用生产式AI加速芯片设计，将会成为半导体行业基操。

在过去的⼀年⾥，算力巨头英伟达、芯⽚设计公司Synopsys、Cadence Design Systems，以及学术界开发人员都进行了诸多的尝试。

它们分别开发出一款AI工具——

旨在通过⾃动编写硬件代码和验证代码，加快⼯程师的⼯作速度，并通过总结笔记和状态更新来帮助⼤型设计团队协同⼯作。

让AI参与芯片设计，全都是因2023年⼈⼯智能热潮掀起，专用AI芯片的供应一直处于紧张状态。

与此同时，摩尔定律（即芯⽚中的晶体管数量⼤约每两年翻⼀番）的预言终结，也促使许多公司开始探索全新的芯⽚架构，以⽣产更多专⽤芯⽚。

专家表⽰，美国没有⾜够的⼯程师能够为AI以及⾃动驾驶汽车和⽆⼈机等特定应⽤设计这些先进的芯⽚，而当前这些应⽤的需求都在不断增长。

英伟达ChipNeMo，专供AI芯设计

英伟达应⽤深度学习研究的副总裁Bryan Catanzaro表示，

由于GPU能够同时处理成千上万的任务，因此需要近千⼈来制造，⽽且每个⼈都必须了解设计的各个部分是如何协同⼯作的，同时还要不断改进。

对此，英伟达团队开发了一种全新定制化大模型ChipNeMo，能够执行诸如回答有关GPU架构的问题，或⽣成芯⽚设计语⾔代码等任务。

研究人员在开源Llama 2模型的基础上，对这款AI系统进行了训练。

与此同时，该AI系统也是为了与Synopsys等现有设计⾃动化⼯具配合使⽤。

英伟达的内部⼯程师开始使⽤ChipNeMo一年以来，Catanzaro称，他们发现该系统在培训初级⼯程师、总结100个不同团队的笔记，状态更新⽅⾯⾮常有⽤。

谷歌、芯片设计AI公司上阵

对于⾕歌DeepMind，他们也开发了⼀套AI系统来改进逻辑合成。

这是芯⽚设计的⼀个阶段，包括将电路⾏为描述转化为实际电路。⾕歌表⽰，这些技术可能会被⽤于改进⾃⼰的定制⼈⼯智能芯⽚，即「张量处理单元」（TPU）。

另外，芯片设计公司Synopsys去年发布了一款AI工具——名为Synopsys.ai Copilot。

这是与微软合作通过OpenAI的⼤模型开发的工具，旨在帮助工程师们开展合作。

该公司表示，微软的内部硅团队正在使用该工具来支持其工程需求。

这款AI⼯具可以回答有关如何使⽤公司设计⼯具的问题，并能创建⼯作流程脚本。

它还可以生成RTL（一种芯片设计语言，用于规范芯片架构），只需用简单的英语进行对话即可。

学术界研究爆发

在学术界，也有诸多研究朝着这个方向开展。

包括纽约大学在内多所大学进行的研究，致力于发现确定生成式AI加速芯片设计的其他方法。

其中一些研究得到了Synopsys，以及芯片巨头⾼通等公司的资助。

QTcore-C1，⼀种由纽约⼤学研究⼈员通过与ChatGPT对话命名和设计的芯⽚

纽约⼤学坦登⼯程学院的⼀个团队通过与ChatGPT对话，在⼤约⼀个⽉的时间⾥设计出了⼀款芯⽚。

这项技术被称为「Chip Chat」，研究⼈员只需与ChatGPT对话， 就能⾃动编写描述芯⽚功能的芯⽚设计语⾔ Verilog。

纽约⼤学坦登⼯程学院电⽓与计算机⼯程研究所副教授Siddharth Garg表示，「通过使用与ChatGPT相关的AI系统，研究人员希望将硬件设计时间加速到⼀个⽉或更短的时间」。

通常来说，设计一款最复杂的微芯⽚，可能需要耗费长达半年，甚至更长的时间。

但这些AI工具并非，无所不能。

德克萨斯大学奥斯汀分校电气与计算机工程学教授David Pan说，目前，这些工具主要用于培训年轻的芯片设计师、编写硬件语言和报告错误等方面。

⽬前的⼯具还有其他局限性。

⼯程师必须仔细验证AI⽣成的输出结果， ⽽且⽬前还没有⼀种解决⽅案可以⾃动完成从设计到验证、实现设计的晶体管以及检查设计的电⽓特性等整个芯⽚设计流程。

Synopsys公司的Krishnamoorthy估计，利⽤⽣成式AI⾃主创建功能芯⽚的能⼒⼤约还需要5年时间。

参考资料：

https://www.businessinsider.com/nvidia-uses-ai-to-produce-its-ai-chips-faster-2024-2

https://www.wsj.com/articles/designing-chips-is-getting-harder-these-engineers-say-chatbots-and-ai-can-help-092b4c49

文章来自微信公众号 “ 新智元 ”