本文由新思科技編譯自 [Moor Insights and Strategy]

原文?[Using AI To Build Better Chips]

作者?[Karl Freund]

隨著眾多初創(chuàng)企業(yè)和大型半導體公司競相向市場推出全新人工智能芯片，Synopsys(新思科技)、Cadence和Mentor Graphics等芯片設(shè)計自動化設(shè)計解決方案提供商正在研究幫助開發(fā)者縮短芯片上市時間的新方法。有意思的是，這其中所采取的方法之一是運用人工智能技術(shù)來幫助構(gòu)建更好的人工智能芯片。芯片設(shè)計過程分為前端和后端，后端又稱為物理設(shè)計，對于支持人工智能新技術(shù)已經(jīng)特別成熟，早期采用者也受益于其出色的性能表現(xiàn)。?▲?圖1：由170億個晶體管構(gòu)成的NVIDIA Drive AGX Orin芯片英偉達(NVIDIA)

01

?芯片構(gòu)建的諸多挑戰(zhàn)

芯片構(gòu)建中存在諸多挑戰(zhàn)，最終確定芯片邏輯可能需要數(shù)月甚至數(shù)年的時間，一旦確定后，物理設(shè)計過程就開始了。開發(fā)者必須確定每一塊晶體管的放置位置，以及如何將其互連。這個過程叫做布局和布線。現(xiàn)代芯片上有數(shù)十億個晶體管，這種設(shè)計布局和測試通常需要數(shù)位開發(fā)者大約利用20到30周的時間才能完成。如果他們在其中出了差錯，便會導致芯片設(shè)計無法按照規(guī)定時間完成，功耗過高、成本過大，或者根本無法使用。但是布局芯片的恰當方法不止一種，還存在無數(shù)可能的選擇，包括平衡芯片的三個主要設(shè)計目標：性能、功耗和面積(PPA)。實際上，開發(fā)者面臨著大規(guī)模的“搜索”問題：僅僅是平面布置圖探索就可以包含驚人的10^90,000種可能性， 而國際象棋也只有10¹²³種狀態(tài)，圍棋游戲只有大約10³⁶⁰種狀態(tài)。為什么要拿游戲作類比，因為物理設(shè)計和游戲一樣，現(xiàn)在都可以用人工智能軟件來“玩”。雖然人工智能需要巨大的計算資源，但它可以從海量備選方案中進行篩選以優(yōu)化參數(shù)，從而實現(xiàn)實現(xiàn)PPA的最佳組合。

02

?使用強化學習贏得游戲

人工智能中有一個強化學習的無監(jiān)督學習分支，可以通過試錯來解決這類游戲問題：讓電腦“試一試”某個解，用得出的結(jié)果加強該解的參數(shù)。將這樣的過程重復數(shù)萬億次，直到實現(xiàn)解收斂，即“獲勝”。作為芯片設(shè)計自動化設(shè)計解決方案提供商，新思科技一直在與客戶試驗這種方法，并取得了令人驚喜的結(jié)果。▲ 圖2：開發(fā)者已經(jīng)使用強化學習來加速網(wǎng)絡化、移動化、汽車領(lǐng)域和人工智能芯片的物理設(shè)計項目，并取得了驚人的結(jié)果。從新思科技和客戶進行的一系列復雜芯片設(shè)計的其中四個項目的平均值來看，該方法可以提前86%的時間完成設(shè)計，且配置人員僅包括一名數(shù)據(jù)科學家而不是4-5名工程師，所有項目均實現(xiàn)或超越了PPA目標。有趣的是，使用人工智能技術(shù)產(chǎn)生的一些設(shè)計有點反直覺，比如以非常規(guī)形狀分布晶體塊，但是結(jié)果很有說服力，實現(xiàn)了更快上市時間及更高性能。

結(jié)論

在物理設(shè)計中使用強化學習只是冰山一角，人工智能和機器學習可以用于設(shè)計集成電路中常見的許多工作流程。英偉達首席執(zhí)行官黃延森在2016年首次發(fā)布Saturn V時曾表示，英偉達內(nèi)部GPU驅(qū)動的超級計算機，當時在全球超級計算機排名前30位。隨后預測Saturn V將成為其公司一個強大的技術(shù)優(yōu)勢，可以幫助英偉達開發(fā)者提高生產(chǎn)效率，實現(xiàn)卓越的產(chǎn)品。新思科技使用強化學習獲得的早期項目結(jié)果，也驗證了黃先生當時的觀點。

//

總結(jié)

以上是生活随笔為你收集整理的人工智能芯片设计pdf_在芯片设计中引入人工智能的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。