世界人工智能大會在上海舉行。在芯片主題論壇上，中國工程院院士、鵬城實驗室主任高文發(fā)表了題為“人工智能與EDA技術的前瞻性發(fā)展”的演講。在高文看來，AI的應用將使芯片設計所需的時間由以月為單位縮短到以分鐘為單位；但要使AI發(fā)揮作用，獲取數(shù)據(jù)是最關鍵的環(huán)節(jié)。

從宏觀來看，人工智能與集成電路的作用是相互的。集成電路可以為AI訓練提供硬件平臺?，F(xiàn)階段，包括英偉達、華為、谷歌在內的芯片設計企業(yè)均推出了自己的GPU或NPU，作為人工智能訓練和推理的硬件平臺。同時，在集成電路行業(yè)進行芯片設計的過程中， AI也可發(fā)揮關鍵作用。AI應用于芯片設計，不僅將幫助芯片設計企業(yè)提高設計效率，甚至將會為芯片設計帶來革命性的改變。

第一，AI將大幅縮短芯片設計所需時間，降低芯片設計公司的人工成本。芯片設計是一個需要不斷優(yōu)化的過程。制造、封裝完成的產(chǎn)品，有時候不會與工程師芯片設計過程中的預想完全一致，會存在一定的偏差，需要依照設計目標對設計過程和結果進行優(yōu)化。在掩膜、布線等芯片制造等環(huán)節(jié)，也存在需要迭代優(yōu)化的空間。AI的作用，便在于通過深度學習，對芯片設計、制造全流程進行優(yōu)化。

高文舉了一個AI與工程師按照同樣的標準設計芯片的對比案例。從設計結果來看，工程師設計的芯片尺寸為133μm×254μm,AI設計的芯片面積更小,為130μm×250μm。僅從外觀來看，二者差別不大，但二者在設計速度差了好幾個量級，工程師設計的芯片以月為單位，但AI軟件設計則是以分鐘為單位。

第二，應用AI將有效滿足市場對集成電路復雜程度的需求。曾有學者稱，當前集成電路復雜程度將呈指數(shù)級上升。要完全靠人工支持集成電路的發(fā)展是難以實現(xiàn)也不可持續(xù)的。要實現(xiàn)這一目標，AI是必選項。若能夠將AI引入芯片編譯器，則原本需要依靠人工優(yōu)化布線、布局等工作就可以交給計算機完成。更重要的是，計算機可實現(xiàn)24小時連續(xù)工作。由此，耗時量高、人力投入最大的工作便可以采用人工智能進行替代。

高文認為，利用人工智能尋找最優(yōu)布線方案是最理想的。由于該解決方案沒有最優(yōu)解，只有次優(yōu)解，而且解決方案多種多樣，想將解決方案窮舉將耗費大量人工勞動時間。而人工智能則能夠在相對短的時間內將可能存在的所有的布線方案都窮舉出來。在人工智能完成工作后，工程師需要做的，僅僅是在窮舉的結果中挑選一個效果最好的方案即可。

然而，要將AI用于芯片設計，高文認為還有數(shù)據(jù)來源的問題待解決。隨著時間推移，采用傳統(tǒng)機器學習方法解決的問題將逐漸轉向利用深度神經(jīng)網(wǎng)絡解決。而要采用深度神經(jīng)網(wǎng)絡技術，數(shù)據(jù)來源最關鍵。高文認為，獲取數(shù)據(jù)是采用深度神經(jīng)網(wǎng)絡過程中最難的環(huán)節(jié)。相比于人臉識別等功能，集成電路布線的AI學習缺少數(shù)據(jù)支撐。當前，獲取數(shù)據(jù)有幾個渠道，一是通過開源的項目獲得；二是采用過往積累的數(shù)據(jù)。

這兩種來源的數(shù)據(jù)各自存在局限性。其一，通過開源項目獲得的數(shù)據(jù)量有限；二是企業(yè)自行積累的數(shù)據(jù)多適用于某一種產(chǎn)品，存在與某特定領域，當離開了該領域，數(shù)據(jù)便不一定具有可參考性。高文表示，要使數(shù)據(jù)跨領域生效，一定程度上可以采用遷移學習的方法實現(xiàn)，以此將既有的數(shù)據(jù)激活，但仍有大量數(shù)據(jù)無法通過該方式激活。

從理論上來說，通過小體量樣本進行學習找到規(guī)律能夠實現(xiàn)。但從實際操作的經(jīng)驗來看，近幾年，要想將AI系統(tǒng)激活，使之生效，仍需要大量的數(shù)據(jù)才可以?，F(xiàn)階段，部分海外公司已經(jīng)能夠實現(xiàn)將深度學習集成到其研發(fā)工具中；但國內的EDA公司在數(shù)字電路方面積累的數(shù)據(jù)較少，要將深度學習集成到芯片設計環(huán)節(jié)仍有難度。

至于AI在芯片設計領域的未來發(fā)展，高文認為，光子AI芯片將有望成為下一代計算的發(fā)展方向。要采用深度神經(jīng)網(wǎng)絡進行大規(guī)模AI計算，將給集成電路的耗電和芯片設計問題帶來挑戰(zhàn)。而若采用光子芯片，則可實現(xiàn)運算速度更快，成本更低。

編輯：黃飛

?