雖然近年來各大EDA公司都在積極的將AI引入到自己的芯片設(shè)計(jì)工具當(dāng)中。但是早在2020年，谷歌就發(fā)布了題為《Chip Placement with Deep Reinforcement Learning》預(yù)印本論文，介紹了其設(shè)計(jì)芯片布局的新型強(qiáng)化學(xué)習(xí)方法。隨后在2021年，谷歌又在 Nature上發(fā)表了論文并將其開源了。

近日，谷歌詳細(xì)介紹了其用于芯片設(shè)計(jì)布局的強(qiáng)化學(xué)習(xí)方法，并將該模型命名為“AlphaChip” ，據(jù)稱AlphaChip有望大大加快芯片布局規(guī)劃的設(shè)計(jì)，并使它們?cè)谛阅?、功耗和面積方面更加優(yōu)化。目前AlphaChip已發(fā)布在Github上與公眾共享，同時(shí)谷歌還開放了一個(gè)在 20 個(gè) TPU 模塊上預(yù)訓(xùn)練的檢查點(diǎn)。據(jù)介紹，AlphaChip在設(shè)計(jì)谷歌的張量處理單元 （TPU） 方面發(fā)揮了重要作用，并已被包括聯(lián)發(fā)科（MediaTek）在內(nèi)的其他公司采用。

谷歌首席科學(xué)家 Jeff Dean 表示，開放預(yù)訓(xùn)練 AlphaChip 模型檢查點(diǎn)以后，外部用戶可以更容易地使用 AlphaChip 來啟動(dòng)自己的芯片設(shè)計(jì)。

從數(shù)個(gè)月縮短至數(shù)小時(shí)

通常芯片設(shè)計(jì)布局或平面圖是芯片開發(fā)中時(shí)間最長(zhǎng)、勞動(dòng)強(qiáng)度最高的階段。近年來，新思科技（Synopsys）開發(fā)了 AI 輔助芯片設(shè)計(jì)工具，可以加速開發(fā)并優(yōu)化芯片的布局規(guī)劃。但是，這些工具非常昂貴。谷歌希望在一定程度上使這種 AI 輔助芯片設(shè)計(jì)方法大眾化。

如今，如果由人類來為 GPU 等復(fù)雜芯片設(shè)計(jì)平面圖大約需要 24 個(gè)月。不太復(fù)雜的芯片的平面規(guī)劃可能也至少需要幾個(gè)月的時(shí)間，而這意味著數(shù)百萬美元的成本，因?yàn)榫S持一個(gè)設(shè)計(jì)團(tuán)隊(duì)通常需要一大筆費(fèi)用。

谷歌表示，AlphaChip 加快了這一時(shí)間表，可以在短短幾個(gè)小時(shí)內(nèi)創(chuàng)建芯片布局。此外，據(jù)說它的設(shè)計(jì)非常出色，因?yàn)樗鼈儍?yōu)化了電源效率和性能。谷歌還展示了一張圖表，顯示與人類開發(fā)人員相比，各種版本的 TPU 和 Trillium 的平均線長(zhǎng)（wirelength）都有所減少。

△圖中展示了 AlphaChip 在三代 Google 張量處理單元 (TPU) 中的平均線長(zhǎng)（wirelength）減少量，并與 TPU 物理設(shè)計(jì)團(tuán)隊(duì)生成的位置進(jìn)行了比較。

AlphaChip 是如何工作的？

芯片設(shè)計(jì)并非易事，部分原因在于計(jì)算機(jī)芯片由許多相互連接的塊組成，這些塊具有多層電路元件，所有元件都通過極細(xì)的導(dǎo)線連接。此外，芯片還有很多復(fù)雜且相互交織的設(shè)計(jì)約束，設(shè)計(jì)時(shí)必須同時(shí)滿足所有約束。由于這些復(fù)雜性，芯片設(shè)計(jì)師們?cè)?60 多年來一直在努力實(shí)現(xiàn)芯片布局規(guī)劃過程的自動(dòng)化。

與 AlphaGo 和 AlphaZero 類似，谷歌構(gòu)建時(shí) AlphaChip，也將芯片的布局規(guī)劃視為一種博弈。

AlphaChip 從空白網(wǎng)格開始，一次放置一個(gè)電路元件，直到完成所有元件的放置。然后根據(jù)最終布局的質(zhì)量給予獎(jiǎng)勵(lì)。谷歌提出了一種新穎的「基于邊」的圖神經(jīng)網(wǎng)絡(luò)使 AlphaChip 能夠?qū)W習(xí)互連芯片元件之間的關(guān)系，并在整個(gè)芯片中進(jìn)行推廣，讓 AlphaChip 在其設(shè)計(jì)的每一個(gè)布局中不斷進(jìn)步。

△左圖： AlphaChip 在沒有任何經(jīng)驗(yàn)的情況下放置開源處理器 Ariane RISC-V CPU的電路元件；右圖： AlphaChip 在對(duì) 20 個(gè) TPU 相關(guān)設(shè)計(jì)進(jìn)行練習(xí)后放置相同的電路元件。

AlphaChip 還使用強(qiáng)化學(xué)習(xí)模型，其中代理在預(yù)設(shè)環(huán)境中采取行動(dòng)，觀察結(jié)果，并從這些經(jīng)驗(yàn)中學(xué)習(xí)，以便在未來做出更好的選擇。在 AlphaChip 的情況下，系統(tǒng)將 chip floorplanning 視為一種游戲，一次將一個(gè) circuit 元件放置在空白網(wǎng)格上。該系統(tǒng)隨著解決更多布局而改進(jìn)，使用圖形神經(jīng)網(wǎng)絡(luò)來理解組件之間的關(guān)系。

谷歌TPU及聯(lián)發(fā)科天璣芯片設(shè)計(jì)均已采用

自 2020 年以來，AlphaChip 一直被用于設(shè)計(jì)谷歌自己的 TPU AI 加速器，這些加速器驅(qū)動(dòng)著谷歌的許多大規(guī)模 AI 模型和云服務(wù)。這些處理器運(yùn)行基于 Transformer 的模型，為谷歌的 Gemini 和 Imagen 提供支持。

為了設(shè)計(jì) TPU 布局，AlphaChip 首先在前幾代的各種芯片塊上進(jìn)行練習(xí)，例如片上和芯片間網(wǎng)絡(luò)塊、內(nèi)存控制器和數(shù)據(jù)傳輸緩沖區(qū)。這個(gè)過程稱為預(yù)訓(xùn)練。然后谷歌在當(dāng)前的 TPU 塊上運(yùn)行 AlphaChip 以生成高質(zhì)量的布局。與之前的方法不同，AlphaChip 解決了更多芯片布局任務(wù)實(shí)例，因此變得更好、更快，就像人類專家所做的那樣。

可以說AlphaChip 改進(jìn)了每一代 TPU 的設(shè)計(jì)，包括最新的第 6 代 Trillium 芯片，確保了更高的性能和更快的開發(fā)。盡管如此，谷歌和聯(lián)發(fā)科目前仍都只是依賴 AlphaChip 來制作芯片當(dāng)中有限的一些區(qū)塊，而人類開發(fā)人員仍然承擔(dān)了大部分的設(shè)計(jì)工作。

△谷歌最近三代張量處理單元 (TPU)（包括 v5e、v5p 和 Trillium）中 AlphaChip 設(shè)計(jì)的芯片塊的數(shù)量

到目前為止，AlphaChip 已被用于開發(fā)各種處理器，包括谷歌的 TPU 和聯(lián)發(fā)科旗艦級(jí)天璣 5G SoC芯片，這些處理器廣泛用于各種智能手機(jī)。此外，還包括谷歌首款基于 Arm 的通用數(shù)據(jù)中心 CPU—— Axion。因此，AlphaChip 能夠在不同類型的處理器中進(jìn)行泛化。

谷歌表示，它已經(jīng)在各種芯片模塊上進(jìn)行了預(yù)訓(xùn)練，這使得 AlphaChip 能夠在實(shí)踐更多設(shè)計(jì)時(shí)生成越來越高效的布局。雖然人類專家可以學(xué)習(xí)，而且許多人學(xué)得很快，但機(jī)器的學(xué)習(xí)速度要高出幾個(gè)數(shù)量級(jí)。

擴(kuò)展AI在芯片開發(fā)中的應(yīng)用

谷歌表示，AlphaChip 的成功激發(fā)了一波新的研究浪潮，將人工智能用于芯片設(shè)計(jì)的不同階段。這包括將AI技術(shù)擴(kuò)展到邏輯綜合、宏選擇和時(shí)序優(yōu)化等領(lǐng)域，Synopsys和Cadence已經(jīng)提供了這些技術(shù)，盡管需要很多錢。據(jù)谷歌稱，研究人員還在探索如何將 AlphaChip 的方法應(yīng)用于芯片開發(fā)的更進(jìn)一步階段。

“AlphaChip 激發(fā)了芯片設(shè)計(jì)強(qiáng)化學(xué)習(xí)的全新研究路線，跨越了從邏輯綜合到布局規(guī)劃、時(shí)序優(yōu)化等的設(shè)計(jì)流程，”谷歌的一份聲明中寫道。

展望未來，谷歌看到了 AlphaChip 徹底改變整個(gè)芯片設(shè)計(jì)生命周期的潛力：從架構(gòu)設(shè)計(jì)到布局再到制造，人工智能驅(qū)動(dòng)的優(yōu)化可能會(huì)帶來更快的芯片、更?。锤阋耍┖透?jié)能的芯片。雖然目前谷歌的服務(wù)器和基于聯(lián)發(fā)科天璣 5G 的智能手機(jī)受益于 AlphaChip，但未來應(yīng)用程序可能會(huì)擴(kuò)展到幾乎所有領(lǐng)域。

目前AlphaChip 的未來版本已經(jīng)在開發(fā)中，因此或許未來在AI的驅(qū)動(dòng)下，芯片設(shè)計(jì)將會(huì)變得更加的簡(jiǎn)單。