英偉達在不忙于構(gòu)建一些最先進的芯片時就會探索使用其制造的相同芯片來改進芯片設計過程的方法。該公司預計，未來幾年集成電路設計的復雜性將呈指數(shù)級增長，因此增加GPU計算的強大功能將很快從一個有趣的實驗室實驗轉(zhuǎn)變?yōu)樗行酒圃焐痰谋匦杵贰?/p>

　　在今年GPU技術(shù)大會的一次演講中，英偉達的首席科學家兼研究高級副總裁Bill Dally談到了很多關(guān)于使用GPU來加速現(xiàn)代GPU和其他SoC背后的各個階段設計過程。英偉達認為，使用機器學習而不是人類手動完成某些任務可以更好，更快地完成，從而釋放他們從事芯片開發(fā)的更高級方面的工作。

　　Dally 領(lǐng)導著一個由大約300名研究人員組成的團隊，負責解決從制造速度更快的GPU的技術(shù)挑戰(zhàn)到開發(fā)利用這些GPU功能自動執(zhí)行和加速傳統(tǒng)上主要由手動完成的各種任務的軟件。這個研究團隊從2019年的175人增加到未來幾年。

　　當談到加快芯片設計速度時，Dally表示，英偉達已經(jīng)確定了利用機器學習技術(shù)可以顯著影響典型開發(fā)時間表的四個領(lǐng)域。例如，映射 GPU 中電源使用的位置是一個迭代過程，在傳統(tǒng)的 CAD 工具上需要三個小時，但使用專門為此任務訓練的 AI 模型只需幾分鐘。一旦教過，模型可以將時間縮短到幾秒鐘。當然，AI模型以速度換取準確性。然而，Dally表示，英偉達的工具已經(jīng)達到了94%的準確率，這仍然是一個值得尊敬的數(shù)字。

　　電路設計是一個勞動密集型過程，工程師在對部分設計進行仿真后，可能需要多次更改布局。因此，訓練AI模型對寄生效應進行準確預測可以幫助消除為滿足所需設計規(guī)范而進行微小調(diào)整所涉及的大量手動工作。英偉達可以利用GPU來預測利用圖形神經(jīng)網(wǎng)絡的寄生效應。

　　Dally解釋說，設計現(xiàn)代芯片的最大挑戰(zhàn)之一是路由擁塞——這是特定電路布局中的缺陷，其中晶體管和連接它們的許多微小導線沒有最佳位置。這種情況可能導致類似于交通擁堵的事情，但在這種情況下，它是位而不是汽車。工程師可以使用圖形神經(jīng)網(wǎng)絡快速識別問題區(qū)域，并相應地調(diào)整其放置和路徑。

　　在這些情況下，英偉達本質(zhì)上是試圖使用AI來改進人類制造的芯片設計。工程師無需開始勞動密集型且計算成本高昂的過程，而是可以創(chuàng)建一個替代模型，并使用AI快速評估和迭代。該公司還希望使用AI來設計GPU和其他高級芯片中使用的晶體管邏輯的最基本功能。

　　英偉達正在采取必要措施，轉(zhuǎn)向更先進的制造節(jié)點，其中數(shù)千個所謂的標準單元必須根據(jù)復雜的設計規(guī)則進行修改。一個名為NVCell的項目試圖通過一種稱為強化學習的方法盡可能多地自動化這一過程。

　　經(jīng)過訓練的 AI 模型用于糾正設計錯誤，直到完成。英偉達聲稱，迄今為止，它已經(jīng)實現(xiàn)了92%的成功率。在某些情況下，人工智能工程的細胞比人類制造的細胞小。這一突破有助于提高設計的整體性能，并降低芯片尺寸和功耗要求。

　　工藝技術(shù)正在迅速接近我們可以用硅做什么的理論極限。同時，生產(chǎn)成本隨著每個節(jié)點的轉(zhuǎn)換而上升。因此，在設計階段的任何輕微改進都可以帶來更好的良率，特別是如果它減小了芯片尺寸。英偉達將制造業(yè)務外包給三星和臺積電等公司。然而，Dally表示，NVCell允許該公司使用兩個GPU在幾天內(nèi)完成一個由十名工程師組成的團隊的工作，讓他們將注意力集中在其他領(lǐng)域。

　　英偉達并不是唯一一個在設計芯片方面走AI路線的人。谷歌還在使用機器學習來開發(fā)用于AI任務的加速器。這家搜索巨頭發(fā)現(xiàn)，人工智能可以設計出意想不到的方法來優(yōu)化性能和能效布局。三星的代工部門使用一種名為 DSO.ai 的Synopsys工具，其他大大小小的公司正在逐漸采用這種工具。

　　超過50%的芯片都是在成熟的工藝節(jié)點上設計的。國際數(shù)據(jù)公司（International Data Corporation）分析師預計，到2025年，這一比例將增至68%。Synopsys首席執(zhí)行官Aart de Geus認為，人工智能可以幫助公司設計出性能不是重中之重的更小、更節(jié)能的芯片，比如汽車、家用電器和一些工業(yè)設備。此方法比遷移到更高級的進程節(jié)點便宜得多。此外，在每個晶圓上安裝更多芯片也可以節(jié)省成本。

　　同樣值得注意的是，代工廠還可以利用成熟工藝節(jié)點（12納米及更大）上的AI制造芯片來解決制造能力不足的問題，大多數(shù)制造商都不愿意在這一領(lǐng)域進行投資，因為半導體領(lǐng)域競爭激烈，專注于前沿。

　　這個故事并不是關(guān)于人工智能在芯片設計過程中取代人類。英偉達、谷歌（Google）、三星（Samsung）和其他公司發(fā)現(xiàn)，人工智能可以增強人類的能力，并完成日益復雜的設計所帶來的繁重工作。人類仍然需要找到理想的問題來解決，并決定哪些數(shù)據(jù)有助于驗證他們的芯片設計。

　　關(guān)于通用人工智能以及我們何時能夠創(chuàng)造它，存在很多爭論。盡管如此，所有專家都認為，我們今天使用的人工智能模型幾乎無法處理我們所知道和可以描述的特定問題。即便如此，它們也可能產(chǎn)生意想不到的結(jié)果，這些結(jié)果對最終目標不一定有用。