每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗?订阅我们的简报,深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同,从行业内部的深度分析和实用指南中受益。不要错过这个机会,成为AI领域的领跑者。点击订阅,与未来同行! 订阅:https://rengongzhineng.io/
谷歌的AI方法大大加速并优化了芯片设计,超越人类水平的芯片布局已在全球硬件中广泛应用。早在2020年,谷歌发布了一篇预印本,介绍了一种新颖的强化学习方法,用于设计芯片布局,随后发表在《自然》期刊,并开放了源代码。
如今,谷歌又发布了《自然》的补充说明,进一步阐述了这一方法及其对芯片设计领域的影响。同时,谷歌还发布了一个预训练的模型检查点,公开了模型权重,并宣布其名称为“AlphaChip”。
计算机芯片推动了人工智能(AI)的显著进展,而AlphaChip则反过来利用AI加速并优化了芯片设计。这一方法已用于设计过去三代谷歌定制AI加速器——张量处理单元(TPU)的超越人类水平的芯片布局。
AlphaChip是首批用于解决现实工程问题的强化学习方法之一。它能够在几小时内生成超越或相当于人类设计的芯片布局,而人类可能需要几周甚至几个月的时间完成类似的工作。这些布局已被全球各类芯片广泛采用,从数据中心到手机无所不包。
AlphaChip如何运作
设计芯片布局并非易事,芯片由多个相互连接的模块组成,层层电路组件通过极其纤细的电线连接。同时,还有许多复杂的设计约束需要同时满足。正因为如此,芯片设计师们已经为芯片布局自动化奋斗了超过60年。
与AlphaGo和AlphaZero学习围棋、国际象棋和将棋的方式类似,AlphaChip将芯片布局视为一种“游戏”来处理。从一个空白的网格开始,AlphaChip逐个放置电路组件,直到完成所有组件的布局。根据最终布局的质量,它会获得相应的奖励。一个创新的“基于边缘”的图神经网络帮助AlphaChip理解芯片组件之间的关系,并能在不同芯片之间泛化,随着设计的增加不断提升表现。
AlphaChip自2020年发表以来,已经为每一代谷歌的TPU生成了超越人类水平的芯片布局。这些芯片使得谷歌基于Transformer架构的大规模AI模型得以大幅扩展。TPU是谷歌强大生成式AI系统的核心,包括大型语言模型Gemini、图像生成器Imagen和视频生成器Veo等。谷歌的AI加速器还为外部用户通过Google Cloud提供服务。
为了设计TPU布局,AlphaChip会先对前几代芯片模块进行训练,包括片上网络、芯片间网络、内存控制器和数据传输缓冲区等模块。这个过程称为预训练。然后,AlphaChip会在当前的TPU模块上运行,以生成高质量的布局。与以往方法不同,AlphaChip随着处理更多芯片布局任务,变得越来越快、越来越好,类似于人类专家的进步。
随着每一代TPU的发布,包括最新的第六代Trillium,AlphaChip设计的芯片布局逐步提升,显著加快了设计周期,并带来了更高性能的芯片。
AlphaChip的广泛影响
AlphaChip的影响不仅限于谷歌内部,它的应用已扩展到研究界和芯片设计行业。除了专门的AI加速器TPU,AlphaChip还为Alphabet其他芯片生成了布局,比如谷歌的Axion处理器,这是谷歌首款基于Arm架构的数据中心通用CPU。
外部组织也在采用和扩展AlphaChip。全球领先的芯片设计公司联发科(MediaTek)就是其中之一,它利用AlphaChip加速了最先进芯片的开发,如用于三星手机的Dimensity旗舰5G芯片,同时在功耗、性能和芯片面积上取得了改进。
AlphaChip引发了芯片设计领域一系列基于AI的新研究,并被扩展到芯片设计的其他关键阶段,如逻辑综合和宏块选择等。
打造未来的芯片
谷歌相信,AlphaChip有潜力优化芯片设计的每个阶段,从计算机架构到制造工艺。它将彻底改变日常设备中的定制硬件芯片设计,包括智能手机、医疗设备和农业传感器等。
AlphaChip的未来版本正在开发中,谷歌期待与社区携手,继续推动这一领域的革命,迎接一个芯片更快、更便宜、更节能的未来。