0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

AI设计芯片的未来在何方,我们和专家聊了聊

新思科技 来源:未知 2023-06-21 18:15 次阅读

如今,AI已深入到芯片设计、验证、测试以及其他关键阶段,开发者纷纷感受到了AI带来的生产力提升,见证了在常规项目时间框架内仅靠人力所无法实现的惊人成果。没有AI参与芯片设计,这些都是无法想象的。

利用AI进行芯片设计如何发展至今?未来又何去何从?

“设计领域AI的崛起——过往历程与未来展望”讨论会吸引了各领域的专家,共同分享AI在各自领域中所取得的进展,并展望了未来的发展。在新思科技AI战略与系统团队高级经理、SNUG硅谷用户大会AI会议负责人Geetha Rangarajan的主持下,该讨论会旨在探讨AI如何在系统设计中帮助我们重新思考多个领域中的“难点”问题。会者们积极发表意见,通过创造性思维共同探索了使用AI驱动型解决方案的可能性。讨论会的成果丰富多彩,为AI在设计领域的应用带来了新的启示。

561ffe7e-101c-11ee-962d-dac502259ad0.png

简化原本复杂的芯片设计工作流程

AI已经在逐步简化原本复杂的芯片设计工作流程,优化日益庞大复杂的搜索空间。新思科技DSO.ai等解决方案利用强化学习技术,大规模扩大对设计工作流程选项的探索,既缩短了设计时间,又优化了功耗、性能和面积(PPA)。DSO.ai于2020年推出,是最早用于芯片设计的AI应用,最近已率先实现首先100个生产流片这一重要里程碑。

562fc9b2-101c-11ee-962d-dac502259ad0.png

新思科技AI战略与系统团队的杰出架构师Joe Walston在讨论会上提出了一个问题:AI能否帮助开发者解决整个系统堆栈中的复杂问题?从计算设备到装置再到飞机,如今的系统覆盖了各种应用领域。系统堆栈包含了潜在受益于AI的软件和硬件(物理)组件。软件如工作负载驱动型软件,用于处理通信、数据处理以及与用户、外部环境及系统内其他组件的交互。硬件如软件驱动型架构,这是用于满足软件需求(包括机械光学半导体电源传感器方面的需求)的硬件子系统。

系统堆栈的每一层都有很多相关问题需要解决。例如,在半导体子系统中,先进的SoC包含多个处理器、复杂接口IP、数字/模拟逻辑、存储器等。开发者面临着优化多个工作流程的挑战,从微架构选择到版图布局优化,再到物理设计、测试和制造方面的选择,都要纳入考量。同样,对于光学子系统,开发者必须综合考虑嵌入式电路、透镜、探测器和光源等因素。Walston表示,AI可以协助完成一些重复性的探索工作,帮助开发者更快达成目标。

56874390-101c-11ee-962d-dac502259ad0.png

实现更快的验证周期

新思科技EDA团队科学家Badri Gopalan从功能验证角度分享了一些观点。他指出,当下面临的情况是,验证复杂性的增长速度超过了摩尔定律。对于如今的SoC,需要验证的东西有很多:所有的逻辑,所有的跨多维度组合,比如性能和功耗等。验证开发者怎样才能找到更多更为复杂的错误?怎样比以往更快的发现?同时将结果质量和结果成本控制在理想范围内?

Gopalan解释说,开发者在RTL中应用传统验证解决方案通常可实现接近100%的覆盖率。静态验证可以发现约10%的错误,但可能会有很多误报,并且非常费时费力。形式化验证可以发现另外20%的错误,而仿真可以再发现65%的错误。仿真也需要大量人工操作,并且需要花费大量时间来调整测试平台的约束条件和编写手动测试程序。

新思科技的AI驱动型验证解决方案VSO.ai可以识别和消除回归中的冗余,自动进行覆盖率根本原因分析,然后通过RTL推断覆盖率,通过仿真确定覆盖率差异,并提供覆盖率优化指导,从而帮助验证团队更快、更高效地实现验证收敛。

56a6fc4e-101c-11ee-962d-dac502259ad0.png

提高覆盖率并最小化测试向量数量

半导体测试也可以受益于AI。在芯片制造过程中,测试开发者需要确保设计没有缺陷,并且按预期运行。存储器内置自测(BIST)、压缩IP和逻辑测试结构等解决方案可用于进行逻辑测试。传感器也具有重要作用。一般来说,收集到的数据在经过分析后,会回馈到设计周期中,从而实现改进。

在此过程中,每一步都需要决定对哪些参数进行优化。新思科技硬件分析与测试事业部工程副总裁Fadi Maamari解释道,我们的目标是使用尽可能少的测试向量开展尽可能多的测试,以控制成本。新思科技发布了一款利用AI优化测试码生成的新产品:新思科技TSO.ai。TSO.ai旨在减少所需的测试向量,提高覆盖率,并缩短自动测试向量生成(ATPG)的周转时间。它会以智能方式自动调整ATPG参数,针对特定设计开展一致的结果质量优化,并可以大幅降低测试成本。

56bbc73c-101c-11ee-962d-dac502259ad0.png

通过AI寻找新机遇

目前,AI在电子设计领域的影响才刚刚开始展现。随着自然语言模型(ChatGPT等AI聊天机器人)的兴起,以及AI所展现出的其他机遇,芯片设计行业现已迎来激动人心的时刻。要推进设计、验证和测试的自动化,还有更多工作要做,也还有更多方面需要改进。强大的电子设计自动化(EDA)技术与紧密集成的机器学习驱动循环有望形成一股强大力量,助力开发者达成前所未有的成就。

新思科技电路设计与TCAD解决方案事业部杰出架构师Vuk Borich表示:“随着芯片设计越来越多地使用FinFET节点工艺,新的问题不断出现。虽然芯片密度越来越高,尺寸越来越小,数量也越来越多,但还是有一些具有一定规律的事情可以交给人工智能。所以,我们预计会有大量创新。”

单看模拟设计这一块,就有很多方面可以享受人工智能的红利。Borich强调:

  • 要评估制程变异性,需要执行数十亿次的蒙特卡洛仿真。有没有可能利用AI减少这类仿真的时间和成本?

  • 提取寄生效应需要几个小时,甚至几天时间。随着设计参数增加到数百个,迭代时间延长,能用AI来缩短模拟设计收敛时间吗?

  • 优化布局需要大量人工操作:能否使用AI简化这一过程,尤其是在相关人才紧缺的情况下?

除了电子系统,光学设计领域也能在AI的帮助下加快实现收敛,并减少开发者的人力。光学设计是成像、汽车照明和光子芯片等应用中的关键技术。这些应用相当复杂,有太多的变量和公差需要考虑,过去都是使用特殊工具进行处理的。新思科技光学解决方案团队的科学家William Cassarly表示,AI具有潜在协同优化专用算法的新机会。利用AI可以对大部分设计空间进行探索,为现有算法提供新起点,减少处理个别案例的工作量。此外,AI有望在完全不同的用例之间进行知识转移,让经验不足的开发者也能产出以往认为只有资深开发者才能给出的结果。

就系统层面而言,硬件和软件团队之间的知识孤立导致系统成型成为一项复杂的高成本工作。系统层面的可见性和自动化根源分析是缩短芯片上市时间的关键。新思科技系统设计部高级研发师Rachana Srivastava指出,利用AI可自动完成系统层面的根源分析。透过在基于事件的知识图谱中映射数据,可以了解整个系统的基本情况。对这些数据应用机器学习模型可以进行预测并形成信息挖掘反馈回路,以优化芯片结果。

随着开发者设计出新的方法将AI和机器学习应用于整个系统堆栈的所有工作流程,激动人心的时代即将到来。为了满足下一代应用的PPA和上市时间目标,芯片设计只会越来越复杂。AI可以为开发团队带来生产力提升,帮助他们实现过去无法想象的成果。

56d27e0a-101c-11ee-962d-dac502259ad0.gif  

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 新思科技
    +关注

    关注

    5

    文章

    797

    浏览量

    50336

原文标题:AI设计芯片的未来在何方,我们和专家聊了聊

文章出处:【微信号:Synopsys_CN,微信公众号:新思科技】欢迎添加关注!文章转载请注明出处。

收藏 人收藏

    评论

    相关推荐

    AI for Science:人工智能驱动科学创新》第4章-AI与生命科学读后感

    很幸运社区给我一个阅读此书的机会,感谢平台。 《AI for Science:人工智能驱动科学创新》第4章关于AI与生命科学的部分,为我们揭示了人工智能技术在生命科学领域中的广泛应用和深远影响。
    发表于 10-14 09:21

    AI for Science:人工智能驱动科学创新》第二章AI for Science的技术支撑学习心得

    的重要作用和价值,同时也看到了其面临的挑战和未来发展方向。这次学习不仅丰富了我的知识储备,还激发了我对AI for Science未来发展的期待和热情。我相信,不久的将来,
    发表于 10-14 09:16

    亚马逊达成收购协议,拟整合芯片制造商与AI模型压缩专家Perceive

    深化其AI领域的战略投资,宣布与Xperi达成收购协议,目标直指后者旗下的芯片制造与AI模型压缩专家——Perceive公司。
    的头像 发表于 08-21 15:33 474次阅读

    创投专家共聚西井科技,探讨AI技术未来发展

    为进一步助力“上海硅巷”高质量发展,日前,一场主题为“垂类‘AI+’如火如荼 见证范式革命”的创投沙龙活动西井科技举行,来自垂直人工智能领域勇于创新的专家、投资机构以及企业代表共聚一堂,共同探讨
    的头像 发表于 08-13 10:17 453次阅读

    比尔·盖茨展望AI未来:从AI顾问到深度智能体的演变

    科技日新月异的今天,人工智能(AI)作为引领未来变革的关键力量,其发展前景始终牵动着全球科技界与公众的神经。近日,微软创始人比尔·盖茨知名播客节目《Next Big Idea Cl
    的头像 发表于 07-03 16:10 415次阅读

    中国AI芯片行业,自主突破与未来展望

    全球科技竞赛的舞台上,中国AI芯片行业正面临前所未有的挑战与机遇。近日,Gartner研究副总裁盛陵海一场分享会上深入剖析了中国AI
    的头像 发表于 06-19 17:02 724次阅读

    英伟达Blackwell芯片已投产,预告未来AI芯片发展

    英伟达创始人兼CEO黄仁勋近日宣布,公司旗下的Blackwell芯片已正式投入生产。这款芯片是英伟达AI领域的重要突破,预计将为未来的智能
    的头像 发表于 06-04 09:23 1971次阅读

    AI芯片哪里买?

    AI芯片
    芯广场
    发布于 :2024年05月31日 16:58:19

    香港应科院与苏州国芯联合组建新型AI芯片实验室,推动AI芯片行业发展

    AI时代,RISC-V架构正面临新的发展机遇。据硅谷芯片专家Jim Keller所言,“RISC-V的潜力巨大,未来
    的头像 发表于 05-22 15:55 782次阅读

    risc-v多核芯片AI方面的应用

    多核芯片AI方面的应用具有广阔的前景和巨大的潜力。随着技术的不断进步和应用的深入,我们期待看到更多基于RISC-V多核芯片AI解决方案
    发表于 04-28 09:20

    AI芯片未来会控制这个世界吗?

    AI芯片行业资讯
    芯广场
    发布于 :2024年03月27日 18:21:28

    英伟达将用AI设计AI芯片

    AI芯片行业资讯
    深圳市浮思特科技有限公司
    发布于 :2024年02月19日 17:54:43

    AI如何助力我们构建更智能的空间?利用AI构建智能空间的5种方式

    当下业界都聚焦于生成式 AI 如何推动未来变革,但我们也不妨回顾一下过去的一年,AI 如何助力我们构建更智能的空间。
    的头像 发表于 01-24 18:19 1074次阅读

    未来十年不变的AI是什么?吴恩达等专家关于2024年AI发展趋势的预测

    随着2024年的到来,人工智能领域正迎来前所未有的变革和发展。从深度学习到自然语言处理,AI技术的每一个分支都在经历着快速的进步。在这个关键的时刻,业界专家们提出了对未来趋势的深刻洞察,预测了将形成
    的头像 发表于 01-04 11:36 894次阅读
    <b class='flag-5'>未来</b>十年不变的<b class='flag-5'>AI</b>是什么?吴恩达等<b class='flag-5'>专家</b>关于2024年<b class='flag-5'>AI</b>发展趋势的预测

    聊聊SiC电动汽车上的应用

    上期EV焦点栏目 我们聊了电动汽车为什么要上800V,也大致了解了SiC和800V互相成就的关系。今天这期,我们相对放大一下,聊聊SiC
    的头像 发表于 01-02 13:43 1060次阅读
    聊聊SiC<b class='flag-5'>在</b>电动汽车上的应用