经验啦

  1. 首页 > 科技 > >

芯片设计|使用 AI 改进复杂设计中的 PPA( 三 )

机器学习设计师芯片设计


人工智能指标
与汽车不同 ， 汽车有标准的方法来衡量每加仑英里数或每次充电的距离 ， 没有标准的方法来衡量使用人工智能的结果 。 每个设计都是独一无二的 ， 使用的工具也各不相同 。 然而 ， 整个行业都报告说使用基于人工智能的芯片设计工具提高了生产力 。
例如 ， 谷歌将人工智能应用于平面规划 ， 并发现他们可以在不到六个小时的时间内完成以前工程师几个月才能完成的工作 。 两者都通过 PPA 优化提供了可制造芯片的结果 ， 但使用人工智能显着提高了生产力 。
“将人工智能添加到芯片设计过程中肯定会提高其效率 ， ” Cadence数字与签核集团产品管理组总监 Rod Metcalfe 说 。 “例如 ， 使用 AI 的 5nm 移动 CPU 可以提高 14% 的性能 ， 提高 7% 的泄漏功率和 5% 的密度 。 这可能很重要 。 ”
这些改进在其他应用程序中得到了体现 。 Synopsys人工智能解决方案高级总监 Stelios Diamantidis 表示：“使用基于 AI 的设计技术 ， 我们的客户表示他们能够显着降低功耗 - 与手动调整相比高达 25% 或更多 。”“这种对已经优化设计的改进是惊人的 。 ”
芯片设计中人工智能的未来
将10 亿个晶体管挤入一个芯片对大多数人来说是不可想象的 。 但在 2021 年 6 月 ， Synopsys 报告称 ， 其迄今为止制造的最大芯片拥有 1.2 万亿个晶体管和 400000 个 AI 优化内核 ， 面积为 46225 平方毫米 。 使用传统设计工具的人类设计师几乎不可能设计出这种尺寸的芯片 。
Cambrian AI Research 创始人兼首席分析师 Karl Freund 表示：“使用 AI 来加速和优化芯片设计的好处现在已成定局 ， 至少就主要芯片供应商而言 。 ”“像 Synopsys DSO.AI 这样的系统正在为公司节省时间和金钱 ， 并生产出功耗更低、性能更高、面积更小的芯片 。 现在 ， 业界正将注意力转向优化物理设计之外的下一步 ， 例如系统级优化、软件/算法优化 ， 甚至设计验证 。 整个行业都将从这些创新中受益 ， 更快、耗电更少、成本更低的硅的消费者也将受益 。 ”
所有主要的 EDA 公司都在将 AI 功能注入他们的工具中 。 但是 ， 他们不仅可以将更多东西塞进更小的空间 ， 还可以将更多东西塞进更大的空间 。

Cerebras 的晶圆尺寸芯片 。 资料来源：大脑系统
Cerebras Systems 的第二代芯片采用 7nm 工艺开发 ， 包含 2.6 万亿个晶体管和 850000 个 AI 优化内核 。 它现在是世界上最大的人工智能应用芯片 。 它大约有一个餐盘那么大 。 相比之下 ， 最大的 GPU 只有 540 亿个晶体管 。 Cerebras 的芯片需要 40 GB 的晶圆内存来支持 AI 计算 。 要设计这样的芯片 ， 需要基于人工智能的芯片设计工具 。
此外 ， 在未来几个月和几年内 ， 除了 PPA 问题之外 ， 还需要集成芯片安全性 ， 人工智能也可以提供帮助 。
西门子的 Subramanian 指出了人工智能已经在使用的四个领域 。 “他们可能正在使用人工智能作为解决特定问题的传统方法的替代方案 。 他们可能正在使用人工智能来创建一种关于如何设计或验证其 IC 的新方法 。 他们可能正在使用人工智能驱动的工具来减少错误或达到最佳结果的时间 。 或者 ， 他们可能正在构建一个 AI 芯片 ， 在这种情况下 ， 设计师正在创建一个新的计算架构来解决问题 ， 而该架构基于使用 AI 或机器学习原理 。 ”
结论
当问题以人工智能可以理解的方式明确定义时 ， 人工智能在设计中的效果最好 。 因此 ， IC 设计人员必须首先查看是否存在与系统适应、学习和概括知识/规则的能力相关的问题 ， 然后将这些知识/规则应用到不熟悉的场景中 。

相关经验推荐


上一篇：国产手机|中国最长寿的热销手机，从上市以来就热销至今，碾压iPhone12

下一篇：机械键盘|配置拉满的小键盘这么酷！酷冷至尊CK721机械键盘评测！