世界人工智能大會在上海舉行。在芯片主題論壇上，中國工程院院士、鵬城實驗室主任高文發(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，AI的應(yīng)用將使芯片設(shè)計所需的時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?，F(xiàn)階段，包括英偉達(dá)、華為、谷歌在內(nèi)的芯片設(shè)計企業(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。同時，在集成電路行業(yè)進(jìn)行芯片設(shè)計的過程中， AI也可發(fā)揮關(guān)鍵作用。AI應(yīng)用于芯片設(shè)計，不僅將幫助芯片設(shè)計企業(yè)提高設(shè)計效率，甚至將會為芯片設(shè)計帶來革命性的改變。

第一，AI將大幅縮短芯片設(shè)計所需時間，降低芯片設(shè)計公司的人工成本。芯片設(shè)計是一個需要不斷優(yōu)化的過程。制造、封裝完成的產(chǎn)品，有時候不會與工程師芯片設(shè)計過程中的預(yù)想完全一致，會存在一定的偏差，需要依照設(shè)計目標(biāo)對設(shè)計過程和結(jié)果進(jìn)行優(yōu)化。在掩膜、布線等芯片制造等環(huán)節(jié)，也存在需要迭代優(yōu)化的空間。AI的作用，便在于通過深度學(xué)習(xí)，對芯片設(shè)計、制造全流程進(jìn)行優(yōu)化。

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

第二，應(yīng)用AI將有效滿足市場對集成電路復(fù)雜程度的需求。曾有學(xué)者稱，當(dāng)前集成電路復(fù)雜程度將呈指數(shù)級上升。要完全靠人工支持集成電路的發(fā)展是難以實現(xiàn)也不可持續(xù)的。要實現(xiàn)這一目標(biāo)，AI是必選項。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、布局等工作就可以交給計算機(jī)完成。更重要的是，計算機(jī)可實現(xiàn)24小時連續(xù)工作。由此，耗時量高、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)布線方案是最理想的。由于該解決方案沒有最優(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大量人工勞動時間。而人工智能則能夠在相對短的時間內(nèi)將可能存在的所有的布線方案都窮舉出來。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)果中挑選一個效果最好的方案即可。

然而，要將AI用于芯片設(shè)計，高文認(rèn)為還有數(shù)據(jù)來源的問題待解決。隨著時間推移，采用傳統(tǒng)機(jī)器學(xué)習(xí)方法解決的問題將逐漸轉(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)過程中最難的環(huán)節(jié)。相比于人臉識別等功能，集成電路布線的AI學(xué)習(xí)缺少數(shù)據(jù)支撐。當(dāng)前，獲取數(shù)據(jù)有幾個渠道，一是通過開源的項目獲得；二是采用過往積累的數(shù)據(jù)。

這兩種來源的數(shù)據(jù)各自存在局限性。其一，通過開源項目獲得的數(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)的方法實現(xiàn)，以此將既有的數(shù)據(jù)激活，但仍有大量數(shù)據(jù)無法通過該方式激活。

從理論上來說，通過小體量樣本進(jìn)行學(xué)習(xí)找到規(guī)律能夠?qū)崿F(xiàn)。但從實際操作的經(jīng)驗來看，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?，F(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)計環(huán)節(jié)仍有難度。

至于AI在芯片設(shè)計領(lǐng)域的未來發(fā)展，高文認(rèn)為，光子AI芯片將有望成為下一代計算的發(fā)展方向。要采用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行大規(guī)模AI計算，將給集成電路的耗電和芯片設(shè)計問題帶來挑戰(zhàn)。而若采用光子芯片，則可實現(xiàn)運算速度更快，成本更低。

編輯：黃飛

?