凯发网站·(中国区)官方网站

　　凯发k8·[中国]官方网站★ღ★◈，凯发天生赢家一触即发★ღ★◈，凯发K8国际首页★ღ★◈，AG凯发k8真人娱乐凯发国际k8官网登录手机★ღ★◈。近日★ღ★◈，谷歌DeepMind在Nature上正式公布了其最新的芯片设计算法AlphaChip★ღ★◈，该方法致力于加速和优化计算机芯片的开发★ღ★◈，已经历经多款TPU的产品考验★ღ★◈，可在短短数小时内完成人类专家需要数周甚至数月的芯片布局设计★ღ★◈。

　　虽然近年来各大EDA公司都在积极将AI引入到自己的芯片设计工具当中★ღ★◈，但是早在2020年★ღ★◈，谷歌发表了一篇具有里程碑意义★ღ★◈、题为《Chip Placement with Deep Reinforcement Learning》预印本论文★ღ★◈，首次向世界展示了其采用新型强化学习方法设计的芯片布局★ღ★◈。随后在2021年★ღ★◈，谷歌又在Nature上发表了论文并将其开源了凯发·K8(官方)APP下载安装★ღ★◈。

　　2022年★ღ★◈，谷歌进一步开源了该论文中描述的算法代码★ღ★◈，使得全球的研究人员都能够利用这一资源对芯片块进行预训练★ღ★◈。

　　如今★ღ★◈，这一由AI驱动的学习方法已经经历了TPU v5e★ღ★◈、TPU v5p和Trillium等多代产品的考验★ღ★◈，并在谷歌内部取得了显著成就★ღ★◈。更令人瞩目的是朝冈实岭★ღ★◈，谷歌DeepMind团队最近在Nature上发表了该方法的附录★ღ★◈，详细介绍了其用于芯片设计布局的强化学习方法★ღ★◈，并将该模型命名为“AlphaChip”★ღ★◈。据称AlphaChip有望大大加快芯片布局规划的设计★ღ★◈，并使它们在性能★ღ★◈、功耗和面积方面更加优化★ღ★◈。目前AlphaChip已发布在Github上与公众共享★ღ★◈，同时谷歌还开放了一个在20个TPU模块上预训练的检查点★ღ★◈。

　　据介绍★ღ★◈，AlphaChip在设计谷歌的张量处理单元（TPU） 方面发挥了重要作用★ღ★◈，并已被包括联发科（MediaTek）在内的其他公司采用★ღ★◈。同时★ღ★◈，谷歌还开放了一个基于20个TPU模块预训练的检查点★ღ★◈，分享了模型权重★ღ★◈。

　　谷歌首席科学家Jeff Dean表示★ღ★◈，开放预训练AlphaChip模型检查点以后★ღ★◈，外部用户可以更容易地使用AlphaChip来启动自己的芯片设计★ღ★◈。

　　AlphaChip的问世★ღ★◈，不仅预示着AI在芯片设计领域的应用将变得更加广泛★ღ★◈，也标志着我们正迈向一个由“芯片设计芯片”的全新时代★ღ★◈。

　　通常芯片设计布局或平面图是芯片开发中时间最长★ღ★◈、劳动强度最高的阶段★ღ★◈。近年来★ღ★◈，EDA三巨头之一新思科技（Synopsys）开发了AI辅助芯片设计工具★ღ★◈，可以加速开发并优化芯片的布局规划★ღ★◈。但是朝冈实岭★ღ★◈，这些工具非常昂贵★ღ★◈。谷歌希望在一定程度上使这种AI辅助芯片设计方法大众化★ღ★◈。

　　如今★ღ★◈，如果由人类来为GPU等复杂芯片设计平面图大约需要24个月★ღ★◈。不太复杂的芯片的平面规划可能也至少需要几个月的时间★ღ★◈，而这意味着数百万美元的成本★ღ★◈，因为维持一个设计团队通常需要一大笔费用凯发·K8(官方)APP下载安装★ღ★◈。

　　谷歌表示★ღ★◈，AlphaChip加快了这一时间表★ღ★◈，可以在短短几个小时内创建芯片布局★ღ★◈。此外★ღ★◈，据说它的设计非常出色★ღ★◈，因为它们优化了电源效率和性能★ღ★◈。谷歌还展示了一张图表★ღ★◈，显示与人类开发人员相比★ღ★◈，各种版本的 TPU 和 Trillium 的平均线长（wirelength）都有所减少★ღ★◈。

　　上图展示了AlphaChip在三代Google张量处理单元 (TPU) 中的平均线长（wirelength）减少量★ღ★◈，并与TPU物理设计团队生成的位置进行了比较

　　作为谷歌DeepMind的巅峰之作朝冈实岭★ღ★◈，AlphaChip正以其在芯片设计领域的革命性进展★ღ★◈，捕获全球科技界的瞩目★ღ★◈。

　　芯片设计是一项位于现代科技之巅的领域★ღ★◈，其复杂性在于将无数精密元件通过极其细微的导线巧妙连接★ღ★◈。作为首批应用于解决现实世界工程问题的强化学习技术之一★ღ★◈，AlphaChip能够在短短数小时内完成与人类相媲美甚至更优的芯片布局设计★ღ★◈，无需耗费数周或数月的人力劳动★ღ★◈。这一划时代的进展★ღ★◈，为我们打开了超越传统极限的想象之门★ღ★◈。

　　芯片设计难度极大★ღ★◈，部分原因在于计算机芯片由许多相互连接的块组成★ღ★◈，这些块具有多层电路元件★ღ★◈，所有元件都通过极细的导线连接★ღ★◈。此外★ღ★◈，芯片还有很多复杂且相互交织的设计约束★ღ★◈，设计时必须同时满足所有约束★ღ★◈。由于这些复杂性★ღ★◈，芯片设计师们在 60 多年来一直在努力实现芯片布局规划过程的自动化★ღ★◈。

　　与AlphaGo和AlphaZero类似★ღ★◈，谷歌构建AlphaChip时★ღ★◈，也将芯片的布局规划视为一种博弈凯发·K8(官方)APP下载安装★ღ★◈。

　　AlphaChip的秘诀在于其采用的强化学习原理★ღ★◈，将芯片布局设计视为一场游戏★ღ★◈。从一个空白的网格出发★ღ★◈，AlphaChip一次放置一个电路元件★ღ★◈，直至全部就位★ღ★◈。随后★ღ★◈，根据布局的优劣★ღ★◈，系统会给予相应的奖励★ღ★◈。

　　更重要的是★ღ★◈，谷歌创新性地提出了一种“基于边”的图神经网络★ღ★◈，使得AlphaChip能够学习芯片元件之间的相互关系★ღ★◈，并将其应用于整个芯片的设计中凯发·K8(官方)APP下载安装★ღ★◈，从而在每一次设计中实现自我超越★ღ★◈。与AlphaGo类似★ღ★◈，AlphaChip可以通过「」学习凯发·K8(官方)APP下载安装★ღ★◈，掌握设计卓越芯片布局的艺术★ღ★◈。

　　左图★ღ★◈：AlphaChip在没有任何经验的情况下放置开源处理器Ariane RISC-V CPU的电路元件★ღ★◈；右图★ღ★◈：AlphaChip在对20个TPU相关设计进行练习后放置相同的电路元件

　　在设计TPU布局的具体过程中★ღ★◈，AlphaChip首先会在前几代芯片的各类模块上进行预训练★ღ★◈，包括芯片上和芯片间的网络模块★ღ★◈、内存控制器和数据传输缓冲区等★ღ★◈。这一预训练阶段为AlphaChip提供了丰富的经验★ღ★◈。随后★ღ★◈，谷歌利用AlphaChip为当前TPU模块生成高质量的布局★ღ★◈。

　　与传统方法不同★ღ★◈，AlphaChip通过解决更多的芯片布局任务★ღ★◈，不断优化自身★ღ★◈，如同人类专家不断通过实践提升技能一样凯发·K8(官方)APP下载安装★ღ★◈。正如DeepMind联合创始人兼CEO Demis Hassabis所言★ღ★◈，谷歌已经围绕AlphaChip建立了一个强大的反馈循环★ღ★◈：首先★ღ★◈，训练先进的芯片设计模型 (AlphaChip）★ღ★◈；其次★ღ★◈，使用AlphaChip设计更优秀的AI芯片★ღ★◈；然后★ღ★◈，利用这些训练更出色的模型★ღ★◈；最后★ღ★◈，利用这些模型再去设计更出色的芯片★ღ★◈。

　　如此反复★ღ★◈，实现了模型与的同步升级★ღ★◈，Demis Hassabis表示★ღ★◈，“这正是谷歌TPU堆栈表现如此好的部分原因★ღ★◈。”

　　自2020年以来★ღ★◈，AlphaChip一直被用于设计谷歌自己的TPU AI加速器★ღ★◈，这些加速器驱动着谷歌的许多大规模AI模型和云服务★ღ★◈。这些处理器运行基于Transformer的模型★ღ★◈，为谷歌的Gemini和Imagen提供支持★ღ★◈。

　　为了设计TPU布局★ღ★◈，AlphaChip首先在前几代的各种芯片块上进行练习★ღ★◈，例如片上和芯片间网络块★ღ★◈、内存控制器和数据传输缓冲区★ღ★◈。这个过程称为预训练★ღ★◈。然后谷歌在当前的TPU块上运行AlphaChip以生成高质量的布局★ღ★◈。与之前的方法不同★ღ★◈，AlphaChip解决了更多芯片布局任务实例★ღ★◈，因此变得更好★ღ★◈、更快★ღ★◈，就像人类专家所做的那样★ღ★◈。

　　到目前为止★ღ★◈，AlphaChip已被用于开发各种处理器★ღ★◈，包括谷歌的TPU和联发科旗舰级天玑5G SoC芯片★ღ★◈，这些处理器广泛用于各种智能手机★ღ★◈。此外★ღ★◈，还包括谷歌首款基于Arm的通用数据中心CPU Axion★ღ★◈。因此★ღ★◈，AlphaChip能够在不同类型的处理器中进行泛化★ღ★◈。

　　可以说AlphaChip改进了每一代TPU的设计★ღ★◈，包括最新的第6代Trillium芯片★ღ★◈，确保了更高的性能和更快的开发★ღ★◈。尽管如此★ღ★◈，谷歌和联发科目前仍都只是依赖AlphaChip来制作芯片当中有限的一些区块★ღ★◈，而人类开发人员仍然承担了大部分的设计工作★ღ★◈。不过★ღ★◈，随着持续AlphaChip的持续迭代★ღ★◈，其所承担的区块也越来越多★ღ★◈，已经从TPU v5e的10个区块提升到了Trillium的25个区块★ღ★◈。

　　谷歌表示★ღ★◈，AlphaChip已经在各种芯片模块上进行了预训练★ღ★◈，这使得AlphaChip能够在实践更多设计时生成越来越高效的设计布局★ღ★◈。虽然人类专家可以学习★ღ★◈，而且许多人学得很快★ღ★◈，但机器的学习速度要高出几个数量级★ღ★◈。与人类专家相比★ღ★◈，AlphaChip不仅放置的模块数量更多★ღ★◈，而且布线长度也大大减少朝冈实岭★ღ★◈。随着每一代新TPU的推出★ღ★◈，AlphaChip设计出了更优秀的芯片布局★ღ★◈，提供了更完善的整体平面图★ღ★◈，从而缩短了设计周期并提升了芯片性能★ღ★◈。

　　AI在芯片设计领域的深度介入★ღ★◈，引发了一个大胆的设想★ღ★◈：我们能否用AI设计一颗完整的芯片？事实上★ღ★◈，英伟达已经在这一领域进行了尝试★ღ★◈。通过深度强化学习代理设计电路★ღ★◈，的H100中就有近13,000条电路由AI设计★ღ★◈。中国科学院计算所也利用AI在5小时内生成了一个名为“启蒙一号”的RISC-V处理器芯片★ღ★◈，拥有400万个逻辑门★ღ★◈，性能与Intel 80486相当★ღ★◈。

　　谷歌表示★ღ★◈，AlphaChip的成功激发了一波新的研究浪潮★ღ★◈，将人工智能用于芯片设计的不同阶段★ღ★◈。这包括将AI技术扩展到逻辑综合★ღ★◈、宏选择和时序优化等领域★ღ★◈，Synopsys和Cadence已经提供了这些技术★ღ★◈，尽管需要很多钱★ღ★◈。据谷歌称★ღ★◈，研究人员还在探索如何将AlphaChip的方法应用于芯片开发的更进一步阶段★ღ★◈。

　　“AlphaChip激发了芯片设计强化学习的全新研究路线★ღ★◈，跨越了从逻辑综合到布局规划★ღ★◈、时序优化等的设计流程凯发·K8(官方)APP下载安装★ღ★◈，”谷歌的一份声明中写道★ღ★◈。

　　展望未来★ღ★◈，谷歌看到了AlphaChip彻底改变整个芯片设计生命周期的潜力★ღ★◈：从架构设计到布局再到制造★ღ★◈，驱动的优化可能会带来更快的芯片朝冈实岭★ღ★◈、更小（即更便宜）和更节能的芯片★ღ★◈。虽然目前谷歌的服务器和基于联发科天玑5G的智能手机受益于AlphaChip★ღ★◈，但未来应用程序可能会扩展到几乎所有领域★ღ★◈。

　　AlphaChip的未来版本已经在开发中★ღ★◈，因此或许未来在AI的驱动下★ღ★◈，芯片设计将会变得更加的简单★ღ★◈。在不断的研究和迭代中朝冈实岭★ღ★◈，AlphaChip有望覆盖芯片设计的每一个阶段★ღ★◈，从架构设计到制造工艺★ღ★◈。这样的技术发展将为行业带来更多机会★ღ★◈，同时也为工程师和开发者们提供了全新的工具★ღ★◈，使得芯片设计的门槛不断降低★ღ★◈，鼓励更多创新的涌现★ღ★◈。

　　当前★ღ★◈，AI设计完整芯片的能力依然有限★ღ★◈，但这无疑是未来芯片发展的一个重要机遇★ღ★◈。随着技术的不断进步★ღ★◈，AI在芯片设计领域的潜力必将得到进一步挖掘和利用★ღ★◈，并最终改变整个芯片的设计过程★ღ★◈。