芯片設計新紀元：人工智能與 GPU 加速

NVIDIA 是一提到顯卡就會想到的第一個名字，它在設計高級硅片的同時在許多領域投入了大量時間。這家科技巨頭正在尋找使用其生產的硅來改進芯片設計過程的方法。

綠色團隊預計集成電路設計的復雜性將在未來幾年呈指數級增長。這就是為什么利用 GPU 計算單元的力量將很快從一個有趣的實驗室實驗轉變?yōu)樗行酒圃焐痰谋匦杵贰?/p>

NVIDIA 首席科學家兼研究高級副總裁 Bill Dally 在今年的GPU 技術大會 (GTC)上談了很多關于使用 GPU 來加速現代 GPU 和其他 SoC 背后的設計過程的各個階段的問題。NVIDIA 相信，使用機器學習而不是讓人類手動完成某些任務會更好更快地執(zhí)行。

Dally 領導著一個由 300 名研究人員組成的團隊，他們努力使 GPU 變得越來越快。該團隊希望使用 GPU 功能來克服技術挑戰(zhàn)，自動化和加速傳統方法之外的各種任務。上述研究團隊在 2019 年有 175 人，現在還在繼續(xù)增長。

Bill Dally 表示，在加速芯片設計方面，NVIDIA 已經確定了四個可以利用機器學習技術的領域。例如，在 GPU 上使用電源的映射是一個迭代過程，在傳統 CAD 工具中需要三個小時。然而，當使用經過特殊訓練的人工智能 (AI) 模型時，這項任務只需幾分鐘。教完模型后，這個時間可以縮短到幾秒鐘。當然，誤差幅度在人工智能中很重要。但 Dally 表示，NVIDIA 的工具已經達到了 94% 的準確率，這仍然是一個可觀的數字。

電路設計是一個勞動密集型過程，需要工程師在對部分設計進行仿真后多次更改布局。因此，訓練 AI 模型以對正確的干擾做出準確的預測可以幫助消除大量手動工作，這些工作涉及進行滿足所需設計規(guī)范所需的細微調整。NVIDIA 可以利用 GPU 來預測使用圖形神經網絡的干擾。

Dally 說，設計現代芯片的最大挑戰(zhàn)之一是布線擁塞。這種缺陷表現在特定的電路布局中，其中晶體管和連接它們的許多小導線沒有最佳放置。我們可以把它比作交通擁堵，但讓我們想想虱子而不是汽車。使用圖形神經網絡，工程師可以快速識別問題區(qū)域并相應地調整它們的位置和方向。

在這些場景中，英偉達試圖使用人工智能而不是人類制造的芯片設計。公司工程師可以創(chuàng)建一個替代模型并使用人工智能快速評估，而不是著手進行勞動密集型和計算成本高的過程。這家科技巨頭還希望利用人工智能來設計用于 GPU 和其他高級硅的晶體管邏輯的最基本方面。

GPU 制造商已經開始采取必要措施，轉向更先進的制造技術，在這種技術中，必須根據復雜的設計規(guī)則更換數千個標準單元。一個名為 NVCell 的項目正試圖通過一種稱為強化學習的方法盡可能地自動化這個過程。

經過訓練的 AI 模型的任務是糾正設計錯誤，直到完成。NVIDIA 聲稱迄今為止已達到 92% 的成功率。在某些情況下，用人工智能設計的細胞可能比人類制造的細胞還要小。取得的任何突破都可以提高設計的整體性能，同時有助于減小芯片尺寸和功耗要求。

半導體工藝技術正在迅速接近我們使用硅所能達到的理論極限。另一方面，隨著生產技術的變化，成本增加。因此，設計階段的任何微小改進都可以產生更好的效率，尤其是在減小晶圓尺寸的情況下。

如你所知，綠隊將芯片生產外包給三星、臺積電等公司。Dally 是 NVIDIA 的領軍人物之一，他說由于 NVCell，事情進展得更快了。一個由 10 名工程師組成的團隊可以使用 GPU 加速功能更快地運行他們的工作。通過這種方式，公司內部的重要人物可以更輕松地專注于其他領域。

在芯片設計方面，NVIDIA 并不是唯一一家轉向人工智能的公司。另一家科技巨頭谷歌正在使用機器學習來開發(fā)用于人工智能任務的加速器。谷歌發(fā)現了一些意想不到的方法來優(yōu)化人工智能的性能和能效。另一方面，三星的半導體部門使用一種名為“DSO.ai”的新思科技工具，該工具正逐漸被其他大大小小的公司采用。

由于半導體生產的不足，汽車行業(yè)在過去兩年中遭受了巨大損失。在這種情況下，代工廠可以利用成熟制造技術（12 納米及更大）中的人工智能制造芯片來解決短缺問題。另一方面，由于半導體領域競爭異常激烈，大多數廠商都不愿意投入其中。

超過 50% 的芯片采用成熟的半導體工藝設計。國際數據公司分析師預計，到 2025 年，這一份額將增加到 68%。Synopsis 首席執(zhí)行官 Aart de Geus 認為，公司可以在汽車、電器和許多其他性能不是優(yōu)先考慮的設備中使用人工智能設計芯片。這種方法比改用更先進的生產技術成本更低。此外，在每個晶片（硅圓盤）上放置更多的芯片再次節(jié)省了成本。

如您所知，有很多觀點認為人工智能會隨著時間的推移取代人類。在我們提到的芯片設計過程中，沒有這樣的故事。英偉達、谷歌、三星和其他公司已經發(fā)現，當涉及到越來越復雜的設計時，人工智能可以賦予人類權力并承擔繁重的工作。人們仍然必須找到要解決的問題并決定哪些數據有助于驗證芯片設計。另一方面，人工智能可以更快地處理這個過程。