人工智能在现代芯片设计中发挥强大支撑作用

集成电路（IC）设计是一项复杂的工作，不断突破密度和性能的界限。现在，人工智能在集成电路设计中发挥着越来越重要的作用。

虽然人工智能最近因其与ChatGPT等自然语言处理器的惊人能力而受到更多关注，但该工具也被用于IC设计的各个阶段，包括设计优化、布局、模拟和验证。人工智能算法还可以帮助更有效地探索设计空间，比传统方法更快地发现最佳设计配置。

 

随着设计变得比以往任何时候都更加复杂，人工智能可以成为IC设计师的强大资产。图片（已修改）由Synopsys提供

 

本文重点介绍了人工智能是如何被用作集成电路设计工具的，以及这项技术如何影响集成电路设计师的职业价值。

 

芯片制造商利用人工智能实现严格的设计约束

由于数十亿个晶体管被限制在一个小芯片区域内，IC设计师的任务是在严格的限制下优化设计。

首先，模具面积必须最小，以适应当今器件的小尺寸，并降低制造成本。布局的功耗也令人担忧；功率同样影响部署成本以及芯片的环境影响。某些密集区域和配置容易过热，需要冷却机制或巧妙的布局。考虑到这些因素和许多其他因素，IC设计者花费大约八到九个月的时间来生成满足每一个严格要求的芯片布局。

为了加快和优化IC设计过程，包括科技行业一些最大的公司在内的许多公司现在都在投资人工智能工具来完成一些繁重的工作。

 

谷歌人工智能在几个小时内设计芯片

谷歌表示，谷歌的深度学习强化学习（RL）方法可以在比人类短得多的时间内生成有效的布局，并且结果在质量上相当。2022年3月，谷歌研究公司推出了PRIME，这是一种深度学习方法，利用现有的功率和延迟等数据来创建比传统方法设计的芯片更快、更小的加速器设计。

 

谷歌的PRIME实现了记录的加速器数据，以训练设计加速器的保守模型。图片由谷歌提供

 

谷歌的研究人员使用了10000个芯片平面图来训练他们的模型。人工智能生成的芯片设计耗时不到六个小时。Alphabet公司表示，这种方法已经被用于实现谷歌的张量处理单元（TPU），这是谷歌基于云的机器学习应用程序的一部分。

 

EDA公司在AI设计系统上加倍努力

不仅仅是谷歌转向了机器学习模型。Synopsys和Cadence等电子设计自动化公司也在其最新工具中使用人工智能技术。最近，Synopsys在其Synopsys DSO.ai自主芯片设计系统上注册了100个商业下线。该系统最近的客户包括意法半导体和SK海力士。

 

没有先前学习的DSO.ai案例研究（左）与有先前学习的DSO.ai案例分析。图片由Synopsys提供

 

2022年2月初，ST和Synopsys在微软的云计算上首次使用DSO.ai来设计工作芯片。使用Synopsys的DSO.ai设计系统，结合Microsoft Azure上的Synopsys Fusion Compiler和IC Compiler，该工具将功率、性能和面积（PPA）指标提高了3倍以上，总功率降低了25%，体积也大大缩小。

除了芯片设计，人工智能还在芯片测试和验证方面找到了应用，这两个领域都是芯片制造商花费大量时间的领域。为了解决这一设计阶段的问题，西门子推出了Questa Verification IQ，这是一个帮助IC设计工程师加快验证过程的软件平台。

 

NVIDIA的GPU驱动AI用于GPU设计

NVIDIA为芯片设计设计设计了另一种深度学习方法。该公司制造了一个名为PrefixRL的RL模型，证明人工智能可以从头开始学习电路设计，并使用最新的EDA工具制造更小更快的电路。NVIDIA的体系结构由13000个使用人工智能技术设计的电路组成。

 

PrefixRL流量的描述。图片由NVIDIA提供

 

对于自动细胞迁移，该公司开发了NVCell，它可以迁移92%的细胞库而不会出错。人类可以处理剩下的8%没有自动迁移的细胞。英伟达首席科学家Bill Dally表示：

 

“所以这就像一款雅达利电子游戏，但它是一款在标准单元格中修复设计规则错误的电子游戏。通过强化学习来处理和修复这些设计规则错误，我们基本上可以完成标准单元格的设计。”

 

人工智能对集成电路设计就业市场的影响

虽然人工智能可以自动化传统上由IC设计师执行的某些任务，如布局设计和优化，但它也减少了设计过程中对手动方面的需求。虽然这提高了整体效率，但也可能导致IC设计某些领域的最终工作岗位流失。

另一方面，人工智能还可以帮助IC设计师更高效地完成工作。例如，人工智能可以分析大量数据，并提供见解，提出工程师以前可能没有考虑过的设计替代方案。这一趋势可以提高IC设计师在行业中的价值，使他们能够专注于更复杂和创造性的设计方面，并最终生产出更好的产品。

人工智能不太可能完全取代对熟练IC设计师的需求。随着人工智能在行业中越来越普遍，对此类工程师的需求甚至可能增加，因为需要能够在设计过程中准确验证和使用人工智能工具和算法的个人。