如何使用AI助力芯片设计？

图片来源  /  包图网

 

来源  /  datacenterdynamics;荣格电子芯片编译

作者  /  Charlotte Trueman 

 

 

人工智能无处不在。它支撑着你在工作场所使用的工具，它决定了你去杂货店购物时提供给你的交易，你联系的客户服务代表可能是一个聊天机器人，而且它越来越多地尝试新闻（尽管不是在这种情况下）。

 

人工智能日益普及的另一个领域是芯片制造行业。目前，设计芯片可能需要 18 个月到两年的时间，随着计算要求的增加，这个过程变得越来越昂贵和耗时。

 

制造过程虽然不那么耗时，但同样复杂，可能涉及数百个步骤，这使得从设计到批量生产的转变非常费力。因此，芯片公司开始涉足人工智能领域，看看该技术是否能为行业带来效率也就不足为奇了。

 

在芯片设计方面，Gartner 副总裁分析师 Alan Priestley 表示，在非常简单的层面上，有很多事情需要考虑，即你希望芯片做什么，这取决于逻辑块的功能;芯片的布局以及这些逻辑块在硅表面上转换为晶体管;然后测试和验证芯片，以确保它符合预期。

 

他说，在几乎所有这些步骤中，理论上都可以部署人工智能工具来加快设计过程，例如自动化布局优化任务，如平面规划和布线，或模拟芯片在不同场景中的行为，从而减少对物理原型的需求。

 

Priestly认为，使用新兴技术来辅助芯片设计并不是一个新概念，他指出，与过去相比，今天用于开发芯片的技术非常复杂。

 

Priestly 也拥有工程学位，过去曾在 International Computers 和 Intel 工作过，他对事情的变化有一些实践经验。

 

“如果你回到过去，我设计的第一个芯片是手工在纸上绘制的，当他们制作面具时，这一切都是手工剪下来的。因此，我们已经添加了计算机技术来协助布局设计等工作。

 

Priestley提到现代CPU，它可以包含几百万到数十亿个晶体管，他补充说：“你不能使用30或40年前的技术来设计当前一代的芯片;今天，您需要先进的计算机技术来设计它。将人工智能技术添加到设计过程中只是下一步。

 

“你不能用30或40年前的技术来设计最新一代的芯片。

 

2023 年 7 月，AMD 首席执行官苏姿丰博士在上海举行的世界人工智能大会 （WAIC） 上发表讲话时表示，该公司已经开始使用人工智能来设计芯片，并补充说，随着现代处理器的复杂性继续呈指数级增长，她预计人工智能工具最终将主导芯片设计。

 

AMD GPU 技术和工程软件高级副总裁兼首席软件官 Andrej Zdravkovic 在对 DCD 的评论中详细阐述了该公司对 AI 芯片设计的兴趣。

 

“AMD 工程团队一直在寻找在设计过程中使用尖端技术的新方法。我们多年来一直使用预测性人工智能模型，事实证明，它们在识别模式方面非常有用，并帮助我们提高了生产力并缩短了开发时间，“他说。

 

兹德拉夫科维奇解释说，AMD一直在部署这些模型，以帮助在硬件和软件设计过程的早期识别潜在问题，为公司提供额外的工具来做出明智的决策。

 

“随着大型语言模型的发展和生成式人工智能的爆炸式增长，我们已经开始考虑将人工智能集成到我们的芯片和软件设计流程的工作流程中，以更有效地提供更快、更具创新性的设计，”他说，并补充说，AMD还在确定人工智能如何帮助自动化和优化重复性任务，包括检查和纠正RTL或软件代码的最佳实践。体系结构和安全标准。

 

 

Part 1

EDA的作用

 

如果你看一下引擎盖下，在许多用例中，人工智能只是被用来自动化不可否认的枯燥任务。在这方面，人工智能芯片设计并不是一个全新的概念。

 

电子设计自动化 （EDA） 公司已经存在了几十年，最早的 EDA 流程归功于 1950 年代的 IBM。然而，半导体的不断扩大使其越来越受到芯片制造商的欢迎。

 

Synopsys 成立于 1986 年，就是这样一家为半导体制造公司提供工具和服务的 EDA 公司。它于 2020 年首次涉足 AI 驱动的芯片设计领域，当时它推出了一款名为 DSO.ai 的基于云的 AI 软件工具，该工具使用强化学习来自动决定如何在芯片上最好地放置和布线电路块。

 

以前，在不使用计算的情况下探索设计空间是不可能的，因为时间限制意味着只有这么多的迭代可以运行，Synopsys EDA Group 产品线管理执行总监 Arvind Narayanan 解释道。

 

然而，该公司意识到，通过将人工智能引入流程，它将为客户提供在更短的时间内在设计空间内运行数百万种组合的能力，从而使设计人员能够以更少的手动工作实现更高的性能、更低的功耗和更小的芯片面积。

 

继 DSO.ai 发布后，该公司于 2023 年 3 月推出了 Synopsys.ai，这是一个人工智能驱动的设计自动化套件，可在整个 EDA 堆栈中部署生成式 AI。该套件包括用于验证、TSO.ai 测试的 VSO.ai 和模拟设计的 ASO.ai，该公司基本上采用了用于构建其 DSO.ai 产品的架构，并针对不同的工作流程和参数对其进行了扩展和优化。

 

Synopsys 的全套 AI 工具现已形成端到端解决方案，包括系统架构、设计捕获、验证、实施、签核、测试和芯片制造。

 

此后，该公司与 AMD、英特尔和英伟达合作，并将设计从高性能计算芯片到人工智能、移动处理器、汽车和电子产品等各种产品的组织纳入其客户群。

 

 

Part 2

芯片设计人员面临的挑战

 

普里斯特利说，EDA公司传统上与小公司合作，因为大公司已经拥有自己的内部开发能力。

 

然而，Narayanan表示，半导体行业目前面临的挑战可以说比以往任何时候都更加复杂，这意味着各种规模和各行各业的公司现在都在求助于EDA组织和人工智能工具，以帮助他们解决其中一些问题。

 

大多数与行业面临的最大挑战有关的对话都将涉及讨论更小的芯片可以获得多少。目前，生产中最小的芯片是 3nm，但大规模生产 2nm 的竞赛正式开始，预计将于 2025 年上市。

 

然而，传统的光刻工艺——在硅晶圆上创建微小图案的动作——正在达到极限，因为随着晶体管变得越来越小，这个过程需要越来越复杂的计算来计算如何在如此小的规模下工作。

 

英伟达（Nvidia）是一家试图解决这个问题的公司，该公司在2023年3月的GTC大会上推出了cutLitho，这是一个用于计算光刻的软件库，可缩短芯片设计开发时间。

 

在发布时，该公司表示，cutLitho将促进晶体管和导线比目前可实现的更小的芯片的开发，同时加快上市时间，并提高与半导体晶圆厂一起运行的数据中心的能源效率，作为制造过程的一部分。

 

在 2024 年的会议上，英伟达表示，台积电和新思科技现在正在使用其 cutLitho 库进行生产芯片开发。该公司还声称，生成式人工智能使cutLitho能够在最初提供的加速计算的基础上提供2×的性能提升;这本身就是比当前光刻技术高出 40× 的性能飞跃。

 

另外，2023 年 10 月，英伟达宣布开发了大型语言模型 （LLM） ChipNeMo，以帮助其员工设计芯片。

 

人工智能可以帮助解决半导体行业面临的另一个挑战是人才短缺。

 

与大多数科技行业的情况一样，半导体行业极度缺乏人才，波士顿咨询集团 （BCG） 2022 年发布的一份题为“半导体设计领导力日益增长的挑战”的报告指出，按照目前的增长速度，到 2030 年，半导体行业对设计工人的需求将超过供应近 35%。

 

因此，BCG指出，设计领导者必须利用对设计创新至关重要的“新技术和未来技术”，包括人工智能。

 

“通过利用基于人工智能的工具，设计人员可以更快、更有效地满足功耗、性能和面积目标。强化学习和其他人工智能算法可以自动执行不太重要的设计任务，使工程师能够专注于更高级的任务和决策，“报告写道。

 

Narayanan表示，人工智能在芯片设计方面已经取得了重大进展，但他认为该技术可以实现更多目标，不仅在工作流程优化方面，而且通过它可以为行业带来的更广泛的好处。

 

Narayanan 引用了 BCG 的报告，并表示人才短缺是 Synopsys 客户目前正在努力解决的一个非常现实的问题。

 

“他们看到（人工智能）在提高生产力方面有很大的潜力，这是大多数公司的发展方向，”他说。

 

“[芯片公司]都面临着同样的挑战。他们设计什么并不重要，他们都有相同的挑战。因此，当你拥有可以提高现有劳动力生产力的技术时，不去看它并采用它是愚蠢的。

 

“我不认为（人工智能）是一个困难的销售。他们都已经卖掉了，“纳拉亚南说。

 

 

Part 3

人工智能的好处会比炒作更持久吗？

 

与大多数新兴技术一样，很难判断它的寿命是否会超过它的炒作。

 

就目前而言，人工智能泡沫似乎不会很快破裂，但这并不意味着所有的谨慎都应该被抛到九霄云外。

 

Gartner 的 Priestly 比大多数人更悲观，他说我们正在达到炒作周期的顶峰，而且通常情况下，它很可能都会崩溃。

 

虽然他承认人工智能无疑会加速设计过程，但他警告说，这项技术就像一个黑匣子，因此挑战在于结果。他说，正如生成式人工智能创造的大量可疑内容的例子所证明的那样，你不能总是保证你提出的请求会产生正确的响应。

 

“这是个大问题，因为芯片设计很昂贵，”Priestly说。“将理论设计转化为实用性需要花费数亿美元，因此您需要尽可能多地预先做工作，这样您才能确定一切正常，不会出现意外。特别是芯片越复杂，测试起来就越困难。

 

AMD的Zdravkovic回应了Priestly的观点，即AI将通过加快设计过程的完成速度来改善设计过程，但警告说，人机交互应该仍然是解决方案的一部分，因为芯片设计需要“深入了解完整的设计空间以及所有系统参数的明确定义的交互和依赖性”。

 

然而，从长远来看，他的评论反映了苏姿丰在 2023 年的言论，他说，虽然人工智能的最新进展和人工智能提供的新功能简直是惊人的，但感觉这个行业才刚刚开始触及表面。

 

他说：“我坚信，多年来，我们将把大部分重复性设计工作转移到先进的人工智能工具上，同时让我们的工程师腾出时间去做创造性的任务，并发明新的先进的芯片和软件架构。

 

对于纳拉亚南来说，杯子不是半满的，而是溢出来的。他说，至少在Synopsys的客户中，曾经可能有一些怀疑（就像任何新技术一样），但随着客户看到人工智能可以为芯片制造商带来的价值，这种怀疑似乎已经消失了。

 

他说，组织现在意识到，他们可以在不增加员工队伍的情况下做更多的事情，并且可以在相同的时间内甚至更短的时间内完成这些不断增长的工作量。

 

他说，这就是 Synopsys 看到 AI 发挥最关键作用的地方，它弥合了客户需要做的事情和他们可以做的事情之间的差距。

 

 

原文链接：

https://www.datacenterdynamics.com/en/analysis/how-ai-can-be-used-to-help-chip-design/

---

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。