量子比特 |公众号
芯片加速AI发展，AI反过来推动芯片进步？
刚刚，谷歌的芯片设计算法已经正式亮相。
CEO哈萨比斯开玩笑说：这是一个闭环。
训练最好的芯片设计算法→用它们设计更好的人工智能芯片→用它们训练更好的模型→然后设计更好的芯片→...
要知道，只需要几个小时就可以生成堪比人类水平的芯片设计。
谷歌参与设计了谷歌目前最强大的TPU“”，TPU训练了 、 、 Veo等新算法。
而联发科、三星等芯片厂商也已将其运用到实际生产中。
这不，最近正处于转型逆风期的英特尔，深度参与并购。于是网友们给出了自己的想法：
谷歌收购英特尔怎么样？
谷歌表示，现在不仅速度更快，而且需要更少的计算资源，已经达到了人类专家的水平。
在最新版本中，谷歌还开源了预训练版本，以便大家可以更轻松地开发芯片（但还是自己预训练更好）。
围观的人都很兴奋：
这是一个非常酷的贡献，对工程领域很重要。
数小时内完成AI芯片设计
回顾过去，最早的结果于 2020 年作为预印本发布，并于 2021 年出版。
但直到今天谷歌才给它一个正式的名字。杰夫·迪恩是作者之一。
和 的原理类似，都是基于深度强化学习。
掌握围棋、国际象棋的游戏规则，就意味着把筹码布局规划当作一种游戏来对待。
一块芯片往往包含数十亿个晶体管，由它们组成的数千万个逻辑门就是标准单元。此外，还有数千个内存块，称为宏块。
芯片设计就是确定它们的位置。它们的布局方式将影响芯片的处理速度和功效。
在传统方法中，仅仅放置宏块是非常耗时的。为了给标准单元留出更多的空间，每次迭代都需要几天甚至几周的时间。
基于深度强化学习，它从以前的芯片布局中学习并生成新的设计解决方案。
它将宏和标准单元映射到平面画布上，形成包含数百万到数十亿个节点的“芯片网表”。
从空网格开始，一次放置一个电路元件，直到放置完所有元件。该算法会对功耗、性能和面积（PPA）等进行优化，并输出一个概率分布。奖励最终将根据布局质量来计算。
一种新的基于边缘的图神经网络可以学习互连芯片组件之间的关系并将其应用于芯片之间，因此可以改进设计的每个布局。
下图中，左图为开源RISC-V CPU在零样本下布局的结果，右图为基于预训练策略进行微调的效果（设计20个TPU）。
经过迭代，目前芯片设计的效果和速度相比之前有了显着提升，达到了与人类专家类似的水平。
谷歌列出了其参与设计的TPU v5e、TPU v5p的成果，这是目前谷歌最先进的三款AI计算芯片。
AI设计芯片正在成为新范式
值得一提的是，该团队此前曾卷入打假事件。
Brain 员工内部质疑该团队在互联网上发表的论文是否站不住脚，实验是否还没有经过充分测试。 2022 年 3 月，该研究人员被谷歌解雇。
（猜测：这可能是尚未正式发布的原因之一？）
然而，使用人工智能设计芯片的不仅仅是谷歌。
的 H100 的设计也涉及人工智能。
通过使用深度强化学习代理来设计电路，H100中有近13000个电路是由AI设计的。
此前，三星也被曝光使用的DSO.ai来设计处理器。
当时， 自豪地说 DSO.ai 是第一个用于处理器设计的商业 AI 软件。
并且在生成式AI的趋势下，也正在推广AI设计芯片，推出AI解决方案。而且，大语言模型（LLM）等基础模型的使用可以显着提高工程师的生产力。
参考链接：
[1]
[2]
[3]
