Taipei – Hukum Moore—bahwa jumlah transistor dalam sebuah chip akan berlipat ganda setiap dua tahun—mulai melambat. Untuk mempertahankan laju kemajuan komputasi, industri semikonduktor beralih ke Komputasi Spesialisasi dan Chiplet Architecture. Daripada mengandalkan peningkatan kecepatan clock atau transistor yang lebih kecil secara universal, masa depan komputasi didominasi oleh hardware yang dirancang khusus untuk tugas-tugas spesifik.
Komputasi Spesialisasi berarti mengembangkan akselerator hardware yang dioptimalkan untuk beban kerja tertentu. Contoh paling jelas adalah Graphical Processing Unit (GPU) dan Tensor Processing Unit (TPU) yang dirancang untuk AI dan Machine Learning. Chip yang disesuaikan ini dapat melakukan tugas-tugas spesifik (seperti perkalian matriks untuk AI) ratusan kali lebih cepat dan jauh lebih efisien energi daripada Central Processing Unit (CPU) tujuan umum.
Inovasi yang memungkinkan spesialisasi ini adalah Chiplet Architecture. Daripada membangun seluruh chip dalam satu blok silikon monolitik besar (System-on-Chip), Chiplet memecah fungsi menjadi chip yang lebih kecil yang dibuat secara terpisah (seringkali dengan proses manufaktur yang berbeda-beda) dan kemudian disambung bersama pada satu paket.
Keuntungan Chiplet sangat besar. Ini meningkatkan yield (hasil produksi chip yang berhasil) karena lebih mudah membuat chip kecil yang sempurna. Selain itu, ini memungkinkan kustomisasi yang ekstrem. Produsen dapat mencampur dan mencocokkan chiplet CPU, chiplet memori, dan chiplet akselerator AI pada paket yang sama untuk membuat prosesor yang sangat disesuaikan dengan kebutuhan pelanggan (misalnya, server cloud atau mobil otonom).
Chiplet Architecture tidak hanya mengatasi batas fisik Hukum Moore tetapi juga menciptakan ekonomi manufaktur baru yang lebih fleksibel. Ini memicu kebangkitan desain semikonduktor kustom yang memindahkan inovasi dari pembuat fab (pabrik) ke arsitek chip, memungkinkan inovasi hardware yang gesit di era komputasi yang haus daya.
