芯片设计大佬放狠话:未来10年,芯片性能提高1000倍!不过是AI设计的那种

2021 年 8 月 26 日 THU数据派
  
  
    


        
        
          
           
           
             
来源:新智元

  本文约1627字,建议阅读4分钟

本文介绍了Synopsys首席执行官、芯片设计自动化的先驱之一,Aart de Geus的最新观点:人工智能设计的芯片,性能可能会在未来十年内提高1000倍。

 


AI设计的芯片性能十年内将提高1000倍。

 

作为Synopsys首席执行官、芯片设计自动化的先驱之一,Aart de Geus在Hot Chips在线芯片大会上表示,现在人工智能设计的芯片,性能可能会在未来十年内提高1000倍。

 

 

自80年代以来,自动化一直都是芯片设计的一部分。

 

但现在,每两年芯片性能翻一番的「摩尔定律」似乎已经达到了瓶颈

 

要突破这个瓶颈,最好的办法或许就是你我都熟知的:

 

人工智能

 

https://www.nature.com/articles/d41586-021-01515-9

 

一篇刊登在Nature上的文章指出,经过训练的机器学习系统在芯片设计上的表现超过人类

 

不少芯片架构师都担心自己的饭碗未来会被AI抢走

 

不过De Geus却认为,芯片架构师不仅不会下岗,还会转移到产业链的上游,比现在负责更多任务。

 

人类设计的芯片平面图(a)与机器学习系统生成的平面图(b)

 

Synopsys从去年开始就使用AI来设计客户的芯片,与人工设计的芯片相比有了相当大的改进。

 

目前,三星也正在使用Synopsys的工具DSO.ai来设计Exynos芯片。

 

而它的竞争对手Cadence Design Systems也在今年推出了自己的人工智能芯片设计项目。

 

打破摩尔定律瓶颈

De Geus在1986年创立了Synopsys,一家电子设计自动化(EDA)软件公司。
 
凭借多年尖端半导体设计经验,Synopsys利用这个宝贵的资产制作了 第一代AI芯片软件DSO.ai
 
 
要想超越摩尔定律,就要利用AI来解决复杂性、功耗和扩展要求,最终实现1000倍性能的目标。
 
「机器学习出现在我们使用的每一种工具中,这个设计空间优化(DSO)的新工具的不同之处在于,它不适用于单个设计步骤,而是适用于整个设计流程。」
 
这就是Synopsys采用的自主芯片设计方法,从综合方法进行芯片设计,而不仅仅是芯片布局。
 
摩尔定律逐渐扁平,芯片设计重任落到了AI肩上
 
芯片设计的一个早期步骤是floor planning,其确定了芯片的尺寸、标准单元的排列形式、IO单元及宏单元的位置、电源地网络的分布等。
 
由于宏单元潜在配置数量巨大(约为10^2500),规划就会变得非常复杂,而且随着逻辑电路设计的发展,还需要进行多次迭代。
 
如果每次迭代都由人类工程师手动生成,就要耗时数天或数周。
 
在芯片设计的新时代,自动化大不相同
 
但如果用AI设计芯片,它就能够利用强化学习, 优化芯片的功率、性能和面积大小
 
还能解决针对特定应用程序以及系统的所有维度的快速定制芯片:硬件(物理)、软件(功能)、可制造性和架构(形式)。
 
随着AI接管更多任务,以往负责设计少量晶体管的工程师,现在可能负责设计更大芯片中的 10亿个晶体管
 
这样就能够在更短的时间内设计出更快的芯片,改变芯片的架构,将芯片性能提高10倍、100倍甚至是1000倍。
 
 
欢迎来到AI芯片设计时代

与使用最先进设计工具的世界一流设计团队相比,DSO.ai能够将功耗降低 25% ,性能是当下最好的AI芯片设计工具的 5倍
 
而在未来的AI芯片设计时代,芯片能够根据各个 垂直行业进行设计
 
芯片定制会更普遍
 
面对特定项目的差异化需求,DSO.ai可以用来优化输入参数以及芯片设计工作流程的选择。
 
工程师可以使用DSO.ai进行更多设计流程中的参数输入,例如微调库单元以提供最佳频率或最低功率,采用现有平面图并尽量缩小芯片尺寸,确定多高的工作电压会实现功耗与性能的最佳权衡等。
 
全球「缺芯」,虽然说不少行业都受到影响,但人们也深刻认识到了芯片的重要性。
 
芯片虽小,但却是一个重要的基础设施。
 
 
除了Synopsys,谷歌、英伟达也开始尝试使用人工智能技术设计芯片。
 
谷歌的TPU (张量处理单元)芯片即将发布新版本,优化了人工智能计算。
 
目前 英伟达 也专注于使用AI技术生产 更好的GPU和云计算TPU平台 ,以增强自身竞争力。
 
芯片设计的工程师不会下岗。
 
而人工及AI相结合的设计思路将会推动芯片设计迈进人工智能时代

参考资料:
https://venturebeat.com/2021/08/23/synopsys-ceo-ai-designed-chips-will-generate-1000x-performance-in-10-years/
https://arstechnica.com/gadgets/2021/08/samsung-has-its-own-ai-designed-chip-soon-others-will-too/
https://www.nature.com/articles/d41586-021-01515-9

—— E ND ——

登录查看更多
0

相关内容

中国人工智能的发展现状及未来发展趋势,20页ppt
专知会员服务
126+阅读 · 2022年3月26日
轻量化神经网络卷积设计研究进展
专知会员服务
54+阅读 · 2021年10月24日
专知会员服务
18+阅读 · 2021年6月29日
专知会员服务
65+阅读 · 2021年5月29日
最新《计算机体系结构和系统的机器学习》综述论文
专知会员服务
51+阅读 · 2021年2月17日
CCCF专栏 | 摩尔定律死了,摩尔定律万岁
中国计算机学会
0+阅读 · 2022年4月6日
性能再升级,苹果新一代自研芯片 M2 要来了!
ZEALER订阅号
0+阅读 · 2022年3月7日
AI训练的效率正在超越摩尔定律
AI前线
0+阅读 · 2022年2月23日
两笔收购,促成了 iPhone 里的那颗最强芯片
ZEALER订阅号
0+阅读 · 2021年10月14日
能效比提升超两倍,全球最高效ADC芯片问世
机器之心
0+阅读 · 2021年5月22日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
58+阅读 · 2021年11月15日
Arxiv
17+阅读 · 2021年3月29日
Arxiv
14+阅读 · 2020年9月1日
Arxiv
10+阅读 · 2018年4月19日
VIP会员
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员