
在极其复杂的半导体设计任务中,人工智能(AI)正在迅速成为芯片工程师的强大助手。Deloitte Global预测,在用于设计芯片的内部和第三方AI工具上,全球领先的半导体公司2023年的花费将达到3亿美元,并且这一数字将在未来四年内每年增长20%,到2026年将超过5亿美元。对预计将达到6600亿美元的2023年全球半导体市场来说,这笔支出并不大,但对于巨大的投资回报率来说却意义重大。
借助AI设计工具,芯片制造商将能够突破摩尔定律(Moore’s law)界限,节省时间和金钱,缓解人才短缺,甚至将旧的芯片设计拖入现代应用中。同时,这些工具可以提高供应链的安全性,并有助于缓解下一次芯片短缺。换句话说,虽然设计芯片所需的AI软件工具的单套许可证可能只需要几万美元,但由这些工具设计的芯片可能价值数十亿美元。
几十年来,电子设计自动化(EDA)厂商一直致力于开发芯片设计工具,2022年这一行业的规模超过100亿美元,年增长率约为8%。通常,EDA工具使用基于规则的系统和物理模拟来帮助工程师设计和验证芯片,有些甚至已经整合了基本AI。然而,在过去的一年里,最大的EDA公司已经开始销售先进的AI工具,而芯片制造商和技术公司也开发了自己专属的AI设计工具。这些先进的工具不仅仅是实验,它们已经被用于现实应用中的许多芯片设计,每年可能价值数十亿美元。尽管它们不会取代人类设计师,但凭借在速度和成本效益方面的互补优势,它们让芯片制造商拥有更强的设计能力。

片设计和制造非常复杂,先进的AI可在三个主要方面提供帮助:
(1)制造新的更好的芯片:低于10纳米工艺节点的芯片用于智能手机、电脑和数据中心。它们是芯片市场中增长最快的部分,也是利润最高的部分。然而,每种新设计的成本超过5亿美元,制造成本也是最高的。先进的AI工具可以比旧方法更快地设计这些芯片,从而降低成本。
(2)让旧芯片变得更好:2022年销售的所有芯片中有2/3都采用了65纳米或更大的工艺节点,这是一项有几十年历史的技术。将这些旧芯片设计转移到更先进的节点(“缩小”)可实现更小的物理尺寸,并且更节能,也不依赖过时的制造设备。先进的AI工具让芯片制造商能够更快、更便宜地实现这些收缩。
(3)填补芯片人才缺口:到2022年,全球约有200万人在芯片行业工作,但随着美国、欧盟和中国不断推动芯片自给自足,该行业需要在2030年前增加100万名工人。先进的AI工具将成为弥合人才缺口的重要途径。
芯片设计包括三个主要阶段:系统级设计、寄存器传输级设计(RTL),最后是物理电路设计。正是在最后一个阶段,先进的AI工具才能真正大放异彩。
芯片设计优化了三个变量——功率、性能和面积(PPA),以实现一个最小化电力使用、最大化处理速度和尽可能小的芯片。用传统工具优化PPA既慢又费力,因为设计迭代可能需要数周时间,而且迭代通常只能略微改善PPA。设计一个芯片可能需要数年时间;以物理形式实现设计,并评估、测试和模拟设计和实施。
芯片有数十亿个晶体管,由模块化的块(包含内存子系统、计算单元、控制逻辑系统和电源等元素)和标准单元表示。在高度复杂的芯片中,这些模块由长达50公里的电线连接起来。当模块排列不合理时,连接模块需要更多的布线和空间。组件之间的意外电荷(称为寄生效应)会影响性能并降低功耗。
通过发现功耗增加、阻抗性能或空间低效使用等资源占用类错误,先进的AI工具可以测试人类的设计,提出改进建议,然后进行模拟和测试。这些工具从先前的迭代中学习以改进PPA,直到它达到极限。但真正具有革命性的是,先进AI可以自主完成这项工作,生成比使用传统EA工具的人类设计师更好的PPAs——有时一个设计工程师只需几个小时,而工程团队则需要几周或几个月。
这些高级AI能力几乎完全分为两类:图形神经网络(GNNs)和强化学习(RL)。gnn是一种专门用于分析图形的机器学习算法,图形是包含“节点”和“边”的数据结构,“节点”可以是任何对象,“边”定义了节点之间的关系。传统的深度学习神经网络难以处理图形,但gnn从图形中提取信息,对它们的连接进行有用的预测,并在保留关键关系的同时重新排列节点。由于芯片结构本质上类似图形,宏块和标准单元类似节点,连接它们的导线类似边,因此,gnn是分析和优化芯片的理想选择。

RL将物理芯片设计变成了图形优化“游戏”,这与谷歌在战略棋盘游戏围棋中击败人类冠军使用的技术相同,围棋甚至比国际象棋更复杂,被认为超出了AI的能力。物理芯片设计更加复杂,但RL以同样的方式处理它。它训练成千上万的“游戏”——芯片平面图,模拟芯片设计,以找到最佳的PPA排列。AI生成的平面图从人类设计师优化PPA的设计沉淀中得到了强化,如减少线路长度、拥堵、密度、功耗和面积的设计,以及对次优设计的惩罚。随着时间的推移,这些强化改进了RL系统,并教会它自主生成更好的设计。
将GNNs和RLs组合使用,就能以更少工程师和更少时间,提供性能等于或超过经验丰富的设计师所生产的PPAs产品。一些最近的真实结果包括:
(1)麻省理工学院(MIT)的AI工具开发的电路设计比人类设计的电路节能2.3倍。
(2)联发科技(MediaTek)使用AI工具将一个关键处理器组件的尺寸缩减了5%,功耗降低了6%。
(3)Cadence将5纳米移动芯片的性能提高了14%,功耗降低了3%,仅仅使用AI和一名工程师10天时间,而不是10名工程师几个月。
(4)Alphabet始终如一地制作芯片平面图,在六个小时内实现了超越经验丰富的人类设计师的PPA指标,而不是几周或几个月。
(5)NVIDIA使用其RL工具,所设计的电路比人类使用当今EDA工具设计的电路小25%,但性能相似。
今天,主要芯片制造商和设计师都在使用最新的AI设计芯片,甚至用于高级节点上。事实上,一些芯片变得如此复杂,以至于可能很快就需要先进AI。例如,Synopsys最大的芯片设计包含超过1.2万亿个晶体管和400,000个AI优化内核。
通过基于云的EDA服务,高级AI也变得垂手可得,从而扩大了潜在市场。一旦上了云,不仅仅是专家和市场领袖,技术技能和计算能力较弱的小公司也可以使用。
原文链接:









