Synopsys公司CEO Aart de Geus 在Hot Chip论坛主题演讲中给我们分享了有关于AI（人工智能）设计芯片等问题，对此EE times 的记者深入的和CEO进行了讨论，本文带您来领略下人工智能如何影响人类的芯片设计行业。
Synopsys公司CEO Aart de Geus 在Hot Chip论坛主题演讲中给我们分享了有关于AI（人工智能）设计芯片等问题，明确指出：由AI完全自主设计芯片，并且利用人工智能技术像“建筑师”那样设计和优化整个芯片是完全可行的。
Aart De Deus( 图源：Synopsys）
Synopsys公司一直致力于在EDA工具中使用人工智能，并且早在去年Synopsys的旗舰级人工智能DSO.AI已经部署到工具包中，DSO可以处理芯片设计中几乎所有的任务，涉及到几乎所有的物理层（layout等）设计，并且DSO本身就是为空间优化而生，并且还在持续不断的探索中。熟悉芯片设计的人都知道，空间优化这项任务规模不容小觑，光是节点点位和线路路径的空间位置优化就可能达到10的90000次方量级，而中国象棋的搜索空间也才10的360次方左右。
想要实现如此复杂的空间搜索优化，Synopsys采用了一种叫做“强化学习”的技术（不需要海量数据的深度学习技术），强化学习技术让系统从零开始,先随机设计芯片，并且对每次设计进行打分；随着时间的推移，不断的设计并且打分，系统会自动优化其得分数，从而一遍遍强化自身，并且不用大量占用内存来读取训练数据。
然而客户还可以更进一步在Synopsys的强化学习算法上使用Google的搜索算法来获取更好的结果，并且还具备从客户先前录制好的芯片中进行学习的能力。De Geus在Hot Chip演讲中举例说，某个客户的CPU设计通过学习工程师的方案后AI强化学习设计出的在总功率上有9-13%的提升，在泄露功耗上有30%的缩减，而且其多层设计综合设计的速度比最好的专家团队还要快2-5倍。
客户 CPU 设计的性能与功耗比较图（黄点是工程师团队，蓝点代表设计未经训练的工具和紫点是由工具训练的工具。由于经过训练的算法在最优解上收敛得更快，所以紫色点更少）
对于Synopsys CEO De Geus EE times也进行了专访，并与之就AI设计芯片这一话题进行了广泛且深入的讨论。
“我听说过很多次，芯片设计要遵循摩尔定律。但是我们反过来看，制造技术的发展其实已经跟上了设计的进展，EDA和Synopsys让以前的不可能变成可能。并且我们还看到了人工智能革命可能就在‘电子设计自动化’黎明的前夜。”
“在许多方面，我们破解了设计师是如何设计的这一难题，我们掌握了其大门的密码，并且进行了不小的革新。回头看上个世纪80年代中期，Synopsys推出了设计自动化软件，可以完成某些设计师需要花费数周才能完成的任务，并且得到的结果更加出色。”“当然，很多人听了后都觉得难以置信，也有不少人担忧这会影响大家的工作，甚至丢了饭碗；但是更多的人会觉得如果利用这种优势我们能做的更多更好。”
像是DSO这样的人工智能工具与传统工具不同之处在于：其是从单个工具到整个设计流程的转变----把不同工具融合为一体；而且Synopsys早在35年前就开始着手统一了，当然原来是合成统一的融合，而现在还加入了人工智能。Synopsys能帮助设计师们成为架构师，让设计人员从提升自我，从更高的维度去思考问题，从繁杂的事物中抽身出来解决更复杂的问题。
对于客户来说，自然是希望获得质量、时间和成本之间的平衡，由于最新的芯片中会有全栅极晶体管、微处理器等全新的技术，其复杂度增加了数倍不止，并且功耗和散热也是个令人头疼的问题。抛开这些常见问题，还有其他六个需求使得芯片设计最优解这个问题变得更加多维化，而这也恰恰是人工智能所擅长的一点（多维因素交叉设计）。DSO·AI工具在优化器件物理布局的同时，还可以对于芯片结构、时钟体系以及应用软件进行优化，举例来说，之前某个客户单独使用DSO优化就带来了5%功耗缩减，给AI访问并发时钟的模块加快了~13%，并且通过AI优化软件应用，平衡了芯片的工作负载峰值，从而是模块总功率减少了10%，整个芯片功耗减少了25.6%之多。并且这一切的优化都是由人工智能完成，不仅缩短了设计时间还取得了更好的设计结果。
使用 Synopsys 的人工智能工具设计的芯片功耗与性能比较
人工智能优化时钟序列是个里程碑式的创举，从原先优化物理层面发展到了优化通常只能由架构师才能动的微架构领域；但是De Geus也表示，人类不会完完全全的不干预，我们应该把AI看为一个自动化的工具，一种更为先进和智能的工具。
“要问DSO最大的优势是什么，答案是：缩短时间。如果能用原先需要使用的时间的一半来完成整个工作，并且完成的结果还比之前时更好，那么对于芯片这种动辄需要18-24个月的行业来说，速度能加快一倍，那你的反应又会是什么呢？对于厂商来说，ASSP/ASIC模型对于鬼片厂商更具吸引力。”
“当然有很多人会说，这样设计出的芯片是由软件定义的，但是我们仔细想想，芯片设计其实是用最优解来定义的，并且DSO还能做一些人类不擅长做的工作，例如联通硬件来优化软件应用，并且最优化的调整功耗。”
回到功耗改进方面，我们不难发现25%的巨大提升不亚于前进了一个或者两个制程节点，等于是人工智能帮助人类延长了摩尔定律，又或者是目前节点还有很多的性能还没有压榨出呢？ EE Times记者问。
“当然是两者都有，当你忽然意识到我们本可以做到这样获得如此程度的改进，那我们还有必要去进入一个新的节点吗？当然追求性能极致的人会做出这样的决定：去下一个节点使用DSO。”
不仅仅是持续推动芯片设计行业的发展，人工智能工具还能让更多的初创公司加入到芯片设计大军中来，距离来说：超级数据中心；超级计算机需要性能很强的芯片，往往都需要量身定制特殊芯片，而DSO的人工智能能够大规模的进行加速，并且设计出比设计师还好的芯片，这听起来蛮玄乎的，但是Synopsys的客户比任何人都清楚，这其实就是事实。
也正如De Geus所说，在人工智能能够大面积铺开接管人类主导的设计任务之前，设计师们必须学会信任人工智能工具。如果我们能在一半的时间完成一件时间，那么理论上我们可以完成原先两倍的任务，并且我们能在一半的时间内完成一件事，并且还完成的更好，我们既有理由从繁杂的事物中抽身出来，转而专注于更高一级的事情。总而言之，人工智能将对人类的未来的20年内产生巨大的影响。
责编：我的果果超可爱
编译自：Can AI Design a Better Chip Than a Human? --EE times
您可能感兴趣
