AI应用于芯片设计会有什么样的改变

世界人工智能大会在上海举行。在芯片主题论坛上，中国工程院院士、鹏城实验室主任高文发表了题为“人工智能与EDA技术的前瞻性发展”的演讲。在高文看来，AI的应用将使芯片设计所需的时间由以月为单位缩短到以分钟为单位；但要使AI发挥作用，获取数据是最关键的环节。

从宏观来看，人工智能与集成电路的作用是相互的。集成电路可以为AI训练提供硬件平台。现阶段，包括英伟达、华为、谷歌在内的芯片设计企业均推出了自己的GPU或NPU，作为人工智能训练和推理的硬件平台。同时，在集成电路行业进行芯片设计的过程中， AI也可发挥关键作用。AI应用于芯片设计，不仅将帮助芯片设计企业提高设计效率，甚至将会为芯片设计带来革命性的改变。

第一，AI将大幅缩短芯片设计所需时间，降低芯片设计公司的人工成本。芯片设计是一个需要不断优化的过程。制造、封装完成的产品，有时候不会与工程师芯片设计过程中的预想完全一致，会存在一定的偏差，需要依照设计目标对设计过程和结果进行优化。在掩膜、布线等芯片制造等环节，也存在需要迭代优化的空间。AI的作用，便在于通过深度学习，对芯片设计、制造全流程进行优化。

高文举了一个AI与工程师按照同样的标准设计芯片的对比案例。从设计结果来看，工程师设计的芯片尺寸为133μm×254μm,AI设计的芯片面积更小,为130μm×250μm。仅从外观来看，二者差别不大，但二者在设计速度差了好几个量级，工程师设计的芯片以月为单位，但AI软件设计则是以分钟为单位。

第二，应用AI将有效满足市场对集成电路复杂程度的需求。曾有学者称，当前集成电路复杂程度将呈指数级上升。要完全靠人工支持集成电路的发展是难以实现也不可持续的。要实现这一目标，AI是必选项。若能够将AI引入芯片编译器，则原本需要依靠人工优化布线、布局等工作就可以交给计算机完成。更重要的是，计算机可实现24小时连续工作。由此，耗时量高、人力投入最大的工作便可以采用人工智能进行替代。

高文认为，利用人工智能寻找最优布线方案是最理想的。由于该解决方案没有最优解，只有次优解，而且解决方案多种多样，想将解决方案穷举将耗费大量人工劳动时间。而人工智能则能够在相对短的时间内将可能存在的所有的布线方案都穷举出来。在人工智能完成工作后，工程师需要做的，仅仅是在穷举的结果中挑选一个效果最好的方案即可。

然而，要将AI用于芯片设计，高文认为还有数据来源的问题待解决。随着时间推移，采用传统机器学习方法解决的问题将逐渐转向利用深度神经网络解决。而要采用深度神经网络技术，数据来源最关键。高文认为，获取数据是采用深度神经网络过程中最难的环节。相比于人脸识别等功能，集成电路布线的AI学习缺少数据支撑。当前，获取数据有几个渠道，一是通过开源的项目获得；二是采用过往积累的数据。

这两种来源的数据各自存在局限性。其一，通过开源项目获得的数据量有限；二是企业自行积累的数据多适用于某一种产品，存在与某特定领域，当离开了该领域，数据便不一定具有可参考性。高文表示，要使数据跨领域生效，一定程度上可以采用迁移学习的方法实现，以此将既有的数据激活，但仍有大量数据无法通过该方式激活。

从理论上来说，通过小体量样本进行学习找到规律能够实现。但从实际操作的经验来看，近几年，要想将AI系统激活，使之生效，仍需要大量的数据才可以。现阶段，部分海外公司已经能够实现将深度学习集成到其研发工具中；但国内的EDA公司在数字电路方面积累的数据较少，要将深度学习集成到芯片设计环节仍有难度。

至于AI在芯片设计领域的未来发展，高文认为，光子AI芯片将有望成为下一代计算的发展方向。要采用深度神经网络进行大规模AI计算，将给集成电路的耗电和芯片设计问题带来挑战。而若采用光子芯片，则可实现运算速度更快，成本更低。

编辑：黄飞