k8凯发(中国)天生赢家·一触即发

　　近日ღ✿✿，谷歌DeepMind在Nature上正式公布了其最新的芯片设计算法AlphaChipღ✿✿，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 v5eღ✿✿、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✿✿。同时妖刀记29妖刀记29ღ✿✿，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ღ✿✿，这些工具非常昂贵k8凯发(中国)官方网站ღ✿✿。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凯发在线网站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凯发在线网站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ღ✿✿。正如DeepMind联合创始人兼CEO Demis Hassabis所言凯发在线网站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k8凯发·(中国区)天生赢家一触即发ღ✿✿，ღ✿✿，实现了模型与的同步升级ღ✿✿，Demis Hassabis表示凯发在线网站ღ✿✿，“这正是谷歌TPU堆栈表现如此好的部分原因凯发在线网站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✿✿。与之前的方法不同妖刀记29ღ✿✿，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 Axionღ✿✿。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凯发在线网站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✿✿。据谷歌称半导体ღ✿✿，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AlphaChipღ✿✿，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凯发在线网站ღ✿✿，AlphaChip有望覆盖芯片设计的每一个阶段妖刀记29妖刀记29ღ✿✿，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凯发在线网站ღ✿✿。