如今,芯片动辄数以亿计的晶体管数量和复杂程度都预示着,系统复杂度将拉开芯片设计产业的新时代。而人工智能将会在其中扮演重要角色,以机器学习为代表的人工智能技术手段,将改变芯片设计和验证的方式。
文︱郭紫文
图︱网络
数字经济正从数字化迈向智能化新阶段,未来十年,智能经济将成为产业发展的核心。在百度创始人、董事长兼首席执行官李彦宏看来,“产业智能化在每一个领域都会发生。”物联网、云计算等技术的发展方向全部指向了智能化,“人工智能+”逐渐成为产业结构升级的驱动力。在智能化产业趋势下,利用人工智能进行芯片设计也逐渐成为行业研究的热门方向。
早在2020年4月,谷歌AI团队便描述了一种基于机器学习的芯片设计方法。Google Brain总监Jeff Dean指出,某些情况下,机器学习会做出比人类更加精准的决策,例如规划芯片中的电路布局。该技术能够极大地缩减研发设计周期,自动生成芯片布局方案,并且在功耗、性能和芯片面积(PPA)等关键参数指标上都有不俗的表现。
而前段时间,据Wired报道显示,三星(Samsung)下一代Exynos处理器将采用AI进行芯片设计,人工智能设计软件(DSO．ai)由新思科技(Synopsys)提供。这些芯片在设计完成并量产后,将会运用到三星智能手机、平板电脑中,并且有部分还将供货给国产手机厂商。这就意味着,未来我们将有机会用上搭载由人工智能进行芯片设计的智能终端产品。
事实上,在利用AI设计芯片方面,三星只能算后来者。谷歌TPU(张量处理单元)采用人工智能优化;英伟达利用人工智能技术生产GPU和云计算TPU平台。这无疑都在传递同一个信号,即芯片设计即将走向人工智能时代。
AI正改变芯片设计方式
跟随着摩尔定律的逐级演进,芯片内部的复杂度和集成度都呈指数级增长,芯片设计的难度也大幅度提升。传统EDA工具的发展越来越跟不上日益增长的芯片设计规模和市场需求。业界一直在探索更加有效的方案,来提升芯片设计的效率,降低设计门槛。
“未来十年,AI(人工智能)将会成为芯片设计效率提升1000倍的关键。”新思科技CEO Aart de Geus认为,传统摩尔定律已经达到物理极限,制造工艺逐渐朝着异构集成、系统级封装、Chiplets等方向发展。如今,芯片动辄数以亿计的晶体管数量和复杂程度都预示着,系统复杂度将拉开芯片设计产业的新时代。而人工智能将会在其中扮演重要角色,以机器学习为代表的人工智能技术手段,将改变芯片设计和验证的方式。
在传统EDA设计工具中,芯片架构探索、设计、验证、布局布线等工作的人力占比巨大。为大幅削减人力物力、缩减设计周期,EDA设计工具逐渐朝着智能化趋势发展。利用深度学习、强化学习等人工智能手段和方法,吸收过去的设计经验和数据,形成智能化EDA设计的全新方法论。智能化EDA设计能够有效减少人力投入、缩短设计周期、提高芯片设计及生产的性能和精度。
以芯片布局布线为例,作为芯片设计最复杂最耗时的步骤之一,芯片布局布线需要综合考虑功率、性能和面积(PPA),还需注意密度和布线拥塞等方面的限制。对于工程师来说,网表图节点数量庞大、网表图放置的网格粒度以及计算产生的高昂成本都是芯片布局布线的难点,需要数周的迭代才能找到满足多项设计标准的解决方案。
芯片布局布线
按照谷歌论文的说法,利用人工智能仅需6个小时便能完成芯片的布局布线工作,同时在不违背布局密度和布线拥塞的前提下,节省面积、提高信号完整性和稳定性,从而提高芯片可靠性。除芯片布局布线外,谷歌Apollo项目还将人工智能引入芯片架构探索,为芯片高效优化架构提供了新的框架。
正如前面所说,人工智能正在影响甚至改变着芯片设计的方式。三星、英伟达等芯片制造商都在积极跟进人工智能驱动的芯片设计,缩短自身产品迭代周期,力求提升自身行业竞争力,以时间和技术博得市场先机。而对于EDA厂商而言,开发以AI为内驱的EDA工具,加速EDA芯片设计智能化,成为其抢夺市场的核心战略。
EDA智能化趋势
EDA智能化趋势愈演愈烈,新思科技、楷登(Cadence)等EDA知名厂商纷纷下场,开始了一场以人工智能为基础的EDA市场争夺战。这其中包括AI Outside和AI Inside两方面布局,前者是通过EDA工具完善AI芯片的设计;后者将AI算法与EDA工具结合,优化芯片设计。
对于新思科技而言,该公司于2020年初推出了DSO．ai技术,将AI引入EDA工具,提高芯片设计的抽象层次,降低设计难度和门槛。受到DeepMind AlphaZero的启发,新思科技DSO．ai解决方案利用人工智能和推理引擎,在芯片设计的巨大求解空间内观察设计演变,并随时调整参数和流程,通过强化学习来优化PPA,提高芯片设计生产效率。
对于新思科技推出的人工智能EDA方案,三星设计平台开发部执行副总裁Jaehong Park也表示:“原本需要多位设计专家耗时一个多月才可完成的设计,DSO．ai只要短短3天即可完成。”
除三星之外,新思科技又与瑞萨电子(Renesas)展开了合作,将DSO．ai设计系统引入汽车芯片设计。
此外,新思科技还与IBM Research人工智能硬件中心密切合作,共同研发AI优化算法、计算加速器及其技术架构,并提出了2029年将AI计算效率和性能提升1000倍的宏大愿景。
新思科技DSO．ai优化芯片PPA
而对于另一家EDA巨头Cadence,其布局布线工具Innovus内置AI算法及神经网络算法,在混合摆放、快速布局规划、时序压降优化、光刻坏点修复等方面提供了完整的解决方案。此外,该公司还发布了Cerebrus技术,直接集成到楷登工具链中,可用于芯片设计的全部流程,协同工程师一起对芯片功耗、性能和面积等进行优化。Cerebrus采用机器学习技术来推动Cadence RTL-to-signoff实现流程,生产力提高十倍,设计实现PPA结果也有20%的提升。其增强学习模型可移植可重复使用,实现了自我优化循环。
今年,芯华章也发布了EDA 2．0白皮书,提出后摩尔时代EDA全新的设计方法学,解决设计难、人才少、设计周期长、设计成本高等问题,用智能化的工具和服务化的平台来缩短芯片需求到应用创新的周期。其中,自动化和智能化的发展路径覆盖了从芯片设计需求分析、芯片架构探索、设计生成、验证、物理设计等一系列的流程。
在以人工智能为驱动的智能制造趋势下,芯片设计等半导体上游产业面临着智能化转型。芯片复杂度和集成度不断提升,EDA设计工具也在不断更新升级,融合更多新的技术,以满足芯片市场对更快更小的追求。无论是国外巨头,还是国内新秀,都纷纷布局AI设计芯片,助力EDA工具从自动化走向智能化。
人与人工智能
一直以来,人工智能都饱受争议,对于人工智能的信任和取代危机长期存在。诚然,用人工智能设计芯片将成为未来的趋势,但这并非万能药。如新思科技人工智能实验室主任廖仁亿所说,人工智能是EDA未来的终极形式。既然是终极形式,那就意味着当前阶段还没有完善和成熟,还不具备取代人类的能力。
综合而言,人工智能与人类智能相结合才是芯片设计发展的大势所趋。一方面,现阶段,人工智能EDA设计平台都是基于现有数据进行算法训练,只能针对布局布线、架构探索等部分步骤进行,具有很明显的局限性,无法完全脱离人类工程师。
人工智能驱动的芯片设计还不具备完全自主决策的能力。芯片设计流程的复杂性要求每一个步骤都必须得到最佳结果,否则便会面临流片失败的巨大损失。因此,在这些流程中,需要有经验丰富的工程师掌控全局,来确保AI跑出的结果是合理有效的。
另一方面,人工智能的优势在于增强,而非创造。它暂时还不具备完全独立思考的能力,其所有的“思考能力”全部依赖于过往数据的整合分析和预测。只有人类智能才能突破从无到有的创造性技术,再利用人工智能颠覆传统认知的极限,转而反哺芯片设计的全部流程,从而实现人工智能与人类智能协同协作、递归完善的良性循环。
