【导读】
不能工业化的人工智能，走不出寒冬。
去年4月份，谷歌AI的首席迷信家Jeff Dean所带领的团队，就发布了一个AI芯片设计系统，可以自动化地设计各种芯片，并且达到跟人类相近的程度。
近日，谷歌的研讨人员在Nature发表了最新的停顿，这个设计芯片的AI系统又退化了，在功耗、功能、芯片面积、设计完成工夫等方面有了更好的表现。
处理芯片「排兵布阵」的竟是图神经网络
设计芯片的物理规划(即所谓的规划规划)是一项复杂而耗时的义务，CPU 和 GPU 核心、缓存存储器、RAM 控制器等等结构在芯片上的地位，都会影响芯片的能耗和处理速度，衔接一切模块所需的线路和信号路由都非常重要。
为了可以完成更高效的结果，研讨人员开发了一系列算法，将芯片规划规划当作一个游戏，并开发了一个基于边的图卷积神经网络结构。
图神经网络可以学习芯片的丰富和可转移的表示，将组件看作一个个片段，作为板块放置在画布上，而获胜的规则是优于数据集中10,000个芯片布置的功能，之所以采用图结构，是由于这种结构中的点和边，可以更好地存储和应用过往的阅历。
虽然有很多EDA（芯片自动化）设计软件可以运用，但是这些软件只是完成了某个流程或者某个模块的自动化，还是需求阅历丰富的人类专家去干涉，非常耗时。
但研讨人员发现，这些算法只需求六个小时就可以开发出与人类设计的芯片相似或更好的芯片，而人类普通要花费数月的工夫，而且这个AI系统的一些精巧设计，人类从来没有做到过。
芯片智能化设计不是「温室实验」，TPU曾经用上了
在设计微处理器或工作负载加速器时，设计师通常会运用高级言语（例如 VHDL、SystemVerilog 甚至是 Chisel）定义其子系统的工作方式， 这段代码最终将被翻译成一个叫做网表的东西，它描画了宏块和标准单元的集合应该如何经过电路衔接来执行芯片的功能。
标准单元包含基本的东西，如 NAND 和 NOR 逻辑门，宏块包含一组标准单元或其他电子设备来执行特殊功能，例如提供片上存储器或 CPU 内核， 因此宏块分明大于标准单元。
接上去，必须选择如何在芯片上陈列单元和宏块的网表。人类工程师能够需求数周到数月的工夫运用专业芯片设计工具停止多次迭代，以根据功耗、时序、速度等目的停止优化规划。
通常，随着设计的发展，设计师会调整大型宏块的放置，然后让运用非智能算法的自动化工具放置大量较小的标准单元，直到完成整个设计。
为了加快这个规划阶段，谷歌的AI芯片设计系统就是用来自动执行宏块规划的，标准单元由其他软件自动放置在间隙中。
这个AI芯片设计系统从一个空的芯片画布末尾，按顺序放置组件，直到完成网表，其中大的组件会优先放置，这样可以减少之后无法放置的能够性。
开源 RISC-V 处理器 Ariane 的宏块规划随着训练进程的变化状况，每个矩形代表一个单独的宏块。（左图：刚末尾，右图：训练优化后）
行动说的这么好，这个「AI设计师」能经起实战考验吗？
据谷歌引见，公司曾经采用了这种方法消费最新一代的 TPU，TPU被谷歌用来加速搜索引擎、公有云、 AlphaGo 和 AlphaGo Zero以及其他项目和产品中的神经网络。
这个AI芯片设计系统一旦推行开来，将大幅增添芯片设计的成本，提高流片效率，尤其是芯片设计的早期优化。
如今不光中国，全世界都面临着「芯片荒」，假如谷歌将这个系统开源，芯片范畴的公司就可以疾速开发并迭代本人的芯片，延长芯片的消费周期。
从这个AI芯片设计系统来看，人工智能并非没有用武之地，但是很分明，不能工业化的人工智能，走不出寒冬。
参考链接：
https://www.nature.com/articles/s41586-021-03544-w | 
