英特尔在近日的一份博客中表示，其已将 AI 广泛用于包括酷睿 Ultra 处理器的热计划在内的处事中。以酷睿 Ultra 处理器为代表的客户端产品在运行进程中严重依靠睿频功能。在睿频中处理器频率提升，同时产生更多的热量。为了充分了解这一进程，研究人员需要对 CPU 内核、IO 及其他部分的复杂处事负载进行精确剖析，以确定睿频进程中芯片上的热点。在剖析中，研究者需要确定 CPU 上微型热传感器的最佳位置，这一操作传统上极其依靠经验。整个测试进程可长达 6 周，一次仅能同时研究一两个处事负载。英特尔采用了内部开发的加强
英特尔在近日的一份博客中表示，其已将 AI 广泛用于包括酷睿 Ultra 处理器的热计划在内的处事中。
以酷睿 Ultra 处理器为代表的客户端产品在运行进程中严重依靠睿频功能。在睿频中处理器频率提升，同时产生更多的热量。
为了充分了解这一进程，研究人员需要对 CPU 内核、IO 及其他部分的复杂处事负载进行精确剖析，以确定睿频进程中芯片上的热点。
在剖析中，研究者需要确定 CPU 上微型热传感器的最佳位置，这一操作传统上极其依靠经验。整个测试进程可长达 6 周，一次仅能同时研究一两个处事负载。
英特尔采用了内部开发的加强智能（IT之家注：加强智能是人工智能的一个分支，专注于人类和 AI 的协同处事）对象来简化这一问题。
现在英特尔工程师向加强智能对象输入边界条件，对象就能在几分钟的时间内处理数千个变量，之后返回理想的放置建议。
此外英特尔还建构了另一个配套对象，可通过已有的测试数据模拟其他未测量的负载。
英特尔客户端估计事业部高级系统热和机械架构师 Mark Gallina 表示，这两款加强智能对象彻底改变了芯片热计划的进程，提升了计划效率。
除芯片热计划外，英特尔客户端估计事业部还将 AI 运用到其他多个场景中，包括高速 IO 信号完整性剖析和故障剖析、能效剖析自动采样等。
半导体生产越来越同 AI 紧密结合，除英特尔外多家企业也在借助 AI 加快芯片推出进程：
英伟达方面推出了名为 cuLitho 的 AI 加快估计光刻平台，AMD 也在芯片布线阶段引入 AI 作为助力，而新思科技则在去年发布了 AI 驱动型 EDA 套件 Synopsys.ai。