優(yōu)化功耗，性能和面積一直是芯片設(shè)計(jì)中的三個(gè)重要目標(biāo)但即使是最好的設(shè)備和經(jīng)驗(yàn)最豐富的工程團(tuán)隊(duì)也無(wú)法保證優(yōu)化結(jié)果的穩(wěn)定性

優(yōu)化 PPA 的過(guò)程正受到越來(lái)越多因素的制約:應(yīng)用，IP 和其他組件的可用性不同，工程師對(duì)不同工具和方法的熟悉程度也不盡相同例如，同樣的設(shè)計(jì)目標(biāo)既可以用更大的處理器實(shí)現(xiàn)更高性能，也可以用更小，更專業(yè)的處理元件更緊密的結(jié)合軟件來(lái)實(shí)現(xiàn)因此，即使在相同領(lǐng)域和相同的功率設(shè)計(jì)目標(biāo)下，也會(huì)有許多不同的方法可以實(shí)現(xiàn)相同的目標(biāo)并且方案優(yōu)劣的評(píng)價(jià)標(biāo)準(zhǔn)也是因領(lǐng)域和供應(yīng)商的具體需求而異的

另外，由于對(duì)芯片安全性的需求不斷增加，優(yōu)化過(guò)程變得愈加復(fù)雜根據(jù)設(shè)備使用場(chǎng)景的重要性，其安全需求也各不相同安全級(jí)別的高低會(huì)影響芯片功率和性能的設(shè)計(jì)，進(jìn)一步影響 IC 制造成本，上市時(shí)間，交貨時(shí)間和供應(yīng)商的競(jìng)爭(zhēng)力

為了縷清這些因素，EDA 供應(yīng)商開(kāi)始尋求人工智能和機(jī)器學(xué)習(xí)技術(shù)的幫助芯片供應(yīng)商們正致力于將各種 AI 功能集成到工具流中根據(jù)麻省理工學(xué)院和得克薩斯大學(xué)奧斯汀分校的研究人員的論文，迄今為止該領(lǐng)域研究成果喜人研究人員表示，使用了深度強(qiáng)化學(xué)習(xí)算法的設(shè)備在某些任務(wù)上的表現(xiàn)已經(jīng)超過(guò)了人類

在六個(gè)小時(shí)的實(shí)驗(yàn)中，研究人員通過(guò)對(duì)比使用強(qiáng)化學(xué)習(xí)的圖卷積神經(jīng)網(wǎng)絡(luò)方法，傳統(tǒng)的黑盒優(yōu)化方法，隨機(jī)搜索方法，具有五年經(jīng)驗(yàn)的設(shè)計(jì)師這四者的成果得到結(jié)論:帶有遷移學(xué)習(xí)的強(qiáng)化學(xué)習(xí)方法可以取得更好的效果換言之，基于人工智能的工具可以使晶體管設(shè)計(jì)更加高效

如今，包括谷歌，英偉達(dá)，新思科技，Cadence，三星和西門子在內(nèi)的許多公司都已經(jīng)有在芯片設(shè)計(jì)中使用人工智能的計(jì)劃，其中部分公司甚至已經(jīng)在生產(chǎn)中進(jìn)行這種嘗試。

人工智能改變芯片設(shè)計(jì)格局

直到今天，人們?cè)谠O(shè)計(jì)芯片的過(guò)程中仍然在使用各種設(shè)計(jì)工具進(jìn)行電路，邏輯門，布線，布局的仿真和驗(yàn)證這么做是為了最大限度的減少可能的錯(cuò)誤并且節(jié)約時(shí)間和成本，但這個(gè)過(guò)程相當(dāng)乏味且耗時(shí)

設(shè)計(jì)芯片的流程有很多步驟:一般從確定芯片的規(guī)格和架構(gòu)開(kāi)始，然后遵循上面流程圖中的各個(gè)步驟在設(shè)計(jì)完成后，設(shè)計(jì)文件將會(huì)被發(fā)送給工廠

當(dāng)摩爾定律有效時(shí)，這個(gè)流程只需要根據(jù)實(shí)際情況進(jìn)行微調(diào)即可但伴隨著制程紅利正在消失，F(xiàn)inFET 時(shí)代到來(lái)由于先進(jìn)制程研發(fā)成本的增高，芯片制造商們不得不開(kāi)始尋找新的方法來(lái)實(shí)現(xiàn) PPA 的優(yōu)化這種新變化顯著增加了芯片設(shè)計(jì)流程的復(fù)雜程度，并使得按期交付芯片愈加困難

設(shè)計(jì)一個(gè) 28nm 芯片的平均成本僅為 4000 萬(wàn)美元，IBS 首席執(zhí)行官 Handel Jones 說(shuō)，但現(xiàn)在設(shè)計(jì)一個(gè) 7nm 芯片的成本是 2.17 億美元，設(shè)計(jì)一個(gè) 5nm 芯片的成本則是 4.16 億美元，設(shè)計(jì)一個(gè) 3nm 芯片的成本甚至達(dá)到了 5.9 億美元。傳統(tǒng)SOC架構(gòu)帶來(lái)性能，功耗和帶寬的損耗的逐步升高，如何應(yīng)對(duì)高性能5GSOC設(shè)計(jì)挑戰(zhàn)？展銳作為業(yè)界少數(shù)具備大型SOC芯片設(shè)計(jì)基礎(chǔ)能力的芯片廠家，從SOC架構(gòu)，總線互聯(lián)，物理實(shí)現(xiàn)等方向詳細(xì)介紹手機(jī)SOC設(shè)計(jì)方面的一些探索實(shí)例。

伴隨著芯片的迭代，晶體管數(shù)量已經(jīng)從幾千個(gè)增加到了數(shù)十億個(gè)這使得芯片上晶體管排布設(shè)計(jì)的異構(gòu)性越來(lái)越高，并且它們通常都會(huì)采用某種先進(jìn)封裝工藝與之前只需要考慮如何將更多的晶體管排列在同一空間不同，現(xiàn)在芯片設(shè)計(jì)中還需要考慮到功率密度，熱預(yù)算需求，各種類型的機(jī)械和電氣應(yīng)力，鄰近效應(yīng)以及工作環(huán)境等復(fù)雜因素這使得設(shè)計(jì)過(guò)程耗時(shí)大大增加，同時(shí)也堆高了設(shè)計(jì)成本更糟糕的是，芯片制造商間的持續(xù)競(jìng)爭(zhēng)迫使他們必須在更短時(shí)間內(nèi)實(shí)現(xiàn)芯片的迭代，否則就會(huì)在競(jìng)爭(zhēng)中處于劣勢(shì)這導(dǎo)致了芯片制造商沒(méi)有試錯(cuò)機(jī)會(huì):一次設(shè)計(jì)失誤就代表著巨額損失

人工智能提高芯片開(kāi)發(fā)效率

將人工智能引入到芯片設(shè)計(jì)的流程中有利于減少流程復(fù)雜性，減少錯(cuò)誤并縮短開(kāi)發(fā)周期。

例如，在芯片設(shè)計(jì)中布線過(guò)程的 90% 已經(jīng)實(shí)現(xiàn)了自動(dòng)化，僅需要一位經(jīng)驗(yàn)豐富的設(shè)計(jì)師完成最后 10% 的工作即可人工智能的參與可以將這最后 10% 的時(shí)間進(jìn)一步縮短

這一切都是為了效率，Rambus 的研究員 Steven Woo 說(shuō)，本質(zhì)上不論是人類設(shè)計(jì)師還是人工智能，其目的都是為了實(shí)現(xiàn)芯片優(yōu)化，但人工智能顯然在這一過(guò)程中更有效率我們會(huì)對(duì)算法模型進(jìn)行預(yù)訓(xùn)練以讓其更好的工作由于引入了強(qiáng)化學(xué)習(xí)算法，伴隨著時(shí)間推移基于人工智能的設(shè)計(jì)工具會(huì)變得越來(lái)越強(qiáng)大假以時(shí)日它將能夠向設(shè)計(jì)人員提供幾乎無(wú)錯(cuò)誤的解決方案，這種方案優(yōu)化 PPA 的效率會(huì)比傳統(tǒng)方案要高得多此外，同樣由于效率的原因，芯片之間數(shù)據(jù)交換的速度也非常重要，因?yàn)?AI 需要快速訪問(wèn)大量數(shù)據(jù)

許多人都支持 Steven Woo 的這一觀點(diǎn)西門子 IC 設(shè)計(jì)部門工程總監(jiān)約翰.史納比表示:人工智能將使得芯片設(shè)計(jì)流程進(jìn)一步自動(dòng)化，尤其是在芯片布局的設(shè)計(jì)過(guò)程中實(shí)踐已經(jīng)證明，在模擬電路中采用機(jī)器學(xué)習(xí)方案可以提高生產(chǎn)力在布局設(shè)計(jì)上，AI 可以用于生成 FinFET 節(jié)點(diǎn)中的最佳器件布局建議，以最大程度的減少互連寄生效應(yīng)當(dāng)芯片設(shè)計(jì)涉及加速度計(jì)和陀螺儀等微機(jī)電系統(tǒng)時(shí)，AI 能夠參與參數(shù)化的設(shè)計(jì)流程，以與人類合作設(shè)計(jì) IC 和 MEMS 器件這將使得設(shè)計(jì)人員能夠更快完成 MEMS，IC 的軟硬件集成，使設(shè)計(jì)工作變得更加輕松

人工智能如何學(xué)習(xí)。

AI智能的基礎(chǔ)是它可以在短時(shí)間內(nèi)進(jìn)行大量的識(shí)別和匹配工作，但遺憾的是 AI 并不能像人類一樣學(xué)習(xí)知識(shí)事實(shí)上，人工智能獲取知識(shí)的方式和人類有著本質(zhì)的不同一般來(lái)講，在算法應(yīng)用之前需要將包含了大量數(shù)據(jù)的訓(xùn)練集或輸入到算法初始模型中進(jìn)行訓(xùn)練在經(jīng)過(guò)長(zhǎng)時(shí)間訓(xùn)練之后，算法才能算得上擁有了智能

此外，人工智能還可利用強(qiáng)化學(xué)習(xí)方法來(lái)指導(dǎo)訓(xùn)練結(jié)果RL 是一種機(jī)器學(xué)習(xí)技術(shù)，可以為 AI 的學(xué)習(xí)過(guò)程加入獎(jiǎng)懲機(jī)制

在一個(gè)引入了獎(jiǎng)懲機(jī)制模型的人工智能算法中，AI 的學(xué)習(xí)總是從初始狀態(tài)開(kāi)始，并會(huì)輸出一些隨機(jī)結(jié)果然后設(shè)計(jì)師會(huì)對(duì)該結(jié)果做出判斷，當(dāng)該結(jié)果被接受時(shí)，將視為對(duì)模型進(jìn)行了獎(jiǎng)勵(lì)，模型會(huì)繼續(xù)向著這個(gè)趨勢(shì)進(jìn)行優(yōu)化相反的，當(dāng)該結(jié)果被設(shè)計(jì)師拒絕時(shí)，將視為對(duì)該模型的懲罰模型會(huì)調(diào)整策略方向無(wú)論是設(shè)計(jì)師拒絕還是接受該結(jié)果，算法模型都會(huì)進(jìn)入在調(diào)整后進(jìn)行下一次迭代，并輸出新的結(jié)果以讓設(shè)計(jì)師接受或拒絕因此伴隨著 RL 學(xué)習(xí)過(guò)程的持續(xù)進(jìn)行，人工智能算法將會(huì)變得越來(lái)越完善

西門子工業(yè)軟件高級(jí)副總裁兼總經(jīng)理 Ravi Subramanian 為機(jī)器學(xué)習(xí)進(jìn)一步做了解釋:機(jī)器學(xué)習(xí)是人工智能的一個(gè)子集，指的是機(jī)器無(wú)需外部編程實(shí)現(xiàn)自我進(jìn)化的過(guò)程傳統(tǒng)設(shè)備的運(yùn)行規(guī)則遵循計(jì)算機(jī)語(yǔ)言中 if—then—else 語(yǔ)句的‘二極管’邏輯和線性順序但機(jī)器學(xué)習(xí)方法能夠使設(shè)備不斷從自身采集到的數(shù)據(jù)中獲得反饋，從而指導(dǎo)設(shè)備下一步的行動(dòng)

Subramanian 表示，要讓 AI 進(jìn)行學(xué)習(xí)，需要三個(gè)前提條件:

其一是需要一個(gè)數(shù)據(jù)集，即一個(gè)包含了大量數(shù)據(jù)的庫(kù)數(shù)據(jù)可以是 RTLIP，GDSII，C 語(yǔ)言或 SPICE 表格等多種形式

其二是需要一個(gè)算法模型這個(gè)模型使得 AI 系統(tǒng)能夠完成觀測(cè)，學(xué)習(xí)，反饋等任務(wù)基于這個(gè)前提使用了人工智能算法的設(shè)備才能根據(jù)每一次結(jié)果的輸出動(dòng)態(tài)調(diào)節(jié)自身策略，而不是和傳統(tǒng)設(shè)備一樣僅根據(jù)輸入的程序運(yùn)行

其三是需要一個(gè)目標(biāo)函數(shù)并且設(shè)計(jì)一個(gè)圍繞著這個(gè)目標(biāo)函數(shù)的獎(jiǎng)懲機(jī)制，以完成強(qiáng)化學(xué)習(xí)過(guò)程 編者注:目標(biāo)函數(shù)是指一個(gè)規(guī)定最優(yōu)解定義的函數(shù)每次訓(xùn)練完成后，將會(huì)通過(guò)該函數(shù)輸出一個(gè)返回值，一般稱作 τ，可以看做是算法每次考試后的分?jǐn)?shù)

人工智能本身并不會(huì)做決定，他解釋說(shuō)，谷歌人工智能研究負(fù)責(zé)人 Francois Chollet 的說(shuō)法很準(zhǔn)確，他將人工智能定義為系統(tǒng)對(duì)數(shù)據(jù)進(jìn)行分析后應(yīng)用在陌生場(chǎng)景中的能力。

汽車可以通過(guò)衡量每加侖油能行駛的里程或者每次充電后的最大行駛里程來(lái)衡量其續(xù)航優(yōu)劣但人工智能系統(tǒng)不同，每個(gè)人工智能系統(tǒng)的設(shè)計(jì)都是獨(dú)一無(wú)二的，設(shè)計(jì)系統(tǒng)的工具也是各不相同的但整個(gè)芯片行業(yè)都報(bào)告基于人工智能的芯片設(shè)計(jì)工具提高了生產(chǎn)力

例如，谷歌將人工智能應(yīng)用于芯片布圖規(guī)劃，并發(fā)現(xiàn)他們可以在不到六個(gè)小時(shí)的時(shí)間里完成從前工程師動(dòng)輒需要數(shù)月的工作無(wú)論是人類還是人工智能，兩者都可以通過(guò) PPA 優(yōu)化得到滿足制造標(biāo)準(zhǔn)的芯片設(shè)計(jì)結(jié)果，但在生產(chǎn)流程中引入了人工智能的企業(yè)生產(chǎn)效率顯然更高

將人工智能應(yīng)用于芯片設(shè)計(jì)過(guò)程肯定會(huì)提高芯片性能，Cadence 數(shù)字與簽核集團(tuán)產(chǎn)品管理組總監(jiān) Rod Metcalfe 說(shuō)例如，在設(shè)計(jì)過(guò)程中使用了人工智能的 5nm 移動(dòng) CPU 可以提高 14% 的性能，7% 的耗散功率和 5% 的晶體管密度，這對(duì)于芯片設(shè)計(jì)很重要

這些改進(jìn)在其他應(yīng)用中也得到了體現(xiàn)Synopsys 人工智能解決方案高級(jí)總監(jiān) Stelios Diamantidis 表示:使用基于 AI 的設(shè)計(jì)技術(shù)，我們的客戶表示他們能夠與傳統(tǒng)設(shè)計(jì)方法相比降低 25% 的功耗，這種提升是驚人的

AI 在芯片設(shè)計(jì)領(lǐng)域的未來(lái)

對(duì)大多數(shù)人而言，難以想象將 10 億個(gè)晶體管集成到一顆芯片中但根據(jù) 2021 年 6 月新思科技的報(bào)告，他們已經(jīng)制造出了一種含有 1.2 萬(wàn)億個(gè)晶體管，400000 個(gè) AI 內(nèi)核，面積為 46225mm2 的芯片這是使用傳統(tǒng)工具的人類設(shè)計(jì)師無(wú)論如何也達(dá)不到的技術(shù)高度

Cambrian AI Research 創(chuàng)始人兼首席分析師 Karl Freund 表示:在芯片設(shè)計(jì)流程中引入人工智能來(lái)提高效率現(xiàn)在已是大勢(shì)所趨，至少對(duì)主要芯片供應(yīng)商而言是這樣的像 Synopsys DSO.AI 這樣的系統(tǒng)正在為公司節(jié)省時(shí)間和金錢，并生產(chǎn)出功耗更低，性能更高，面積更小的芯片現(xiàn)在，業(yè)界正將注意力轉(zhuǎn)向優(yōu)化物理設(shè)計(jì)之外的下一步，例如系統(tǒng)，軟件算法的優(yōu)化和設(shè)計(jì)驗(yàn)證整個(gè)行業(yè)都在從這些創(chuàng)新中受益，消費(fèi)者也將能用到性能更強(qiáng)勁，功耗更低，更便宜的芯片

所有主要的 EDA 公司都在致力于將 AI 功能加入到他們的芯片設(shè)計(jì)流程中并且，人工智能不僅可以幫助他們將更多東西塞進(jìn)更小的空間里，還可以幫助他們將更多東西塞進(jìn)更大的空間里

Cerebras Systems 的第二代芯片采用 7nm 工藝開(kāi)發(fā)，包含 2.6 萬(wàn)億個(gè)晶體管和 850，000 個(gè) AI 內(nèi)核這是目前世界上由人工智能設(shè)計(jì)的最大的芯片，它和一個(gè)盤子的大小相當(dāng)相比之下，世界上最大的 GPU 也僅有 540 億個(gè)晶體管Cerebras 的芯片有 40 GB 片上內(nèi)存來(lái)支持 AI 計(jì)算要設(shè)計(jì)這種體量的芯片，必須使用基于人工智能技術(shù)的芯片設(shè)計(jì)工具

未來(lái)，在 PPA 問(wèn)題之外，人工智能還可以在集成芯片安全性等領(lǐng)域提供幫助。

西門子的 Subramanian 指出，人工智能已經(jīng)在至少四個(gè)領(lǐng)域得到了應(yīng)用:1，創(chuàng)建一種設(shè)計(jì)和驗(yàn)證 IC 的新方法，2，減少設(shè)計(jì)過(guò)程中的錯(cuò)誤并既減少設(shè)計(jì)時(shí)間，3，構(gòu)建一個(gè)基于機(jī)器學(xué)習(xí)原理的新計(jì)算架構(gòu)，4，構(gòu)建基于人工智能算法的芯片。

結(jié)語(yǔ)

當(dāng)問(wèn)題能夠被人工智能理解的方式明確定義時(shí)，人工智能在設(shè)計(jì)中的效果最好因此，IC 設(shè)計(jì)者必須先考慮是否存在與人工智能適應(yīng)，學(xué)習(xí)，概括能力相關(guān)的問(wèn)題，設(shè)計(jì)好目標(biāo)函數(shù)這樣人工智能才能夠準(zhǔn)確的將這些知識(shí) / 規(guī)則運(yùn)用到不熟悉的場(chǎng)景中

了解是否存在非常適合人工智能的問(wèn)題是第一步，也是最重要的一步，Subramanian 說(shuō)，這也可能是有人工智能參與的芯片設(shè)計(jì)流程中最關(guān)鍵的一環(huán)。

到目前為止，已經(jīng)有很多領(lǐng)域顯示出人工智能的優(yōu)勢(shì)，并且無(wú)疑未來(lái)人工智能會(huì)在更多領(lǐng)域中顯現(xiàn)出這種優(yōu)勢(shì)。為了滿足越來(lái)越多的應(yīng)用需求，手機(jī)SOC的系統(tǒng)也越來(lái)越龐大。

曾經(jīng)人們對(duì)于 AI 可能會(huì)曇花一現(xiàn)的顧慮已經(jīng)消失如今站在面向未來(lái)的交叉路口上，人們正憧憬的眺望一個(gè)新問(wèn)題此時(shí)在人們的腦中回蕩:人工智能還能夠做什么這個(gè)問(wèn)題的答案或許就是交叉路口上應(yīng)該豎起的路標(biāo)