世界人工智能大會(huì)在上海舉行。在芯片主題論壇上，中國(guó)工程院院士、鵬城實(shí)驗(yàn)室主任高文發(fā)表了題為“人工智能與EDA技術(shù)的前瞻性發(fā)展”的演講。在高文看來(lái)，AI的應(yīng)用將使芯片設(shè)計(jì)所需的時(shí)間由以月為單位縮短到以分鐘為單位；但要使AI發(fā)揮作用，獲取數(shù)據(jù)是最關(guān)鍵的環(huán)節(jié)。

從宏觀來(lái)看，人工智能與集成電路的作用是相互的。集成電路可以為AI訓(xùn)練提供硬件平臺(tái)?，F(xiàn)階段，包括英偉達(dá)、華為、谷歌在內(nèi)的芯片設(shè)計(jì)企業(yè)均推出了自己的GPU或NPU，作為人工智能訓(xùn)練和推理的硬件平臺(tái)。同時(shí)，在集成電路行業(yè)進(jìn)行芯片設(shè)計(jì)的過(guò)程中， AI也可發(fā)揮關(guān)鍵作用。AI應(yīng)用于芯片設(shè)計(jì)，不僅將幫助芯片設(shè)計(jì)企業(yè)提高設(shè)計(jì)效率，甚至將會(huì)為芯片設(shè)計(jì)帶來(lái)革命性的改變。

第一，AI將大幅縮短芯片設(shè)計(jì)所需時(shí)間，降低芯片設(shè)計(jì)公司的人工成本。芯片設(shè)計(jì)是一個(gè)需要不斷優(yōu)化的過(guò)程。制造、封裝完成的產(chǎn)品，有時(shí)候不會(huì)與工程師芯片設(shè)計(jì)過(guò)程中的預(yù)想完全一致，會(huì)存在一定的偏差，需要依照設(shè)計(jì)目標(biāo)對(duì)設(shè)計(jì)過(guò)程和結(jié)果進(jìn)行優(yōu)化。在掩膜、布線(xiàn)等芯片制造等環(huán)節(jié)，也存在需要迭代優(yōu)化的空間。AI的作用，便在于通過(guò)深度學(xué)習(xí)，對(duì)芯片設(shè)計(jì)、制造全流程進(jìn)行優(yōu)化。

高文舉了一個(gè)AI與工程師按照同樣的標(biāo)準(zhǔn)設(shè)計(jì)芯片的對(duì)比案例。從設(shè)計(jì)結(jié)果來(lái)看，工程師設(shè)計(jì)的芯片尺寸為133μm×254μm,AI設(shè)計(jì)的芯片面積更小,為130μm×250μm。僅從外觀來(lái)看，二者差別不大，但二者在設(shè)計(jì)速度差了好幾個(gè)量級(jí)，工程師設(shè)計(jì)的芯片以月為單位，但AI軟件設(shè)計(jì)則是以分鐘為單位。

第二，應(yīng)用AI將有效滿(mǎn)足市場(chǎng)對(duì)集成電路復(fù)雜程度的需求。曾有學(xué)者稱(chēng)，當(dāng)前集成電路復(fù)雜程度將呈指數(shù)級(jí)上升。要完全靠人工支持集成電路的發(fā)展是難以實(shí)現(xiàn)也不可持續(xù)的。要實(shí)現(xiàn)這一目標(biāo)，AI是必選項(xiàng)。若能夠?qū)I引入芯片編譯器，則原本需要依靠人工優(yōu)化布線(xiàn)、布局等工作就可以交給計(jì)算機(jī)完成。更重要的是，計(jì)算機(jī)可實(shí)現(xiàn)24小時(shí)連續(xù)工作。由此，耗時(shí)量高、人力投入最大的工作便可以采用人工智能進(jìn)行替代。

高文認(rèn)為，利用人工智能尋找最優(yōu)布線(xiàn)方案是最理想的。由于該解決方案沒(méi)有最優(yōu)解，只有次優(yōu)解，而且解決方案多種多樣，想將解決方案窮舉將耗費(fèi)大量人工勞動(dòng)時(shí)間。而人工智能則能夠在相對(duì)短的時(shí)間內(nèi)將可能存在的所有的布線(xiàn)方案都窮舉出來(lái)。在人工智能完成工作后，工程師需要做的，僅僅是在窮舉的結(jié)果中挑選一個(gè)效果最好的方案即可。

然而，要將AI用于芯片設(shè)計(jì)，高文認(rèn)為還有數(shù)據(jù)來(lái)源的問(wèn)題待解決。隨著時(shí)間推移，采用傳統(tǒng)機(jī)器學(xué)習(xí)方法解決的問(wèn)題將逐漸轉(zhuǎn)向利用深度神經(jīng)網(wǎng)絡(luò)解決。而要采用深度神經(jīng)網(wǎng)絡(luò)技術(shù)，數(shù)據(jù)來(lái)源最關(guān)鍵。高文認(rèn)為，獲取數(shù)據(jù)是采用深度神經(jīng)網(wǎng)絡(luò)過(guò)程中最難的環(huán)節(jié)。相比于人臉識(shí)別等功能，集成電路布線(xiàn)的AI學(xué)習(xí)缺少數(shù)據(jù)支撐。當(dāng)前，獲取數(shù)據(jù)有幾個(gè)渠道，一是通過(guò)開(kāi)源的項(xiàng)目獲得；二是采用過(guò)往積累的數(shù)據(jù)。

這兩種來(lái)源的數(shù)據(jù)各自存在局限性。其一，通過(guò)開(kāi)源項(xiàng)目獲得的數(shù)據(jù)量有限；二是企業(yè)自行積累的數(shù)據(jù)多適用于某一種產(chǎn)品，存在與某特定領(lǐng)域，當(dāng)離開(kāi)了該領(lǐng)域，數(shù)據(jù)便不一定具有可參考性。高文表示，要使數(shù)據(jù)跨領(lǐng)域生效，一定程度上可以采用遷移學(xué)習(xí)的方法實(shí)現(xiàn)，以此將既有的數(shù)據(jù)激活，但仍有大量數(shù)據(jù)無(wú)法通過(guò)該方式激活。

從理論上來(lái)說(shuō)，通過(guò)小體量樣本進(jìn)行學(xué)習(xí)找到規(guī)律能夠?qū)崿F(xiàn)。但從實(shí)際操作的經(jīng)驗(yàn)來(lái)看，近幾年，要想將AI系統(tǒng)激活，使之生效，仍需要大量的數(shù)據(jù)才可以。現(xiàn)階段，部分海外公司已經(jīng)能夠?qū)崿F(xiàn)將深度學(xué)習(xí)集成到其研發(fā)工具中；但國(guó)內(nèi)的EDA公司在數(shù)字電路方面積累的數(shù)據(jù)較少，要將深度學(xué)習(xí)集成到芯片設(shè)計(jì)環(huán)節(jié)仍有難度。

至于AI在芯片設(shè)計(jì)領(lǐng)域的未來(lái)發(fā)展，高文認(rèn)為，光子AI芯片將有望成為下一代計(jì)算的發(fā)展方向。要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行大規(guī)模AI計(jì)算，將給集成電路的耗電和芯片設(shè)計(jì)問(wèn)題帶來(lái)挑戰(zhàn)。而若采用光子芯片，則可實(shí)現(xiàn)運(yùn)算速度更快，成本更低。

編輯：黃飛

?