应用

技术

物联网世界 >> 物联网新闻 >> 物联网热点新闻
企业注册个人注册登录

英伟达希望使用GPU和AI来加速和改进未来的芯片设计

2022-04-22 11:00 Adrian Potoaca
关键词:AI英伟达芯片

导读:英伟达认为,使用机器学习而不是人类手动完成某些任务可以更好,更快地完成,从而释放他们从事芯片开发的更高级方面的工作。

  640.png

英伟达在不忙于构建一些最先进的芯片时就会探索使用其制造的相同芯片来改进芯片设计过程的方法。该公司预计,未来几年集成电路设计的复杂性将呈指数级增长,因此增加GPU计算的强大功能将很快从一个有趣的实验室实验转变为所有芯片制造商的必需品。

  在今年GPU技术大会的一次演讲中,英伟达的首席科学家兼研究高级副总裁Bill Dally谈到了很多关于使用GPU来加速现代GPU和其他SoC背后的各个阶段设计过程。英伟达认为,使用机器学习而不是人类手动完成某些任务可以更好,更快地完成,从而释放他们从事芯片开发的更高级方面的工作。

  Dally 领导着一个由大约300名研究人员组成的团队,负责解决从制造速度更快的GPU的技术挑战到开发利用这些GPU功能自动执行和加速传统上主要由手动完成的各种任务的软件。这个研究团队从2019年的175人增加到未来几年。

  当谈到加快芯片设计速度时,Dally表示,英伟达已经确定了利用机器学习技术可以显着影响典型开发时间表的四个领域。例如,映射 GPU 中电源使用的位置是一个迭代过程,在传统的 CAD 工具上需要三个小时,但使用专门为此任务训练的 AI 模型只需几分钟。一旦教过,模型可以将时间缩短到几秒钟。当然,AI模型以速度换取准确性。然而,Dally表示,英伟达的工具已经达到了94%的准确率,这仍然是一个值得尊敬的数字。

  电路设计是一个劳动密集型过程,工程师在对部分设计进行仿真后,可能需要多次更改布局。因此,训练AI模型对寄生效应进行准确预测可以帮助消除为满足所需设计规范而进行微小调整所涉及的大量手动工作。英伟达可以利用GPU来预测利用图形神经网络的寄生效应。

  Dally解释说,设计现代芯片的最大挑战之一是路由拥塞——这是特定电路布局中的缺陷,其中晶体管和连接它们的许多微小导线没有最佳位置。这种情况可能导致类似于交通拥堵的事情,但在这种情况下,它是位而不是汽车。工程师可以使用图形神经网络快速识别问题区域,并相应地调整其放置和路径。

  在这些情况下,英伟达本质上是试图使用AI来改进人类制造的芯片设计。工程师无需开始劳动密集型且计算成本高昂的过程,而是可以创建一个替代模型,并使用AI快速评估和迭代。该公司还希望使用AI来设计GPU和其他高级芯片中使用的晶体管逻辑的最基本功能。

  英伟达正在采取必要措施,转向更先进的制造节点,其中数千个所谓的标准单元必须根据复杂的设计规则进行修改。一个名为NVCell的项目试图通过一种称为强化学习的方法尽可能多地自动化这一过程。

  经过训练的 AI 模型用于纠正设计错误,直到完成。英伟达声称,迄今为止,它已经实现了92%的成功率。在某些情况下,人工智能工程的细胞比人类制造的细胞小。这一突破有助于提高设计的整体性能,并降低芯片尺寸和功耗要求。

  工艺技术正在迅速接近我们可以用硅做什么的理论极限。同时,生产成本随着每个节点的转换而上升。因此,在设计阶段的任何轻微改进都可以带来更好的良率,特别是如果它减小了芯片尺寸。英伟达将制造业务外包给三星和台积电等公司。然而,Dally表示,NVCell允许该公司使用两个GPU在几天内完成一个由十名工程师组成的团队的工作,让他们将注意力集中在其他领域。

  英伟达并不是唯一一个在设计芯片方面走AI路线的人。谷歌还在使用机器学习来开发用于AI任务的加速器。这家搜索巨头发现,人工智能可以设计出意想不到的方法来优化性能和能效布局。三星的代工部门使用一种名为 DSO.ai 的Synopsys工具,其他大大小小的公司正在逐渐采用这种工具。

  超过50%的芯片都是在成熟的工艺节点上设计的。国际数据公司(International Data Corporation)分析师预计,到2025年,这一比例将增至68%。Synopsys首席执行官Aart de Geus认为,人工智能可以帮助公司设计出性能不是重中之重的更小、更节能的芯片,比如汽车、家用电器和一些工业设备。此方法比迁移到更高级的进程节点便宜得多。此外,在每个晶圆上安装更多芯片也可以节省成本。

  同样值得注意的是,代工厂还可以利用成熟工艺节点(12纳米及更大)上的AI制造芯片来解决制造能力不足的问题,大多数制造商都不愿意在这一领域进行投资,因为半导体领域竞争激烈,专注于前沿。

  这个故事并不是关于人工智能在芯片设计过程中取代人类。英伟达、谷歌(Google)、三星(Samsung)和其他公司发现,人工智能可以增强人类的能力,并完成日益复杂的设计所带来的繁重工作。人类仍然需要找到理想的问题来解决,并决定哪些数据有助于验证他们的芯片设计。

  关于通用人工智能以及我们何时能够创造它,存在很多争论。尽管如此,所有专家都认为,我们今天使用的人工智能模型几乎无法处理我们所知道和可以描述的特定问题。即便如此,它们也可能产生意想不到的结果,这些结果对最终目标不一定有用。