江苏龙网

  1. 首页 > 资讯 > 科技 > >

「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计


“让天下没有难做的芯片” 。
过去两年来 ， 随着专用芯片的壮大 ， 芯片开发基础设施的变革浪潮也拉开序幕 ， 例如在国内去年阿里平头哥发布的无剑 SOC 平台 ， 希望能够借助新兴技术来降低芯片开发的门槛 ， 以促进 AI 硬件的更新速度 ， 追赶日新月异的市场 。
而在国外 ， 拉动世界技术革新的美国互联网巨头 “GAFA（谷歌、苹果、Facebook、亚马逊）” 们 ， 是否也有相应布局？
至少 ， 最近谷歌在这方面又有了新的进展 ， 且称得上野心勃勃 。
「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图｜谷歌大楼（来源：JHVEPHOTO）
在今年 3 月举办的全球芯片设计领域顶会 ISSCC 上 ， 计算机科学领域的传奇人物、谷歌 TPU 之父 Jeff Dean 的演讲 ， 就透露出团队正在尝试的新方向：利用 AI 算法设计芯片 。
演讲中 ， 他一边高度肯定了高性能计算芯片是人工智能的基础设施 ， 没有算力发展就难以发挥 AI 模型的更多价值 ， 一边给出了 AI 算法“反哺”芯片设计的例子 ， 特别是使用深度强化学习的方法来进行芯片的布局优化（Placement Optimization） 。
亮相芯片设计顶会 ， 谷歌 AI 的牛刀小试
提到谷歌的芯片事业 ， 相信许多人的第一印象是它为深度学习框架 TensorFlow 专门开发的云端芯片 TPU 。 这款产品因在举世瞩目的 AlphaGo 对战李世石、柯洁的围棋大战之中发挥重要作用而一炮走红 。
TPU 为机器学习算法定制而生 ， 是一款典型的专用芯片 。 相较于能够处理各种任务的通用芯片 ， 专用芯片处理的任务有限 ， 但仅凭比通用芯片优越的能耗比 ， 就足够让一些公司趋之如骛 。 这也是越来越多致力于开发专用芯片的造芯新势力涌现的原因之一 。
特别对于自身就有庞大数据中心应用场景的互联网巨头而言 ， 除了从英特尔或英伟达采购通用处理器 ， 自主开发芯片的驱动力随着AI算法吞噬算力的加剧而日益增强 ， 谷歌就是一个典型代表 。
而近期的种种公开迹象显示 ， 这家公司在芯片领域的野心还不止 TPU 这么一条故事线 。
谷歌团队开发的通用型棋类游戏 AI 的 AlphaZero 背后的关键技术——深度强化学习——正在用于芯片设计 。
「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图｜搭载 TPU 的服务器（来源：谷歌）
与时下流行的深度学习不同 ， 强化学习系统不会使用大量标记的数据进行训练 。 相反 ， 强化学习系统会边做边学 ， 并在成功时根据有效信号调整网络中的参数 。 一些 AI 专家认为 ， 强化学习将是实现人类或超人类的通用人工智能的最可行方法 。
但是强化学习用在芯片设计上 ， 又与用在下棋上有着很大区别 。 首先一点在于 ， 下棋是为了战胜人类对手 ， 仅此独立目标 。 但用来设计芯片 ， AI 应该考虑的是如何找到更好的设计方案 ， 需要同时满足多个目标 ， 而非战胜某个人类 。 另外 ， 芯片设计的系统性工程属性也会更强 。
以芯片布局为例 ， 这项任务之所以复杂且耗时 ， 是因为该过程涉及到逻辑和内存模块 ， 或者集群设置要兼顾功耗、性能、面积等 ， 与此同时还需要遵守布线密度、互连的原则 。
「DeepTech深科技」谷歌又一野心浮现：用AI“反哺”芯片设计
本文插图

图丨谷歌展示的 TPU 设计算法对比人类结果（来源：谷歌）
在这种情况下 ， 将芯片布局建模为强化学习问题 ， 强化学习系统的目标是降低功率、改善性能和减少面积 。 为了找到满足多个目标的最佳芯片布局 ， AI 算法将需要考虑许多变量 ， 包括满足一定的芯片性能 ， 同时还要避免不必要的复杂设计 ， 否则可能会增加芯片的制造成本 。 这种平衡是一项耗费芯片开发者智力资源的工作 。 但现在 ， 谷歌认为自己的 AI 已经做出了成绩 。


推荐阅读


上一篇：「喵小白是只好猫」时至今日，还有人在用ZUK Z2吗？

下一篇：「大爆炸科技」纯国产手机真的不远了!华为P40除了这三大芯片以外:几乎全国产化