AI擊敗人類！DeepMind推出AlphaChip，幾小時內即可生成“超人”芯片佈局

來源：大數據文摘授權轉載自學術頭條

一直以來，人類使用芯片來訓練強大的人工智能（AI）模型；如今，AI 也可以反過來用於加速並優化芯片設計了，且可在數小時內生成超越人類設計或同類芯片佈局，而無需耗費數週或數月的人力。

日前，Google DeepMind 在一篇 Nature 增刊文章中詳細介紹了他們用於設計芯片佈局的新型強化學習方法——AlphaChip，及其對芯片設計領域的影響。此外，他們也發佈了一個預訓練的檢查點，公開了模型的權重。

據介紹，AlphaChip 是首批用於解決實際工程問題的強化學習方法之一，可以更加快速、低廉、節能的生成超越人類設計的芯片佈局，目前已經被用於設計谷歌定製 AI 加速器張量處理單元（TPU）的最近三代超人芯片佈局，以及全球多地從數據中心到手機的芯片。

半導體公司聯發科高級副總裁 SR Tsai 認爲，AlphaChip 的開創性 AI 方法徹底改變了芯片設計的關鍵階段。

AlphaChip 是如何工作的？

芯片佈局設計並不是一項簡單的任務。計算機芯片由許多相互連接的模塊組成，包含多層電路組件，所有這些組件都通過極細的導線連接。同時，設計過程中有許多複雜且交織的設計約束需要同時滿足。由於其複雜性，芯片設計人員在過去 60 年中一直難以實現芯片平面規劃流程的自動化。

類似於 AlphaGo 和 AlphaZero 學習圍棋、國際象棋和將棋的方式，Google DeepMind 推出了 AlphaChip，將芯片平面規劃視爲一種遊戲。

從一個空白的網格開始，AlphaChip 逐個放置電路元件，直到完成所有元件的佈局。然後，根據最終佈局的質量，模型會獲得相應的獎勵。AlphaChip 通過一種新穎的“基於邊緣”的圖神經網絡，學習芯片組件之間的關係，並能夠在不同的芯片上進行泛化，從而使 AlphaChip 能夠改進其設計的每一個佈局。

視頻｜左：AlphaChip 在沒有任何經驗的情況下放置開源的 Ariane RISC-V CPU；右：動畫顯示 AlphaChip 在對 20 個與 TPU 相關的設計進行練習後，放置了相同的區塊。

使用 AI 設計 AI 加速器芯片

據官方博客介紹，自 AlphaChip 首次被提出以來，其生成的超人類芯片佈局已被用於每一代谷歌的 TPU。這些芯片使得基於谷歌 Transformer 架構的 AI 模型能夠大規模擴展。

從大語言模型到圖像和視頻生成器，TPU 是生成式 AI 系統的核心。在設計 TPU 佈局時，AlphaChip 首先在前幾代的芯片模塊上進行練習，如片上和芯片間網絡模塊、內存控制器和數據傳輸緩衝區。這一過程稱爲預訓練。

圖｜谷歌數據中心內的一排 Cloud TPU v5p AI 加速器超級計算機。

與以前的方法不同，AlphaChip 是一種基於學習的方法，這意味着它會隨着解決芯片放置問題的更多實例而變得更好、更快。這種預訓練顯著提高了其速度、可靠性和放置質量。

隨着每一代 TPU 的演化，AlphaChip 設計了更好的芯片佈局，加速了設計週期，並帶來了性能更高的芯片。

圖｜條形圖顯示了 AlphaChip 設計的芯片塊在三代 Google TPU 中的數量，包括 v5e、v5p 和 Trillium。

圖｜條形圖顯示了 AlphaChip 在谷歌三代 TPU 中平均減少的線長，並與 TPU 物理設計團隊生成的佈局進行了比較。

AlphaChip 的影響力如何？

據介紹，AlphaChip 的影響不僅限於谷歌內部，還擴展到了整個 Alphabet 公司、研究界以及芯片設計行業。除了設計像 TPU這樣的專用 AI 加速器，AlphaChip 還爲 Alphabet 旗下的其他芯片生成佈局，如谷歌 Axion 處理器，這是谷歌首個基於 Arm 的通用數據中心 CPU。

外部組織也在採用並擴展 AlphaChip。例如，聯發科利用 AlphaChip 加速其最先進芯片的開發，如三星手機中使用的 Dimensity Flagship 5G，在提升性能的同時，也優化了功耗和芯片面積。

AlphaChip 引發了 AI 芯片設計領域的工作熱潮，並已擴展到芯片設計的其他關鍵階段，如邏輯綜合和宏塊選擇。

創造未來的芯片

谷歌方面認爲，AlphaChip 有潛力優化芯片設計週期的每一個階段，從計算機架構到製造，並將徹底改變智能手機、醫療設備、農業傳感器等日常設備中的定製硬件芯片設計。

他們也透露，新版本的 AlphaChip 正在開發中，他們期待與整個社區合作，繼續革新這一領域，迎接更加快速、低廉、節能的芯片未來。

未來知識庫是“ 歐米伽未來研究所”建立的在線知識庫平臺，收藏的資料範圍包括人工智能、腦科學、互聯網、超級智能，數智大腦、能源、軍事、經濟、人類風險等等領域的前沿進展與未來趨勢。目前擁有超過8000篇重要資料。每週更新不少於100篇世界範圍最新研究資料。