Google AI 碾壓集成電路設計專家，ASIC智能設計時代來了！

其他|other else|

2022-03-17 08:40:55 5

【新智元導讀】傳統(tǒng)集成電路設計費時又費力，能否用人工智能來提高工作效率？在今年的集成固態(tài)電路會議上，包括Google AI負責人Jeff Dean在內(nèi)的四位大佬闡述了AI的應用對處理器、量子計算、結構創(chuàng)新等的重大影響。「新智元急聘主筆、編輯、運營經(jīng)理、客戶經(jīng)理，添加HR微信（Dr-wly）或掃描文末二維碼了解詳情。」

今年的集成固態(tài)電路會議（ISSCC）的主題是“為AI時代提供動力的集成電路”，而開幕全體會議的目的是描繪AI“折疊”半導體空間的程度。

9520e3d7ebe18ef5c2ae91393e34c813

Google AI 負責人Jeff Dean、聯(lián)發(fā)科*副總裁Kou-Hung Loh、Imec項目總監(jiān)Nadine Collaert、IBM Research總監(jiān)Dario Gil分別解釋了電子領域?qū)I的期望要求，例如，如何驅(qū)動專門為AI應用而設計的新型處理器（以及CPU和GPU）;促進結構創(chuàng)新（例如小芯片，多芯片封裝，中介層）;甚至影響著量子計算的發(fā)展。

布局布線太費時？Google AI 幫你降本增效

ISSCC會議于上周在舊金山舉行，會議期間谷歌表示人工智能對電路設計同樣重要，并且宣布谷歌正在嘗試利用機器學習來解決集成電路設計流程中自動化布局布線問題，并且得到了不錯的效果。
人工智能的應用這幾年來也一直是電子領域的研究熱點和重點。這個方向吸引了大量半導體研究人員從事傳統(tǒng)方向和人工智能結合的相關研究。尤其是今年的集成固態(tài)電路會議（ISSCC）甚至把會議主題定為：“用集成電路推動AI新時代”。而開幕式也將此次會議的目的陳述為探討AI對半導體領域研究的影響。
開幕式的四位發(fā)言人解釋了人工智能的需求是如何推動設計AI專用的新型處理器（相比于CPU和GPU）、如何促進結構創(chuàng)新（例如采用小芯片，多芯片封裝，或者插件式設計）、甚至如何正在影響未來量子計算的發(fā)展。
會議的*位發(fā)言人是Google AI負責人Jeff Dean。Jeff Dean提到谷歌正在通過實驗，嘗試利用機器學習執(zhí)行集成電路設計中的布局布線任務，也就是讓AI學習集成電路中的布局布線，節(jié)省設計專家的人力勞動。 5d28d30570beebcd5e63119c24f75a3b

人類ASIC專家的布局布線結果和一個低功耗ML加速器芯片的布局布線結果對比。谷歌故意遮蓋了部分圖像。（來源：Google Research / ISSCC）
Jeff Dean首先簡要介紹了AI和ML的發(fā)展歷史，接著介紹了機器如何學習玩雙陸棋，深藍如何下國際象棋, alphago如何擅長下圍棋。以及現(xiàn)在的AI可以應對非常復雜的視頻游戲（例如《星際爭霸》）并且取得了“具有里程碑意義的成績”。同時機器學習還被廣泛應用于醫(yī)學成像，機器人技術，計算機視覺，自動駕駛，神經(jīng)科學，農(nóng)業(yè)，天氣預報等領域。
數(shù)十年來，推動計算技術發(fā)展的基本思想是：問題越大，我們就給它更強的計算能力。如果你擁有的處理能力越強，你就可以解決的更大的問題。在一段時間里，這個規(guī)則也適用于解決AI問題。但是，這個規(guī)則很快就被爆炸式增長的問題空間所打破。因為我們根本無法攢夠足夠多的CPU/GPU來解決這樣的問題。
事實證明，AI / ML不需要典型的CPU / GPU的復雜功能，所需的數(shù)學運算也更簡單，而且要求的精度也低很多。這個發(fā)現(xiàn)帶來的影響是：專用的AI / ML加速器不必像CPU / GPU那樣復雜。基于此Google設計了TensorFlow加速器，并且已經(jīng)推出第三代產(chǎn)品，第四代產(chǎn)品也很快會發(fā)布。AI / ML處理器設計相對簡單，因此也相對*，所有這些都使得將機器學習進一步推向網(wǎng)絡邊緣變得更加容易。截至2019年，Google已經(jīng)擁有一款可在智能手機上使用的非常緊湊的模型。
當前階段每個基于AI的應用程序（自動駕駛，醫(yī)學成像，游戲）都是通過訓練專用的AI / ML系統(tǒng)而實現(xiàn)。那么，AI能將一個系統(tǒng)上學到的知識應用到從未見過的新系統(tǒng)中嗎？答案很明確：“YES”。
“我之所以提出這一點是因為我們開始考慮將AI用于ASIC設計中的布局布線” Jeff Dean說，“布局布線的難度遠遠大于圍棋：目標更模糊，問題規(guī)模反而更大”。Google已經(jīng)創(chuàng)建了布局布線的學習模型，然后嘗試該工具是否可以進一步推廣。Jeff Dean說“到目前為止，我們在所有嘗試中都獲得了非常好的結果。它的性能要比人類好一些，有時甚至要好很多。” f4cc82bd94a81b92acb2a13ba98373ef

Google將使用機器學習布局和布線的效果與商用軟件進行了比較。測試電路是幾個不同的模塊，包括Ariane RISC-V CPU。（來源：Google Research / ISSCC）
“更好”指的是在非常短的時間內(nèi)完成布局布線。如果讓人類設計專家完成這項任務通常需要一周甚至數(shù)周時間。而ML布局布線器通常在24小時內(nèi)就能完成相同的工作量，并且布局的連線通常更短。ML布局布線器在自動布局和布線方面的更多*表現(xiàn)可以參考由Cadence公司Rod Metcalfe撰寫的“在EDA中進行機器學習可加快設計周期”的文章。
Jeff Dean說，ML可能還會擴展到IC設計過程的其他部分，包括使用ML來幫助生成測試用例，以更充分地進行ASIC設計驗證；也許還可以使用ML來改進*代碼綜合以達到更優(yōu)化的設計。這些可能的應用方向?qū)C器學習本身的普及很重要，同時對加速集成電路設計進度也是一樣的重要。
高成本大功耗CPU/GPU并非必須，邊緣計算可定制

聯(lián)發(fā)科技*副總裁兼首席戰(zhàn)略官Kou-Hung Loh指出物聯(lián)網(wǎng)設備將數(shù)百億的事物連接在一起，然而AI正在改變著這些聯(lián)網(wǎng)的一切事物。
AI之所以走向邊緣計算，部分原因正如Dean在本節(jié)前面提到的那樣，還有更多的原因包括：減輕數(shù)據(jù)中心日益增長的處理負擔、最小化網(wǎng)絡流量，以及那些需要使用近似本地處理的實時應用。本地處理要求：快速（必須為AI計算專門設計），而且低功耗。這些為AI專門設計的處理器，被稱為AI處理器單元。一個APU可以不如CPU靈活，但是由于是專用的，所以APU可以性能上比CPU快20倍，功耗比CPU低55倍。
多系統(tǒng)不好協(xié)同設計？AI 幫你打通奇經(jīng)八脈

Imec的項目總監(jiān)Nadine Collaert指出摩爾定律可能在未來幾年內(nèi)依然適用，雖然CMOS縮小的難度越來越大，但可以利用FinFETs、納米片、forksheets等技術實現(xiàn)芯片級的CMOS進一步縮放。相信3D技術是最好的方法：包括使用多層封裝，硅上穿孔，以及與其他標準單元進行精細等級的連接。具體技術的選擇需要根據(jù)系統(tǒng)設計需求和可選用的器件屬性來決定。“這將是一個復雜的練習”Collaert說。這將對EDA供應商產(chǎn)生很大壓力，因為這需要EDA供應商在工具層面支持不同方案的嘗試和比較。
無線通信系統(tǒng)的前端模塊將成為一個特殊的挑戰(zhàn)。“通常，這些系統(tǒng)最多樣化：使用不同技術的許多不同組件，并且前端模塊會隨著天線、PA、以及濾波器的增多，而變得更加復雜。” 無線通信行業(yè)正在向更高頻和更高效率邁進。一種方案是將III-V材料（例如GaN和SiC）與CMOS結合使用以獲得兩種材料的優(yōu)勢。Nadine Collaert給出一個在絕緣的硅襯底（SOI）上生長的具有III-V材料的3D nano-ridge的圖片示例，同時指出這里還有很多工作要做。 b1ebcbee3514c153633dcebe27d1fc62

Imec證明其在絕緣硅襯底（SOI）上生長出III-V材料的3D nano-ridge的能力
至于機器學習對內(nèi)存的影響則更加明顯。像AI和ML這樣的新應用都需要快速地訪問內(nèi)存。人們迫切需要關注和發(fā)展內(nèi)存計算，隨著邏輯和存儲的日益緊密，3D封裝當然會發(fā)揮重要作用。
彼此賦能，量子計算和人工智能可互補

IBM Research總監(jiān)Dario Gil在會議上進一步提及廣義的AI：幾乎可以肯定，廣義的AI將會在量子計算機上實現(xiàn)。他總結了最大的好處可能來自bits（數(shù)字處理），neurons（AI）和qubits（量子計算）的互補使用。IBM于2016年通過開放了*臺量子計算機的訪問，現(xiàn)在可以訪問15臺量子計算機，包括其最新的53量子位模型。

免責聲明：本文轉載自“新智元”，本文僅代表作者個人觀點，不代表薩科微及行業(yè)觀點，只為轉載與分享，支持保護知識產(chǎn)權，轉載請注明原出處及作者，如有侵權請聯(lián)系我們刪除。

公司電話：+86-0755-83044319
傳真/FAX：+86-0755-83975897
郵箱：1615456225@qq.com
QQ：3518641314 李經(jīng)理

QQ：332496225 丘經(jīng)理

地址：深圳市龍華新區(qū)民治大道1079號展滔科技大廈C座809室

上一篇：: AOS發(fā)布符合車規(guī)標準的1200V 碳化硅MOS管（αSiC MOSFETs）

下一篇：: 電子分析SiC功率器件的可靠性及應用

Google AI 碾壓集成電路設計專家，ASIC智能設計時代來了！

客服QQ2635709730

客服QQ
2635709730