目标 5 年内 AI 完全自主设计芯片，英伟达谷歌 NYU 齐上阵

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。

纽约大学坦登工程学院的⼀个团队通过与 ChatGPT 对话，在大学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。

得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

本文来自微信公众号：新智元 （ID：AI_era）