponto de captura — prospera neste lado esquerdo do espectro. Alcançá‑la requer sensores e processadores que possam adaptar on‑the‑fly, muito como olhos e ouvidos humanos. Esses componentes devem ajustar dinamicamente características como dynamic range para combinar inteligência local, tudo dentro de footprint que caiba em um relógio ou wearable.

Inversamente, workloads de IA larger‑scale expõem limites de arquiteturas de computação tradicionais, especialmente os ciclos constantes de read/write de memória que drenam tanto tempo quanto energia.

Com essas realidades em mente, Leti prioriza pesquisa em sensores inteligentes e abordagens de computação groundbreaking.

Um dos gargalos centrais da computação moderna é movimento de dados: transferir dados entre memória e processador agora consome muito mais tempo e energia que a computação em si. De fato, transferência de dados e acesso a memória podem contabilizar até 90% do orçamento de energia de um sistema — figura alarmante para workloads de IA que dependem de vastos datasets e operações simples. Reduzir movimento de dados é, portanto, essencial.

O trabalho de longa data do Leti em circuitos 3D busca empilhar memória diretamente sobre processadores, encurtando links físicos e cortando latência. Também estamos pioneirando novas arquiteturas de memória que realizam adição, subtração e lógica booleana diretamente dentro de células SRAM. Essa abordagem de in‑memory computing (IMC) elimina necessidade de shuttle dados para fora da memória, economizando espaço e energia. Protótipos iniciais mostram potencial para aumento de 100‑fold em throughput de IA mantendo‑se dentro do mesmo envelope de frequência e energia esperado para os 2020s.