英伟达研究人员发论文：又用AI改进了芯片设计，摩尔定律还有效吗？

在这篇题为《AutoDMP：基于DREAMPlace的自动化宏布局》的论文中，研究人员写道：“宏布局是一个关键的超大规模集成 (VLSI) 物理设计问题，它将显著影响设计功率性能区域 (PPA) 指标。”

芯片的设计过程涉及决定如何在一块硅片上放置数百亿个晶体管，这些晶体管的确切位置的摆放将在很大程度上影响芯片的成本、速度和功耗。

过去，芯片设计工程师使用来自Synopsys和Cadence Design Systems等公司的复杂设计软件来帮助他们优化这些晶体管的布局。英伟达的最新论文称，它可以使用人工智能技术的组合来找到放置大量晶体管更好的方法。

论文提出的AutoDMP是一种利用GPU加速布局器DREAMPlace的方法，可以同时放置“宏”（macros）和标准单元。并使用多目标超参数优化技术进行自动参数调整。

“我们可以生成高质量的可预测解决方案，与学术和商业工具生成的基线结果相比，能提高学术基准的宏观布局质量。”研究人员写道，“AutoDMP的计算效率也很高，可在3小时内在单个英伟啊DGX Station A100上优化具有270万个单元和320个‘宏’的设计。 这项工作展示了将GPU加速算法与深度学习技术相结合以实现VLSI设计自动化的前景和潜力。”

一位英伟达的技术人员向第一财经记者解释称：“通俗来说，最新的研究展示了芯片上的各个功能模块单元怎样摆放最合理，并主要利用了GPU来加速这个合理放置的过程。”

英伟达的这项最新研究采用了德克萨斯大学研究人员使用的所谓“强化学习”开发的现有成果，并在其之上添加了第二层人工智能技术，以获得更好的结果。

英伟达首席科学家Bill Dally在一份声明表示：“这项工作很重要，因为芯片制造的改进正在放缓。新一代芯片制造技术中的每个晶体管的成本现在高于前几代，这与英特尔联合创始人戈登摩尔的预测背道而驰。”

Dally表示，根据摩尔定律，芯片总是会变得更便宜、更快。但实际上，人们已经不再从这种扩展中获得经济。“我们将无法从更便宜的晶体管中获得更多价值，现在必须通过更聪明的设计来实现它。”他说道。

值得关注的是，在英伟达用AI改变芯片设计之前，该公司已经成功利用AI颠覆了芯片的制造工艺流程。英伟达在上周举行的年度GTC技术峰会上发布了光刻机技术的突破。凭借在GPU上运行的光刻机软件技术cuLitho，性能比当前光刻技术工艺提高了40倍，能够为目前每年消耗数百亿CPU小时的大规模计算工作负载提供加速。

目前，英伟达正在与ASML、Synopsys和台积电合作，将这种技术推向市场。英伟达创始人CEO黄仁勋预计，台积电将于6月开始准备生产该技术。

英伟达的AI芯片在ChatGPT时代发挥了更大的作用。根据研究机构State of AI的报告，截至去年12月。超过2万篇开源AI论文中都使用了英伟达的AI芯片，其中A100在2022年的使用量迅速增长，成为英伟达被使用第三多的芯片，仅次于其售价1500美元的游戏芯片。

黄仁勋此前已经表示，AI的iPhone时刻已经到来，AI训练速度可再提高1万倍。他在上个月的财报会议上表示：“过去的十年里，英伟达的GPU将AI的处理性能提高了100万倍，我们的目标是，在未来的十年里，可以将AI的训练速度再提高至少1万倍。”

不过研究机构Gartner分析师盛陵海对第一财经记者表示：“过去十年是AI发展从0到100的阶段，但是要从100到10000，是完全不同的场景。过去十年芯片的发展还遵循摩尔定律，但随着摩尔定律接近极限，未来计算机的能力要进一步提升越来越困难，除非量子计算能有大的突破。”