谷歌的AI芯片设计火了！从头到尾一条龙，连三星和联发科都入手了

人工智能与芯片技术相互促进，开启新一轮创新循环？

近日，谷歌发布了其最新的芯片设计算法——AlphaChip，标志着AI在半导体领域的应用迈入新阶段。

DeepMind首席执行官德米斯·哈萨比斯对此评论道：“这真是一次完美的闭环。”

令人印象深刻的是，AlphaChip仅需数小时便能创造出可媲美人类工程师的高质量芯片设计方案。

谷歌自家顶级TPU产品“Trillium”的开发过程中就融入了AlphaChip的力量；而这些TPU又为Gemini、Imagen等前沿AI模型提供了强大的计算支持。

此外，像联发科和三星这样的行业领导者也开始将这项技术应用于实际生产流程中。

面对当前挑战重重的局面，英特尔正经历着一场深刻的变革。有热心网友建议：

根据谷歌的说法，如今的AlphaChip不仅工作效率更高，而且对计算资源的需求也有所降低，已达到专业级水准。

最新消息显示，谷歌决定公开AlphaChip的一个预训练版本，以便更多开发者能够轻松地参与到芯片的设计工作中来（当然，个性化定制后的版本表现会更加出色）。

这一举措引发了广泛的关注与期待：

几个小时内完成AI芯片布局

回顾历史，AlphaChip项目最初的研究成果早在2020年就已经以预印本形式公布，并于2021年发表在《自然》杂志上。

直至今日，谷歌才正式赋予它一个响亮的名字。Jeff Dean也是该项目的主要贡献者之一。

AlphaChip采用的技术路线与之前的AlphaGo、AlphaZero类似，都是基于深度强化学习原理构建而成。

如果说AlphaZero掌握了围棋及国际象棋这类策略游戏的话，那么AlphaChip则是将芯片布局优化看作是一场复杂的智力竞赛。

现代芯片内部结构复杂多变，通常包含了数十亿个晶体管以及由它们构成的数千万个逻辑单元，再加上数千个被称为宏块的记忆体部分。

如何合理安排这些组件的位置直接关系到最终产品的性能表现和能耗效率。

传统方式下，仅仅是对宏块进行定位就需要耗费大量的时间和精力，在每一次调整后都需要等待数日乃至数周才能看到结果。

相比之下，AlphaChip则能够在短时间内从过往案例中汲取经验教训，快速生成新的布局方案。

该算法首先会将所有的电路元件映射至一个二维平面上，形成一张庞大的“芯片蓝图”。接着，它会逐一放置各个组件，并不断调整直至找到最优解。

在整个过程中，AlphaChip会综合考虑功耗、处理速度及占用面积等多个因素，并据此给出相应的评估反馈。

借助一种全新的基于边界的图形神经网络架构，AlphaChip能够更准确地理解并预测不同芯片部件间的连接模式，从而实现对整个设计流程的有效改进。

如图所示，左侧展示了未经任何先验知识指导下的Ariane RISC-V CPU布局效果，右侧则是经过预训练策略微调后得到的结果。

随着迭代次数增加，AlphaChip所展现出来的设计精度和速度都有了显著提升，已经接近甚至超越了人工操作所能达到的最佳水平。

事实上，除了上述提到的Trillium之外，AlphaChip还参与到了包括TPU v5e、TPU v5p在内的其他几款先进AI加速器的研发当中。

利用AI助力芯片设计成为新兴趋势

值得注意的是，在AlphaChip团队取得突破性进展的同时，也曾遭遇过外界对其研究成果真实性的质疑。

此前，一名名叫Satrajit Chatterjee的谷歌大脑研究人员曾公开表示对Nature论文中某些结论持保留态度，并认为相关实验并未经过充分验证。然而，这位批评者不久后便被公司解雇。

（有人猜测，这可能是导致AlphaChip延迟发布的原因之一。）

但无论如何，运用AI技术辅助芯片设计已经成为了一种不可逆转的趋势。

例如，英伟达在其H100 GPU的开发过程中同样采用了类似的深度强化学习方法，使得近13,000条电路得以通过自动化手段完成。

另外，早些时候就有报道指出，三星也在使用Synopsys公司的DSO.ai工具来优化Exynos系列处理器的设计过程。

Synopsys方面更是自豪地宣称，DSO.ai是全球首款专为处理器设计打造的商用级AI解决方案。

除此之外，随着生成式AI浪潮的到来，Cadence等EDA软件提供商也开始积极拥抱这一变化，推出了Optimization AI等一系列旨在提高设计师工作效率的新功能。同时，他们还引入了大语言模型等先进技术，进一步简化了芯片开发流程。