Google AlphaChip改变了计算机芯片设计

  每周跟踪AI热点新闻动向和震撼发展 想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！ 订阅：https://rengongzhineng.io/

谷歌的AI方法大大加速并优化了芯片设计，超越人类水平的芯片布局已在全球硬件中广泛应用。早在2020年，谷歌发布了一篇预印本，介绍了一种新颖的强化学习方法，用于设计芯片布局，随后发表在《自然》期刊，并开放了源代码。

如今，谷歌又发布了《自然》的补充说明，进一步阐述了这一方法及其对芯片设计领域的影响。同时，谷歌还发布了一个预训练的模型检查点，公开了模型权重，并宣布其名称为“AlphaChip”。

计算机芯片推动了人工智能（AI）的显著进展，而AlphaChip则反过来利用AI加速并优化了芯片设计。这一方法已用于设计过去三代谷歌定制AI加速器——张量处理单元（TPU）的超越人类水平的芯片布局。

AlphaChip是首批用于解决现实工程问题的强化学习方法之一。它能够在几小时内生成超越或相当于人类设计的芯片布局，而人类可能需要几周甚至几个月的时间完成类似的工作。这些布局已被全球各类芯片广泛采用，从数据中心到手机无所不包。

AlphaChip如何运作

设计芯片布局并非易事，芯片由多个相互连接的模块组成，层层电路组件通过极其纤细的电线连接。同时，还有许多复杂的设计约束需要同时满足。正因为如此，芯片设计师们已经为芯片布局自动化奋斗了超过60年。

与AlphaGo和AlphaZero学习围棋、国际象棋和将棋的方式类似，AlphaChip将芯片布局视为一种“游戏”来处理。从一个空白的网格开始，AlphaChip逐个放置电路组件，直到完成所有组件的布局。根据最终布局的质量，它会获得相应的奖励。一个创新的“基于边缘”的图神经网络帮助AlphaChip理解芯片组件之间的关系，并能在不同芯片之间泛化，随着设计的增加不断提升表现。

AlphaChip自2020年发表以来，已经为每一代谷歌的TPU生成了超越人类水平的芯片布局。这些芯片使得谷歌基于Transformer架构的大规模AI模型得以大幅扩展。TPU是谷歌强大生成式AI系统的核心，包括大型语言模型Gemini、图像生成器Imagen和视频生成器Veo等。谷歌的AI加速器还为外部用户通过Google Cloud提供服务。

为了设计TPU布局，AlphaChip会先对前几代芯片模块进行训练，包括片上网络、芯片间网络、内存控制器和数据传输缓冲区等模块。这个过程称为预训练。然后，AlphaChip会在当前的TPU模块上运行，以生成高质量的布局。与以往方法不同，AlphaChip随着处理更多芯片布局任务，变得越来越快、越来越好，类似于人类专家的进步。

随着每一代TPU的发布，包括最新的第六代Trillium，AlphaChip设计的芯片布局逐步提升，显著加快了设计周期，并带来了更高性能的芯片。

AlphaChip的广泛影响

AlphaChip的影响不仅限于谷歌内部，它的应用已扩展到研究界和芯片设计行业。除了专门的AI加速器TPU，AlphaChip还为Alphabet其他芯片生成了布局，比如谷歌的Axion处理器，这是谷歌首款基于Arm架构的数据中心通用CPU。

外部组织也在采用和扩展AlphaChip。全球领先的芯片设计公司联发科（MediaTek）就是其中之一，它利用AlphaChip加速了最先进芯片的开发，如用于三星手机的Dimensity旗舰5G芯片，同时在功耗、性能和芯片面积上取得了改进。

AlphaChip引发了芯片设计领域一系列基于AI的新研究，并被扩展到芯片设计的其他关键阶段，如逻辑综合和宏块选择等。

打造未来的芯片

谷歌相信，AlphaChip有潜力优化芯片设计的每个阶段，从计算机架构到制造工艺。它将彻底改变日常设备中的定制硬件芯片设计，包括智能手机、医疗设备和农业传感器等。

AlphaChip的未来版本正在开发中，谷歌期待与社区携手，继续推动这一领域的革命，迎接一个芯片更快、更便宜、更节能的未来。