芯片設(shè)計(jì)中的人工智能未來(lái)會(huì)怎樣

很難想象人工智能不是硅芯片設(shè)計(jì)流程的一部分。由于智能現(xiàn)已集成到設(shè)計(jì)、驗(yàn)證、測(cè)試和其他關(guān)鍵階段，工程師正在體驗(yàn)生產(chǎn)力優(yōu)勢(shì)以及人類(lèi)在典型項(xiàng)目時(shí)間表下無(wú)法單獨(dú)完成的結(jié)果。

我們是怎么到這里來(lái)的？我們?cè)摵稳ズ螐模?/p>

這些只是 Synopsys AI 架構(gòu)師小組在今年圣克拉拉舉行的 SNUG 硅谷 2023 會(huì)議上思考的幾個(gè)問(wèn)題。該小組名為“人工智能設(shè)計(jì)業(yè)的興起——迄今為止的旅程和未來(lái)之路”，匯集了來(lái)自不同業(yè)務(wù)領(lǐng)域的專(zhuān)家，分享了迄今為止各自領(lǐng)域人工智能增強(qiáng)功能的概述，以及對(duì)接下來(lái)可能發(fā)生的事情的想法。Synopsys AI 戰(zhàn)略和系統(tǒng)團(tuán)隊(duì)的高級(jí)經(jīng)理兼 SNUG 硅谷 AI 賽道負(fù)責(zé)人 Geetha Rangarajan 分享說(shuō)，該小組的主要目標(biāo)是討論 AI 如何幫助我們重新思考系統(tǒng)設(shè)計(jì)多個(gè)領(lǐng)域的“難題”，并激勵(lì)與會(huì)者創(chuàng)造性地思考利用 AI 驅(qū)動(dòng)解決方案的可能性。請(qǐng)繼續(xù)閱讀，了解討論的亮點(diǎn)。

簡(jiǎn)化復(fù)雜的芯片設(shè)計(jì)工作流程

隨著時(shí)間的推移，人工智能簡(jiǎn)化了復(fù)雜的芯片設(shè)計(jì)工作流程，優(yōu)化了越來(lái)越大和復(fù)雜的搜索空間。事實(shí)上，Synopsys 等解決方案 DSO.ai? 使用強(qiáng)化學(xué)習(xí)來(lái)大規(guī)模擴(kuò)展設(shè)計(jì)工作流程選項(xiàng)的探索，從而縮短設(shè)計(jì)時(shí)間，同時(shí)增強(qiáng)功耗、性能和面積 （PPA）。

來(lái)自Synopsys AI戰(zhàn)略和系統(tǒng)團(tuán)隊(duì)的杰出架構(gòu)師Joe Walston提出了一個(gè)問(wèn)題：AI可以幫助工程師解決整個(gè)系統(tǒng)堆棧中的復(fù)雜問(wèn)題嗎？從計(jì)算設(shè)備到設(shè)備再到飛機(jī)，現(xiàn)代系統(tǒng)涵蓋了廣泛的應(yīng)用。系統(tǒng)堆棧包括可能從 AI 中受益的軟件和硬件（物理）組件。有工作負(fù)載驅(qū)動(dòng)的軟件，旨在處理與用戶、外部環(huán)境和系統(tǒng)內(nèi)其他組件的通信、數(shù)據(jù)處理和接口。然后是軟件驅(qū)動(dòng)的架構(gòu)：硬件子系統(tǒng)旨在提供軟件所需的內(nèi)容（無(wú)論是機(jī)械、光學(xué)、半導(dǎo)體、電源還是傳感器）。

系統(tǒng)堆棧的每一層都有許多相應(yīng)的問(wèn)題需要回答。例如，在半導(dǎo)體子系統(tǒng)中，最先進(jìn)的SoC包括多個(gè)處理器、復(fù)雜接口IP、數(shù)字/模擬邏輯、存儲(chǔ)器等。設(shè)計(jì)人員面臨著多種工作流程優(yōu)化挑戰(zhàn)，從微架構(gòu)選擇到平面圖優(yōu)化，再到物理設(shè)計(jì)、測(cè)試和制造方面的選擇。同樣，對(duì)于光學(xué)子系統(tǒng)，設(shè)計(jì)人員必須圍繞嵌入式電路、透鏡、探測(cè)器和光源做出決策。沃爾斯頓說(shuō)，人工智能可以幫助重復(fù)的勘探工作，使工程師能夠更快地實(shí)現(xiàn)目標(biāo)。

實(shí)現(xiàn)更快的驗(yàn)證周轉(zhuǎn)時(shí)間

該公司EDA集團(tuán)的Synopsys科學(xué)家Badri Gopalan提供了功能驗(yàn)證方面的觀點(diǎn)。作為背景，他指出，驗(yàn)證復(fù)雜性的增長(zhǎng)速度快于摩爾定律。在當(dāng)今的SoC中，有很多東西需要驗(yàn)證：所有的邏輯，跨多個(gè)維度（如性能和功耗）的所有組合。驗(yàn)證工程師如何發(fā)現(xiàn)更多錯(cuò)誤，而這些錯(cuò)誤恰好也更復(fù)雜？而且做得比以往任何時(shí)候都快？同時(shí)保持所需的結(jié)果質(zhì)量和結(jié)果成本？

正如Gopalan解釋的那樣，在RTL應(yīng)用傳統(tǒng)的驗(yàn)證解決方案通常會(huì)使工程師接近100%的覆蓋率。靜態(tài)驗(yàn)證可能會(huì)發(fā)現(xiàn)大約 10% 的錯(cuò)誤，盡管結(jié)果可能非常嘈雜，并且過(guò)程非常手動(dòng)和費(fèi)力。形式驗(yàn)證可以檢測(cè)到另外 20% 的錯(cuò)誤，模擬可能會(huì)發(fā)現(xiàn)另外 65% 的錯(cuò)誤。仿真還涉及大量的手動(dòng)工作，需要花費(fèi)大量時(shí)間來(lái)調(diào)整測(cè)試平臺(tái)的約束和編寫(xiě)手動(dòng)測(cè)試。

在 2023 年 SNUG 硅谷大會(huì)上宣布的全新 Synopsys VSO.ai AI 驅(qū)動(dòng)的驗(yàn)證解決方案，通過(guò)識(shí)別和消除回歸中的冗余、自動(dòng)化覆蓋根本原因分析以及從 RTL 和刺激中推斷覆蓋范圍，以確定覆蓋范圍差距并提供覆蓋范圍指導(dǎo)，幫助驗(yàn)證團(tuán)隊(duì)更快、更高質(zhì)量地實(shí)現(xiàn)收尾。

最大限度地減少測(cè)試模式數(shù)量，同時(shí)增加覆蓋范圍

半導(dǎo)體測(cè)試是另一個(gè)受益于人工智能的領(lǐng)域。在硅制造過(guò)程中，測(cè)試工程師必須驗(yàn)證設(shè)計(jì)是否無(wú)缺陷，并且將按預(yù)期工作。內(nèi)存內(nèi)置自檢 （BIST）、壓縮 IP 和邏輯測(cè)試結(jié)構(gòu)是可用于測(cè)試邏輯的解決方案。傳感器也發(fā)揮著重要作用。通常，收集的數(shù)據(jù)會(huì)被分析并循環(huán)回整個(gè)設(shè)計(jì)周期以進(jìn)行改進(jìn)。

每一步，都需要對(duì)要優(yōu)化的參數(shù)做出決策。目標(biāo)是使用盡可能少的測(cè)試模式進(jìn)行測(cè)試以管理成本，Synopsys硬件分析和測(cè)試工程副總裁Fadi Maamari解釋說(shuō)。在 2023 年硅谷 SNUG 大會(huì)上，新思科技宣布了一款使用 AI 優(yōu)化測(cè)試模式生成的新產(chǎn)品：新思科技 TSO.ai。TSO.ai 旨在 減少 所需 的 測(cè)試 模式 數(shù)量， 同時(shí) 增加 覆蓋 率 并 縮短 自動(dòng) 測(cè)試 模式 生成 （ATPG） 周轉(zhuǎn) 時(shí)間， 可 智能 地 自動(dòng) 執(zhí)行 ATPG 參數(shù) 調(diào)優(yōu)， 推動(dòng) 一致 的、 針對(duì) 特定 設(shè)計(jì) 的 結(jié)果 質(zhì)量 優(yōu)化， 并 顯著 降低 測(cè)試 成本。

通過(guò) AI 解鎖新機(jī)遇

人工智能目前只是觸及了電子設(shè)計(jì)領(lǐng)域可能產(chǎn)生的影響的表面。SNUG 硅谷 2023 的小組成員一致認(rèn)為，隨著自然語(yǔ)言模型的興起，例如 ChatGPT 等人工智能聊天機(jī)器人中的自然語(yǔ)言模型，以及人工智能提供的其他機(jī)會(huì)，現(xiàn)在是進(jìn)入該行業(yè)的激動(dòng)人心的時(shí)刻。在推進(jìn)自主設(shè)計(jì)、驗(yàn)證和測(cè)試方面還有更多工作要做，還有更多領(lǐng)域需要增強(qiáng)。強(qiáng)大的電子設(shè)計(jì)自動(dòng)化 （EDA） 技術(shù)與緊密集成的機(jī)器學(xué)習(xí)驅(qū)動(dòng)循環(huán)相結(jié)合，可以成為一股強(qiáng)大的力量，使工程師能夠完成比以往更多的工作。

“隨著轉(zhuǎn)向FinFET節(jié)點(diǎn)，新的問(wèn)題正在出現(xiàn)，”Synopsys Circuit Design&TCAD Solutions杰出架構(gòu)師Vuk Borich說(shuō)?！半m然芯片更密集、更小，而且數(shù)量更多，但有一些規(guī)律性、一些模式和一些適合人工智能的東西。因此，我們預(yù)見(jiàn)到會(huì)有大量的創(chuàng)新。

僅看模擬設(shè)計(jì)，就可以確定可以從智能注入中受益的領(lǐng)域。正如鮑里奇所強(qiáng)調(diào)的：

必須執(zhí)行數(shù)十億次蒙特卡羅模擬來(lái)評(píng)估過(guò)程可變性。有沒(méi)有辦法使用人工智能減少這些模擬的時(shí)間和成本？

提取寄生效應(yīng)數(shù)小時(shí)或數(shù)天。面對(duì)數(shù)百個(gè)設(shè)計(jì)參數(shù)和更長(zhǎng)的迭代，人工智能能否縮短模擬設(shè)計(jì)收斂時(shí)間？

布局代表了大量的手動(dòng)工作：人工智能能否簡(jiǎn)化這一過(guò)程，尤其是在從事這項(xiàng)工作的人才供應(yīng)有限的情況下？

除了電子系統(tǒng)之外，人工智能可以用更少的設(shè)計(jì)師干預(yù)加速融合的另一個(gè)領(lǐng)域是光學(xué)設(shè)計(jì)。光學(xué)設(shè)計(jì)是成像、汽車(chē)照明和光子 IC 等應(yīng)用的關(guān)鍵使能技術(shù)。這些應(yīng)用非常復(fù)雜，需要考慮大量變量和公差，這些變量和公差過(guò)去是用特殊工具處理的。人工智能有可能開(kāi)啟共同優(yōu)化專(zhuān)業(yè)算法的新機(jī)會(huì)，光學(xué)解決方案團(tuán)隊(duì)的Synopsys科學(xué)家William Cassarly解釋說(shuō)。人工智能允許探索大部分設(shè)計(jì)空間，為現(xiàn)有算法提供新的起點(diǎn)，并減少處理離散案例所涉及的工作量。此外，人工智能提供了在完全不同的用例之間實(shí)現(xiàn)知識(shí)轉(zhuǎn)移的潛力，允許經(jīng)驗(yàn)不足的設(shè)計(jì)師產(chǎn)生可能只有具有豐富經(jīng)驗(yàn)的設(shè)計(jì)師才能考慮的結(jié)果。

隨著我們接近系統(tǒng)級(jí)別，硬件和軟件團(tuán)隊(duì)之間的孤立知識(shí)使得啟動(dòng)成為一項(xiàng)復(fù)雜且昂貴的工作。系統(tǒng)級(jí)可見(jiàn)性和自動(dòng)化根本原因分析是加快上市時(shí)間的關(guān)鍵。Synopsys Systems Design Group的高級(jí)研發(fā)工程師Rachana Srivastava指出，人工智能可以實(shí)現(xiàn)自動(dòng)化的系統(tǒng)級(jí)根本原因分析。在基于事件的知識(shí)圖譜中映射數(shù)據(jù)可以提供整個(gè)系統(tǒng)的可見(jiàn)性。在此數(shù)據(jù)上應(yīng)用機(jī)器學(xué)習(xí)模型可以生成預(yù)測(cè)和信息挖掘的反饋循環(huán)，以生成更好的硅結(jié)果。

激動(dòng)人心的時(shí)刻確實(shí)即將到來(lái)，因?yàn)楣こ處焸冋谠O(shè)計(jì)新的方法，將人工智能和機(jī)器學(xué)習(xí)應(yīng)用于整個(gè)系統(tǒng)堆棧的工作流程。滿足下一代應(yīng)用的PPA和上市時(shí)間目標(biāo)的設(shè)計(jì)只會(huì)變得更加復(fù)雜。人工智能可以提供工程團(tuán)隊(duì)所需的生產(chǎn)力提升，同時(shí)幫助他們實(shí)現(xiàn)以前無(wú)法想象的成果。

審核編輯：郭婷