谷歌让AI芯片学会“下崽”，下一代TPU就让AI自己

   

本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。

设计一块AI芯片有多难？

这么说吧，围棋的复杂度10360，而芯片则是102500，你感受一下……

△围棋的复杂度

，工程师们设计一块芯片，少则需要几周，多则好几个月。

现在，AI生产力来了！

AI自己动手，竟然用6Сʱ就设计出一块芯片。

最近，这项谷歌的研究登上了Nature杂志。

布局时间缩短数倍

小小的一块芯片包括了数十亿个晶体管，由它们组成的数千万个逻辑门就是标准单元，还有数千个存储块，称为宏块。

确定它们的位置，也就是布局规划，对芯片设计至关重要。

因为这直接关系到如何布线，进而影响着芯片的处理速度和电源效率。

，光是放置宏块这一步就非常耗时，为了给标准单元留出更多空间，每一次迭代都需要几天或几周时间。

△人类设计和AI设计芯片的平面图（灰色块为宏块）

完成整个布局，则要花费数周甚至数月。

现在，谷歌的研究人员提出了一种具有泛化能力的芯片布局方法。

它能够基于深度强化学习，从之前的布局中进行学习，然后生成新的设计方案。整体架构是这样的

由于AI模型需要学习10万个芯片布局，为了保证速度，研究人员设计了一种奖励机制，基于线路长度和布线拥塞的近似代价函数进行计算。

具体来说，需要将宏和标准单元映射到一个平面画布上，形成具有数百万到数十亿节点的「芯片网表」。

然后，AI模型会对功率、性能和面积(PPA) 等进行优化，并且输出概率分布。