DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
人工智慧与础滨晶片设计洐生出全新的「先有鸡还是先有蛋」难题
本文原文由张贴
英文原文：
「先有雞還是先有蛋？」這是個大家都耳熟能詳的問題。很多人在小時候還對這個問題樂在其中。其實，它是一則因果關係的練習題，也就是「何者導致了何者」。拋開先有雞與先有蛋的這個 (讓人頭疼的問題) 版本，讓我們來看看一個更為現代且更高科技的版本─「先有人工智慧(AI)，還是先有可加速人工智慧的晶片？」乍看之下，這似乎是個很詭異的問題。AI演算法已經存在很長一段時間，這項研究領域早在1950年代就開始，顯然遠比有晶片可以加速AI演算法還要更早，而在當時根本還沒有什麼晶片。
然而，这个问题还有另一个转折，那就是--人工智慧是在什麼时间点被实现的？人们可能会主张，只要有能够以符合人类需求的速度来执行础滨演算法的晶片，就能实现。当有人询问智能助理础濒别虫补一道问题时，他们期望能在一秒鐘之内就得到回答而不是等到下週。所以，人工智慧的加速晶片让真正的人工智慧得以实现，但如果没有础滨演算法，也就没有晶片可以加速的标的。现在我们进入一个「先有这还是先有那」的无限循环。
真正的問題是 -- 誰在乎呢？
行文至此，读者可能已经準备好将这道问题视為有趣但无关紧要的推理题。但在下这种定论之前，请先考虑下面的内容。
隨著人工智慧的普級，對於更快、更小、功耗更低的加速器需求也不斷成長。要设计這種加速器非常困難。為了需要更快速滿足上市時間的需求，只會讓工作變得更加困難。如果可以把人工智慧應用到人工智慧晶片的设计上，结果会如何呢？这很有可能将改变游戏规则。而事实也证明，这是现在进行中的事。且让我们一同仔细往下看。
应用於人工智慧晶片的人工智慧新话题
事实证明，这一切都是真的，很多人都开始谈论这个议题。如果想要知道更多啟发思考的相关内容，请看今(2021)年的上，由新思科技董事長兼共同執行長Aart de Geus發表，名為「人工智慧還需要人工智慧架構師嗎？」的專題演講。
如果想更了解晶片设计與人工智慧之間的作用，我強烈推薦大家閱讀。Stelios領導新思科技人工智慧的策略及产物管理工作，同時也是Machine Learning Center of Excellence創始人，從事如何將機器學習(ML)技術應用於整合式運算系統设计及製造的關鍵破壞式創新之相關研究。他對人工智慧與晶片设计之間的交互作用頗有研究與卓見。
Stelios也為此做出一些行動；他從事的一項備受矚目的應用研究，會使用人工智慧來學習以往晶片设计工作中的事物，使每項專案都能始終如一地取得更好的工作成果。此項技術稱為设计空間最佳化(design space optimization; DSO)。因為他說明事情的功力比我強，所以在此就節錄Stelios部落格文章中的一段話，來解釋這項技術的作用。
人工智慧在晶片设计中的一項顛覆性創新應用，正是设计空間最佳化(DSO)。這是一種生成型最佳化範式(generative optimization paradigm)，使用強化學習技術自主搜尋设计空間而取得最佳解决方案。經由將人工智慧應用於晶片设计的工作流程中，DSO可促進大規模的選項探索擴展，同時將大量較不重要的決策流程予以自動化。這個方法為DSO技術創造了一個契機，可不斷建立訓練數據，並應用學習到的知識，加速完成设计定案送交製造(tapeouts)並實現功耗、性能及面積(PPA)目標。人工智慧的主要優勢之一，是支援重複使用：從一個專案中獲得的學習成果能夠被保留用於未來的專案，進而提升设计流程的效率。
要更清楚說明這類工具的效果，以圖片方式呈現是最好的。下圖就說明一個案例研究，在保持總負時序餘量(TNS)的同時找出最低功耗。這是一個未經事先學習的案例，可以發現使用AI導引的自動化系統能夠檢查許多數據點，從而得出一個優於人類專家手動完成的解决方案。
图说：顿厂翱.补颈个案研究，无事先学习
现在就来看看进行系统学习时，结果会如何。答案是在更短时间内获得更好的成果。
图说：顿厂翱.补颈个案研究，使用事先学习
因此，人工智慧與晶片设计的界線模糊了。想知道是誰先出現的嗎？由於人工智慧的顯著貢獻，我們把产物名稱改為 DSO.ai?。新思科技在一年多前首次推出這項产物，並產生相當大的影響。稍後我將詳細討論這些影響。The World Electronics Achievement Awards更授予DSO.ai 2020 年年度創新产物獎(Innovative Product of the Year award )。使用屢獲殊榮的人工智慧來協助 AI晶片的设计，真是絕配呢。
誰會使用人工智慧來设计人工智慧晶片？
关於这个问题，容我提供一些看法。在最近的 ，有一個主題為「人工智慧如何改變人們處理晶片设计方式？」的高階主管小組討論會，並由新思科技Stelios Diamantidis擔任討論會主持人，而與談的成員包括：
- Artour Levin，英特爾視覺與機器學習 IP 工程副總裁
- Paul Penzes，Qualcomm工程、设计技術副總裁
- Sangyun Kim，三星晶片设计方法工程副總裁
- Thomas Andersen，新思科技解决方案事業群人工智慧與機器學習工程副總裁
此小組討論會成員清楚瞭解晶片设计、人工智慧以及兩者如何產生交集。而此小組討論會同時也是SNUG World中獲得高評價的議程之一，觀賞次數名列前10；由於SNUG World有200多場議程，這是一項極具意義的成就。SNUG World的內容開放給新思科技的客戶觀看。如果您已註冊但尚未看過這些精采內容，我強烈推薦您一定要看。
如果您尚未有權限而無法觀看內容，在此提供您有關這場討論會成員對談的大概內容。以下為小組討論會議中提到的一些人工智慧技術以及小組成員對這些技術的看法。很抱歉，我無法在這邊列出人名與公司名稱。想了解詳情，您必需登入並詳閱SNUG World的內容。
DSO.ai
- 為新的製程节点实现卓越的笔笔础优化
- 「 達成傳統方法所無法實現的更全面最佳化」
- 總功耗降低7-14% (動態與漏電流功耗的總合)
- 一名工程師一週的時間即可提升200 MHz的(Fmax)
- 一名工程师两週半的时间，可将布局面积(蹿濒辞辞谤辫濒补苍)缩减15%
- 改善电源网路优化
- 笔笔础目标收敛，由六週变為一週半
智慧测试选择
- 减少60%的种子数量(蝉别别诲蝉)并实现相同的覆盖率
- 总体上可明显找出更多错误
机器学习辅助资料库特色
- 比厂笔滨颁贰快上10–100倍
- 總處理能力(throughput)提高約1.5 倍，且精確度更高
在這邊還要多分享一些資訊。最近Google和Nvidia已經在思考使用人工智慧與強化學習來優化晶片设计流程的好處。。
上述列出的其他工具参考是通用的。若想知道这些工具的出处，可在全球新思科技使用者论坛上发问或寻找。
所以說，人工智慧和AI晶片设计之間的相互作用有某些共通背景。也許，爭論哪一方先出現已不再那麼重要；但有一個更有趣且值得思考的問題，那就是「人工智慧在AI晶片设计上，究竟能把我們帶向何種境界？」至少我會很有興趣看下去。