芝能智芯出品
我們依賴芯片來訓練強大的人工智能（AI）模型，隨著AI的應用范圍擴展，也開始反過來幫助我們設計更先進的芯片。
谷歌旗下的 DeepMind 在《自然》雜志的增刊中發表了一篇文章，詳細介紹了他們的最新成果——AlphaChip。
不僅極大地縮短了設計周期，還在數小時內就能創造出超越人類設計的芯片布局，節省了大量的時間和成本，文章還公開了AlphaChip的一個預訓練模型，讓研究人員和工程師們可以更容易地利用這項技術。
AlphaChip是首批將強化學習應用于實際工程問題的系統之一，能夠以更快的速度、更低的成本和更少的能耗，設計出超越傳統方法的芯片布局。
AlphaChip已經被用于設計谷歌自家的TPU（張量處理單元）的最新芯片布局，這些芯片廣泛應用于數據中心和移動設備中。
AlphaChip的工作原理
設計芯片布局是一項極其復雜的任務，涉及到眾多的電路模塊和細微的導線連接。
為了簡化這個過程，DeepMind借鑒了AlphaGo和AlphaZero的設計思路，將芯片布局問題轉化為一種“游戲”。
AlphaChip從一個空的網格開始，逐步放置電路元件，直到完成整個布局。根據布局的效果，AlphaChip會得到反饋，進而不斷優化其策略。
AlphaChip通過以下步驟工作：
●?初始化：從一個空白的網格開始，沒有電路元件。
●?放置元件：AlphaChip逐個選擇電路元件并將其放置在網格上的某個位置。
●?評估布局：根據當前布局的質量，AlphaChip會收到一個獎勵分數。布局質量的評估標準包括電路性能、功耗、面積利用率等。
●?優化策略：AlphaChip根據收到的獎勵分數，調整其放置策略，以提高未來布局的質量。
這種基于“邊”的圖神經網絡方法，讓AlphaChip能夠理解和學習芯片組件之間的復雜關系，從而在不同的芯片設計上實現通用性，提高了布局的質量。
AlphaChip不僅在谷歌內部發揮了重要作用，其影響力也擴散到了整個Alphabet集團、學術界以及整個芯片設計行業。
除了TPU之外，AlphaChip還為谷歌的Axion處理器等其他項目提供了設計支持。
外部公司，如聯發科，也已經開始利用AlphaChip來加速它們最先進的芯片開發，比如用于三星手機的Dimensity Flagship 5G芯片。這不僅提升了產品的性能，還優化了功耗和芯片面積。
聯發科高級副總裁SR Tsai表示：“AlphaChip的開創性AI方法徹底改變了芯片設計的關鍵階段。”
AlphaChip的出現，開啟了芯片設計的新篇章。它有潛力優化從計算機架構設計到制造的每一個環節，為智能手機、醫療設備、農業傳感器等各種日常設備提供更高效、更經濟、更環保的定制化芯片解決方案。
谷歌正在積極研發AlphaChip的新版本，希望能夠與全球的研究和工業界合作，共同推動這一領域的進步，朝著更快、更便宜、更節能的芯片未來邁進。
未來的AlphaChip可能會在以下幾個方面取得更大的突破：
●?設計速度：進一步提高設計速度，縮短從概念到成品的時間。
●?功耗優化：優化芯片的功耗，延長電池壽命，降低能源消耗。
●?能效提升：提高芯片的整體能效，使其在高性能計算和移動設備中表現更佳。
●?應用擴展：擴展到更多領域，如量子計算、自動駕駛芯片等前沿技術。
隨著AlphaChip的應用逐漸廣泛化，強化學習雖然在特定任務上表現出色，但在處理更為復雜的設計約束時，可能需要更大的計算資源。
芯片技術的快速演進，新材料和新工藝的引入將帶來更多不確定性，這對AlphaChip的適應性提出了更高要求。
AI設計工具與人類設計師的配合。盡管AlphaChip能夠在短時間內生成高質量的設計方案，但在某些情況下，仍需人類設計師的經驗和判斷來優化最終設計。
這種“人機協作”的設計方式如何有效結合，將是未來芯片設計行業的重要課題。
AlphaChip的推出，不斷加速我們的發展，芯片設計出了一個很大的轉變。將人工智能與強化學習技術引入芯片布局規劃，大幅提高了設計效率和性能，改變了傳統芯片設計的方式，時代變了，以后我們人類能做什么是個大的問題。
