(本篇文章共1397字,阅读时间约2分钟)
众所周知,人工智能技术的重要支撑是芯片,芯片设计需要使用EDA工具。随着芯片设计难度的增大,行业内开始运用AI来为IC助力。在2022年世界人工智能大会上AI芯片主题论坛上,中国工程院高文院士就此问题发表了《人工智能与EDA前瞻性发展》演讲。
高文院士首先指出,目前的人工智能,无论是机器深度学习还是深度神经网络的人工智能,都需要很强的训练的算力,以及算法和数据。这需要芯片的支持。GPU、NPU是人工智能作为训练和推理不可缺少的硬件。人工智能和芯片之间的关系,应该是双向,既可能是AI FOR IC,也可能是IC FOR AI,它们之间是相互作用的。故而,高文院士认为:未来AI FOR IC,对于集成电路来说,AI会起到提高设计效率的作用,甚至可能将对设计带来革命性的改变。
高院士结合芯片设计中的具体案例说,英伟达曾有一款大规模的芯片,耗费8000个工程师年完成。这种投入意味着IC设计将会变成少数巨头企业的游戏。一个芯片需要8000个工程师年,就是说,没有几万个工程师这个游戏不要玩了。如果这样做,小企业就基本没有活路。故而,需要想出路,出路就想法办法把8000工程师年的工作给缩短。
除设计本身之外,高院士认为,在芯片制造方面,如集成电路布线,到划好线,光刻刻蚀结束后,得到一个结构。虽然设计的目标是非常整齐的,但是很可能,没有任何优化技术,作完MASK以后,结果并不正确或者说,与设计并不对应。也需要一些优化技术。具体到整体设计的流程,特别是物理设计环节,就可以通过AI的介入,使得设计的效率提高。在仿真验证环节上,也可以用AI技术来优化,实现更好的效果。
对于AI FOR IC,高文院士也认为,但是集成电器设计全部是AI取代也是不可能的,需要找切入点,找耗时比较多,需要经验最多、人力投入最大的一部分,用计算机、用人工智能取代。当下,他指出,有两大切入点。
EDA设计布线
具体而言,布线本身解决方案没有最优解,只有次优解,而且是多个解,就需要有非常多的经验,需要有人来做。如果用计算机,通过人工智能算法能做,将是最理想的。布线与下围棋一样,有各种各样的可能,如果采用与围棋同样的策略,可让计算机在所有可能的布线中,挑一个最好的。所以,人工智能可以解决布线问题。当然,布线比下围棋更难,因为物理空间在变、状态空间在变,所以要将所有的可能性举也出来,运有布线软件,来进行局部的优化。传统上,用机器学习的办法优化,现在则采用深度神经网络,强化在一起,去找最优的解。
处理器设计
集成电路,想要布线,需要数据。没有数据,即便有再强的人工智能算力也没用。数据在哪里?以前有很多积累,可以把数据拿来,这些数据是可以作为参考的。离开了特定领域,数据还有没有效,那就要通过迁移学习的办法,激活已有的数据,让其变得有效,当然,有些数据是激不活的。要靠数据在设计空间上做一些搜索,使得搜索的速度比较快,得到次优解或者最优解,快速完成。如EDA国际三大头部企业,有一些已经集成到工具了,已经做开发。国内EDA公司,模拟方面发展的不错,但数字设计方面起步积累的数据不多。
高文院士在演讲最后总结指出,具体来看,现在,AI FOR IC,已有成功的案例,今年美国的IC会议上,展示了用AI铺助数字电路的设计、AI做模拟电路、AI帮助光刻模型的多个案例。这些案例显示,AI不仅可以进行模拟器件,也可以做合成器件的生成,未来还可以应用到制造端。芯片是AI能力发展的基础,但AI反过来又可以加强芯片的设计与制造。
科闻社版权声明:转载时标注原文链接不构成侵权
4000520066 欢迎批评指正
All Rights Reserved 新浪公司 版权所有