英偉達(dá)在不忙于構(gòu)建一些最先進(jìn)的芯片時(shí)就會(huì)探索使用其制造的相同芯片來(lái)改進(jìn)芯片設(shè)計(jì)過(guò)程的方法。該公司預(yù)計(jì)，未來(lái)幾年集成電路設(shè)計(jì)的復(fù)雜性將呈指數(shù)級(jí)增長(zhǎng)，因此增加GPU計(jì)算的強(qiáng)大功能將很快從一個(gè)有趣的實(shí)驗(yàn)室實(shí)驗(yàn)轉(zhuǎn)變?yōu)樗行酒圃焐痰谋匦杵贰?/p>

　　在今年GPU技術(shù)大會(huì)的一次演講中，英偉達(dá)的首席科學(xué)家兼研究高級(jí)副總裁Bill Dally談到了很多關(guān)于使用GPU來(lái)加速現(xiàn)代GPU和其他SoC背后的各個(gè)階段設(shè)計(jì)過(guò)程。英偉達(dá)認(rèn)為，使用機(jī)器學(xué)習(xí)而不是人類手動(dòng)完成某些任務(wù)可以更好，更快地完成，從而釋放他們從事芯片開(kāi)發(fā)的更高級(jí)方面的工作。

　　Dally 領(lǐng)導(dǎo)著一個(gè)由大約300名研究人員組成的團(tuán)隊(duì)，負(fù)責(zé)解決從制造速度更快的GPU的技術(shù)挑戰(zhàn)到開(kāi)發(fā)利用這些GPU功能自動(dòng)執(zhí)行和加速傳統(tǒng)上主要由手動(dòng)完成的各種任務(wù)的軟件。這個(gè)研究團(tuán)隊(duì)從2019年的175人增加到未來(lái)幾年。

　　當(dāng)談到加快芯片設(shè)計(jì)速度時(shí)，Dally表示，英偉達(dá)已經(jīng)確定了利用機(jī)器學(xué)習(xí)技術(shù)可以顯著影響典型開(kāi)發(fā)時(shí)間表的四個(gè)領(lǐng)域。例如，映射 GPU 中電源使用的位置是一個(gè)迭代過(guò)程，在傳統(tǒng)的 CAD 工具上需要三個(gè)小時(shí)，但使用專門為此任務(wù)訓(xùn)練的 AI 模型只需幾分鐘。一旦教過(guò)，模型可以將時(shí)間縮短到幾秒鐘。當(dāng)然，AI模型以速度換取準(zhǔn)確性。然而，Dally表示，英偉達(dá)的工具已經(jīng)達(dá)到了94%的準(zhǔn)確率，這仍然是一個(gè)值得尊敬的數(shù)字。

　　電路設(shè)計(jì)是一個(gè)勞動(dòng)密集型過(guò)程，工程師在對(duì)部分設(shè)計(jì)進(jìn)行仿真后，可能需要多次更改布局。因此，訓(xùn)練AI模型對(duì)寄生效應(yīng)進(jìn)行準(zhǔn)確預(yù)測(cè)可以幫助消除為滿足所需設(shè)計(jì)規(guī)范而進(jìn)行微小調(diào)整所涉及的大量手動(dòng)工作。英偉達(dá)可以利用GPU來(lái)預(yù)測(cè)利用圖形神經(jīng)網(wǎng)絡(luò)的寄生效應(yīng)。

　　Dally解釋說(shuō)，設(shè)計(jì)現(xiàn)代芯片的最大挑戰(zhàn)之一是路由擁塞——這是特定電路布局中的缺陷，其中晶體管和連接它們的許多微小導(dǎo)線沒(méi)有最佳位置。這種情況可能導(dǎo)致類似于交通擁堵的事情，但在這種情況下，它是位而不是汽車。工程師可以使用圖形神經(jīng)網(wǎng)絡(luò)快速識(shí)別問(wèn)題區(qū)域，并相應(yīng)地調(diào)整其放置和路徑。

　　在這些情況下，英偉達(dá)本質(zhì)上是試圖使用AI來(lái)改進(jìn)人類制造的芯片設(shè)計(jì)。工程師無(wú)需開(kāi)始勞動(dòng)密集型且計(jì)算成本高昂的過(guò)程，而是可以創(chuàng)建一個(gè)替代模型，并使用AI快速評(píng)估和迭代。該公司還希望使用AI來(lái)設(shè)計(jì)GPU和其他高級(jí)芯片中使用的晶體管邏輯的最基本功能。

　　英偉達(dá)正在采取必要措施，轉(zhuǎn)向更先進(jìn)的制造節(jié)點(diǎn)，其中數(shù)千個(gè)所謂的標(biāo)準(zhǔn)單元必須根據(jù)復(fù)雜的設(shè)計(jì)規(guī)則進(jìn)行修改。一個(gè)名為NVCell的項(xiàng)目試圖通過(guò)一種稱為強(qiáng)化學(xué)習(xí)的方法盡可能多地自動(dòng)化這一過(guò)程。

　　經(jīng)過(guò)訓(xùn)練的 AI 模型用于糾正設(shè)計(jì)錯(cuò)誤，直到完成。英偉達(dá)聲稱，迄今為止，它已經(jīng)實(shí)現(xiàn)了92%的成功率。在某些情況下，人工智能工程的細(xì)胞比人類制造的細(xì)胞小。這一突破有助于提高設(shè)計(jì)的整體性能，并降低芯片尺寸和功耗要求。

　　工藝技術(shù)正在迅速接近我們可以用硅做什么的理論極限。同時(shí)，生產(chǎn)成本隨著每個(gè)節(jié)點(diǎn)的轉(zhuǎn)換而上升。因此，在設(shè)計(jì)階段的任何輕微改進(jìn)都可以帶來(lái)更好的良率，特別是如果它減小了芯片尺寸。英偉達(dá)將制造業(yè)務(wù)外包給三星和臺(tái)積電等公司。然而，Dally表示，NVCell允許該公司使用兩個(gè)GPU在幾天內(nèi)完成一個(gè)由十名工程師組成的團(tuán)隊(duì)的工作，讓他們將注意力集中在其他領(lǐng)域。

　　英偉達(dá)并不是唯一一個(gè)在設(shè)計(jì)芯片方面走AI路線的人。谷歌還在使用機(jī)器學(xué)習(xí)來(lái)開(kāi)發(fā)用于AI任務(wù)的加速器。這家搜索巨頭發(fā)現(xiàn)，人工智能可以設(shè)計(jì)出意想不到的方法來(lái)優(yōu)化性能和能效布局。三星的代工部門使用一種名為 DSO.ai 的Synopsys工具，其他大大小小的公司正在逐漸采用這種工具。

　　超過(guò)50%的芯片都是在成熟的工藝節(jié)點(diǎn)上設(shè)計(jì)的。國(guó)際數(shù)據(jù)公司（International Data Corporation）分析師預(yù)計(jì)，到2025年，這一比例將增至68%。Synopsys首席執(zhí)行官Aart de Geus認(rèn)為，人工智能可以幫助公司設(shè)計(jì)出性能不是重中之重的更小、更節(jié)能的芯片，比如汽車、家用電器和一些工業(yè)設(shè)備。此方法比遷移到更高級(jí)的進(jìn)程節(jié)點(diǎn)便宜得多。此外，在每個(gè)晶圓上安裝更多芯片也可以節(jié)省成本。

　　同樣值得注意的是，代工廠還可以利用成熟工藝節(jié)點(diǎn)（12納米及更大）上的AI制造芯片來(lái)解決制造能力不足的問(wèn)題，大多數(shù)制造商都不愿意在這一領(lǐng)域進(jìn)行投資，因?yàn)榘雽?dǎo)體領(lǐng)域競(jìng)爭(zhēng)激烈，專注于前沿。

　　這個(gè)故事并不是關(guān)于人工智能在芯片設(shè)計(jì)過(guò)程中取代人類。英偉達(dá)、谷歌（Google）、三星（Samsung）和其他公司發(fā)現(xiàn)，人工智能可以增強(qiáng)人類的能力，并完成日益復(fù)雜的設(shè)計(jì)所帶來(lái)的繁重工作。人類仍然需要找到理想的問(wèn)題來(lái)解決，并決定哪些數(shù)據(jù)有助于驗(yàn)證他們的芯片設(shè)計(jì)。

　　關(guān)于通用人工智能以及我們何時(shí)能夠創(chuàng)造它，存在很多爭(zhēng)論。盡管如此，所有專家都認(rèn)為，我們今天使用的人工智能模型幾乎無(wú)法處理我們所知道和可以描述的特定問(wèn)題。即便如此，它們也可能產(chǎn)生意想不到的結(jié)果，這些結(jié)果對(duì)最終目標(biāo)不一定有用。