揭秘 AI 造芯 助力突破摩尔定律，释放人力成本
发布时间：2022-02-11 00:27:43 所属栏目：动态 来源：互联网
导读：据 IEEE 报道，随着 AI 在芯片设计方面的应用，芯片性能提升周期在逐渐缩短，有可能打破每隔 18 个月芯片性能可提升一倍的摩尔定律。 MathWork 公司 MATLAB 平台的高级产品经理希瑟高尔（Heather Gorr）表示，AI 技术能够帮助提升芯片测试效率，相比用人工
|
据 IEEE 报道，随着 AI 在芯片设计方面的应用，芯片性能提升周期在逐渐缩短，有可能打破“每隔 18 个月芯片性能可提升一倍”的摩尔定律。 MathWork 公司 MATLAB 平台的高级产品经理希瑟・高尔（Heather Gorr）表示，AI 技术能够帮助提升芯片测试效率，相比用人工排查异常，用 AI 排查问题的速度明显更快。基于 AI 设计的代理模型（surrogate model）能够对实验数据中的参数进行调整，对实验结果进行模拟，实现模型的快速更新迭代。  但相对物理模型（physics-based model）来说，代理模型的精确度较低，还需要人对其结果进行整合。即便如此，在芯片设计过程中运用 AI 的确能大幅度释放人力成本，将人力用于更高级的任务，实现技术与人的互助。 一、用 AI 处理海量数据，快速寻找问题诱因 在将 AI 用于芯片设计之前，工程师和设计师只能通过缩小晶体管来提高芯片的性能，现在，AI 逐渐成为提升芯片性能的关键，如三星在其存储芯片中运用 AI 实现更快、更节能的内存处理，谷歌 TPU V4 AI 芯片的处理速度也比之前的版本高出一倍。 揭秘“AI造芯”：助力突破摩尔定律！芯片设计师有失业危机了？ 高尔表示，AI 能够运用到芯片产品生命周期的大部分环节，尤其是芯片设计环节。因为即使在设计过程中考虑到了各种可能出现的问题，产品测试时还是会出现许多异常情况，如果依靠人工在海量数据中分析问题可能的诱因，那么工作量会比较大而且速度也较慢，这时就可以运用 AI 完成探索频域、数据同步或重采样之类的任务。 在这个过程中，AI 通常被看作一种预测问题的工具，但很多时候工程师也能从 AI 提供的信息中获取灵感，发现一些此前未注意到的问题、想出一些新的逻辑建模方式。高尔强调，目前 GitHub 和 MATLAB 平台上已经有许多人公布了相关程序代码，工程师们可以直接利用这些工具完成相关任务，提升工作效率。 二、代理模型节省计算时间，提高产品优化效率 高尔向 IEEE 介绍了 AI 在芯片设计中的具体应用方式。 以往的芯片设计工作是基于物理方面的实验进行的，但 AI 能够提供一个代理模型，对输入的数据进行参数扫描、优化，进行蒙特卡洛模拟（随机抽样模拟方法）等，相比进行实际的电路电路调整等工作，代理模型在优化性能方面花费的时间要少得多。 IEEE 表示，在某种意义上，可以将基于 AI 的代理模型看作一种数字孪生的产品，即在物理模型和实验数据的基础上，通过代理模型调整参数、模拟实验，实现模型的快速迭代。 （编辑：源码网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
站长推荐
热点阅读