內置AI的芯片設計是怎樣的

在不到十年的時間里，根據麥肯錫的預測，人工智能(AI)已從對象牙塔學者的迷戀變成了成功的商業失敗，到2030年可能為全球經濟增加約13萬億美元。AI而不是1950年代末最初概念化之時起步的一個原因是，由于芯片設計的穩步發展，使得可以負擔得起的計算能力成為可能。

但是，盡管已出現了所有技術進步，但更小巧，功能更強大的集成電路(IC)的出現，設計芯片本身仍然是一項耗時且費力的工作。盡管自1980年代起就可以使用自動設計晶體管的電子設計自動化(EDA)軟件，但是在很大程度上還是一個反復試驗的過程中，仍然需要經驗豐富的人類工程師的投入，并需要EDA工具來查找優化的最佳位置。

“更具體地說，在常規設計過程中需要手動進行大量的仿真和驗證。如果不滿足任何設計周期的規范，設計人員就必須重新設計并通過仿真再次驗證性能，” Salahuddin Raju解釋說。 A * STAR微電子研究所(IME)的科學家。

“許多EDA公司加入了AI潮流，在不同的設計工具中提供了特定的AI功能。但是，他們的方法不夠靈活，無法包含各種芯片設計公司的設計風格，并且無法與設計人員緊密結合在一起學習。此外， AI輔助的EDA工具的價格很高，這迫使客戶不得不與特定的EDA供應商簽訂合同，并增加了芯片設計的成本，” IME IME首席研究工程師Rahul Dutta解釋說。

但是，如果可以使用AI來設計芯片，而不管底層的EDA工具和設計如何呢?來自IME和信息通信研究所(I²R)的A * STAR研究人員組成的一個良性循環現已開發出一種機器學習框架，該框架與EDA工具協同工作，以捕獲經驗豐富的芯片設計者的經驗，并使用它來降低設計新芯片的成本，同時探索新??的設計空間。

令人難以置信的收縮芯片

在過去的五十年中，根據摩爾定律，芯片變得越來越小，功能也越來越強大。例如，在2000年代中期從180納米工藝發展到90納米，有效地使芯片制造商將同一芯片上的晶體管數量壓縮了一倍。較小的芯片意味著更短的距離在芯片內移動，從而提高了速度，而縮小的晶體管尺寸意味著減少了能耗。這兩個因素加在一起使芯片變得更便宜。