芯片|AI比人类更懂芯片设计？( 三 )

西门子工业软件高级副总裁兼总经理Ravi Subramanian为机器学习进一步做了解释：“机器学习是人工智能的一个子集，指的是机器无需外部编程实现自我进化的过程。传统设备的运行规则遵循计算机语言中if-then-else语句的‘二极管’逻辑和线性顺序。但机器学习方法能够使设备不断从自身采集到的数据中获得反馈，从而指导设备下一步的行动。”
Subramanian表示，要让AI进行学习，需要三个前提条件：
其一是需要一个数据集，即一个包含了大量数据的库。数据可以是RTLIP、GDSII、C语言或SPICE表格等多种形式。（雷峰网编者注：数据集就是人工智能算法的初始输入，将数据集输入算法相当于给AI“例题”进行学习）
其二是需要一个算法模型。这个模型使得AI系统能够完成观测、学习、反馈等任务。基于这个前提使用了人工智能算法的设备才能根据每一次结果的输出动态调节自身策略，而不是和传统设备一样仅根据输入的程序运行。
其三是需要一个目标函数。并且设计一个围绕着这个目标函数的奖惩机制，以完成强化学习过程。（雷峰网编者注：目标函数是指一个规定“最优解”定义的函数。每次训练完成后，将会通过该函数输出一个返回值，一般称作τ，可以看做是算法每次“考试”后的分数。设计人员将会根据τ值与目标函数期望值的差距来决定对算法模型的奖惩）
“人工智能本身并不会做决定”，他解释说，“谷歌人工智能研究负责人Francois Chollet的说法很准确，他将人工智能定义为系统对数据进行分析后应用在陌生场景中的能力。”
汽车可以通过衡量每加仑油能行驶的里程或者每次充电后的最大行驶里程来衡量其续航优劣。但人工智能系统不同，每个人工智能系统的设计都是独一无二的，设计系统的工具也是各不相同的。但整个芯片行业都报告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芯片布图规划，并发现他们可以在不到六个小时的时间里完成从前工程师动辄需要数月的工作。无论是人类还是人工智能，两者都可以通过PPA优化得到满足制造标准的芯片设计结果，但在生产流程中引入了人工智能的企业生产效率显然更高。
“将人工智能应用于芯片设计过程肯定会提高芯片性能，”Cadence 数字与签核集团产品管理组总监 Rod Metcalfe 说。“例如，在设计过程中使用了人工智能的5nm移动CPU可以提高14%的性能，7%的耗散功率和5%的晶体管密度，这对于芯片设计很重要。”
这些改进在其他应用中也得到了体现。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与传统设计方法相比降低25%的功耗，这种提升是惊人的。”
AI在芯片设计领域的未来
对大多数人而言，难以想象将10亿个晶体管集成到一颗芯片中。但根据2021年6月新思科技的报告，他们已经制造出了一种含有1.2万亿个晶体管、400000个AI内核，面积为46225mm2的芯片。这是使用传统工具的人类设计师无论如何也达不到的技术高度。
Cambrian AI Research 创始人兼首席分析师 Karl Freund 表示：“在芯片设计流程中引入人工智能来提高效率现在已是大势所趋，至少对主要芯片供应商而言是这样的。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、软件算法的优化和设计验证。整个行业都在从这些创新中受益，消费者也将能用到性能更强劲，功耗更低，更便宜的芯片。”