AlphaChip如何改变计算机芯片设计

2024年9月26日发布

这种AI方法加速并优化了芯片设计，其超人类水平的芯片布局已应用于全球硬件设备。2020年，某研究机构发布了一种新颖的强化学习方法用于设计芯片布局，后续在《自然》杂志发表并开源。

如今，该机构发布《自然》增刊，详细描述了该方法及其对芯片设计领域的影响。同时发布了预训练检查点，共享模型权重，并正式命名为AlphaChip。

计算机芯片推动了人工智能（AI）的显著进步，而AlphaChip通过使用AI加速和优化芯片设计来回馈这一领域。该方法已被用于设计某机构定制AI加速器（张量处理单元）最近三代产品的超人类芯片布局。

AlphaChip是首批用于解决实际工程问题的强化学习方法之一。它能在几小时内生成超人类或相当水平的芯片布局，而无需耗费数周或数月的人力。其设计的布局已应用于从数据中心到移动手机的全球各类芯片中。

AlphaChip的工作原理

设计芯片布局并非简单任务。计算机芯片由许多互连模块组成，包含多层电路组件，所有部件通过极其细微的导线连接。同时存在大量复杂且相互交织的设计约束需要同时满足。由于其极端复杂性，芯片设计人员六十多年来一直难以实现芯片布局规划过程的自动化。

与学会掌握围棋、国际象棋和将棋的AlphaGo和AlphaZero类似，AlphaChip将芯片布局规划视为一种游戏。从空白网格开始，AlphaChip逐个放置电路组件，直到所有组件放置完成。然后根据最终布局的质量获得奖励。新颖的"基于边缘"的图神经网络使AlphaChip能够学习互连芯片组件之间的关系，并在不同芯片间实现泛化，让AlphaChip随着每个设计的布局不断改进。

使用AI设计AI加速器芯片

自2020年发布以来，AlphaChip已为某机构的每一代TPU生成超人类芯片布局。这些芯片使得基于Transformer架构的AI模型能够大规模扩展。

TPU位于强大生成式AI系统的核心，从Gemini等大型语言模型到Imagen和Veo等图像和视频生成器。这些AI加速器也是某机构AI服务的核心，并通过云平台向外部用户提供。

为了设计TPU布局，AlphaChip首先在来自前几代的各种芯片模块上进行练习，包括片上和中片网络模块、内存控制器和数据传输缓冲区。这个过程称为预训练。然后在当前TPU模块上运行AlphaChip以生成高质量布局。与先前方法不同，AlphaChip在解决更多芯片布局任务实例时会变得更好更快，类似于人类专家的方式。

在包括最新Trillium（第六代）在内的每一代TPU中，AlphaChip都设计了更好的芯片布局，提供了更多的整体布局规划，加速了设计周期并产生了更高性能的芯片。

AlphaChip的广泛影响

AlphaChip的影响体现在其在整个科技生态系统、研究社区和芯片设计行业的应用。除了设计像TPU这样的专用AI加速器外，AlphaChip还为其他芯片生成了布局，如某机构的首款基于Arm的通用数据中心CPU。

外部组织也在采用和基于AlphaChip进行开发。例如，某顶级芯片设计公司扩展了AlphaChip以加速其最先进芯片的开发，同时改善功耗、性能和芯片面积。

AlphaChip引发了AI用于芯片设计的研究爆发，并已扩展到芯片设计的其他关键阶段，如逻辑综合和宏单元选择。

创造未来芯片

相信AlphaChip有潜力优化芯片设计周期的每个阶段，从计算机架构到制造——并改变日常设备中定制硬件的芯片设计，如智能手机、医疗设备、农业传感器等。

新版本的AlphaChip正在开发中，期待与社区合作继续革新这一领域，实现芯片更快、更便宜、更节能的未来。