芯片设计大佬放狠话：未来10年，芯片性能提高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。