DSO.ai
由人工智慧驱动的设计应用
瞭解更多 →
SNUG 2022亮點：AI 正在快速推進晶片设计
本文原文由张贴
英文原文：
半導體是支持智慧汽車、智慧家庭、智慧手機等「萬物智能(Smart Everything)」生活型態迅速發展的重要推手。隨著應用程式日益發展和智慧化，晶片也變得更複雜和智慧化。為了因應現今晶片设计的機會和挑戰，半導體的革新早已不僅只於將更多邏輯電路封裝入晶片的程度，而是需要創新的设计方法來提升掌握機會並解決當前挑戰的能力。要更快速的邁向未來，勢必要在晶片设计過程中導入人工智慧(AI)，這是今年春天新思科技(Synopsys)在其年度盛會 所探讨的热门话题。
新思科技董事長兼執行長 Aart de Geus 以「催化不可能(Catalyzing the Impossible)」為题进行主题演讲，揭开活动序幕并奠定基调，邀请董事長兼執行長 Satya Nadella擔任特別嘉賓進行對談。而主任 亦受邀進行主題演說，以「AI 及其對人類的影響(AI and Its Impact on Humanity)」為題，集中探討 AI 這個主題。其他 AI 相關議程亮點還有「人工智慧的下一步：對當今晶片设计和未來願景的影響(AI’s Next Act – Impact on Chip Design Today and Vision for Future)」这场引人入胜的炉边谈话，由工程總監Tony Han和新思科技人工智慧解决方案和策略資深總監 Stelios Diamantidis主持，探討使用業界首款晶片设计專用 AI 應用程式－Synopsys DSO.aiTM的数个客户案例研究。来自新思科技、联发科以及、、&苍产蝉辫;和 的 AI 領域專家闡述 AI 可為半導體產業帶來哪些令人矚目的價值和機會。
以下為 SNUG Silicon Valley 2022 中的 AI 相關重點：
1. 人工智慧技術為人類帶來了大好機會，同時伴隨挑戰
Daniela Rus 博士在「AI 及其對人類的影響(AI and Its Impact on Humanity)」演講中，描繪出由人工智慧驅動的世界落實在日常生活中的樣貌。其重點在於人工智慧可以改善人們的生活，像是透過機器人協助在花園中栽種，到運用技術依照個人需求量身訂做服裝。人工智慧也能以更宏大的方式影響世界，幫助人類因應從醫學到氣候變遷的各種挑戰。然而，我們興奮之"餘也應該要保持謹慎，因為人類唯有以智慧和責任心克服人工智慧的固有挑戰，才能實現其所帶來的好處。Daniela Rus 博士總結：「能成為唯一一個夠進步、擁有覺察力，且有能力創造這些非凡工具的物種，是我們的榮幸。但是，這也表示我們有善用它們的責任。我堅信，我們有能力駕馭人工智慧、機器學習(machine learning)和機器人工具(robotics tool)的力量，來確保全人類和地球上其他所有事物的美好未來。」
能成為唯一一个够进步、拥有觉察力，且有能力创造这些非凡工具的物种，是我们的荣幸。但是，这也表示我们有善用它们的责任。我坚信，我们有能力驾驭人工智慧、机器学习和机器人工具的力量，来确保全人类和地球上其他所有事物的美好未来。」
麻省理工學院 CSAIL 主任 Daniela Rus 博士
|
2. 利用規模化的人工智慧加速晶片设计創新，將運算能力提升至千倍
半導體產業在设计過程中首次嘗試使用 AI，始於屢獲殊榮的 DSO.ai 解决方案。新思科技於2020年推出DSO.ai解决方案 ，至今已協助完成數十個客戶投片(tapeout)，並部署在6家全球前十大半導體公司當中。DSO.ai 技術採用多目標強化學習引擎，可自主探索设计空間以達成更好的性能、功率、面積 (PPA) 目標，大幅擴展晶片设计工作流程的可能選項，同時讓諸多繁瑣的任務自動化。有別於多名專家組成的工程團隊，運用DSO.ai 技術，則僅需要一名工程師，即可在數週之"內交付過去人們認為「無法實現」的成果，進而達到「AI 等級」的生產力。這讓工程師可以將资源分配到更多有附加價值的工作，如产物差異化。
為了因應實現1,000 倍更好運算能力的系統複雜性問題，AI 系統必須能夠在諸多设计中自主運用其學習成果以實現規模化。在「」議程中，與會者可以瞭解業界唯一的跨设计學習系統—DSO.ai 在真實世界中實現的幾項设计成果。所有案例皆顯示，DSO.ai 解决方案即便沒有經過事先學習 (冷啟動 cold-start)，也能以更少的工作量實現更好的 PPA，而其效率也會隨著訓練快速提升。當學習成果應用到相同设计的變體 (暖啟動warm-start) 和後續新的衍生设计 (交叉设计cross-design) 時，DSO.ai 技術也能以更快的速度和大幅減少的運算量交付運算結果，進而實現自動收斂(auto-convergence)。
那麼，人工智慧在晶片设计領域的下一步是什麼？聯發科的 Tony Han 表示，下一步就是實施統包(turn-key) ASIC 投片(tapeouts)並支援全球超過 4,000 家用戶，從晶片製造一路延伸到系統，基本上就是「AI遍地開花(AI Everywhere)」。套一句 Tony 的話，「我們正在從開發用於機器學習的产物，轉變為將機器學習應用於产物、技術和公司營運。」
我們正在從開發用於機器學習的产物，轉變為將機器學習應用於产物、技術和公司營運。」
聯發科工程總監 Tony Han
|
3. 除了最佳化流程 PPA之"外，您還能利用 AI 為晶片设计做更多
首次使用 DSO.ai 解决方案時，您可能會著重於優化设计流程的時序(timing)、壅塞(congestion)或功耗(power)。不過在運用此工具的過程當中，您會發現它還可以做到更多：
- 探索更多布局规划(蹿濒辞辞谤辫濒补苍)，以缩小晶片(诲颈别)并节省面积
- 電源網路最佳化以減少 IR降壓(IR-drop)
- 选择最佳元件库以改善执行时间和效能
- 時脈樹(Clock tree)實作
- 電壓調整和设计與技術同步最佳化 (DTCO)
自動晶片设计(Autonomous chip design)真的有無窮無盡的可能性！在活動中，藉由真實世界中的案例研究詳盡透徹地說明了這一切。Sony Designs 以「」為題，展示了數個在40奈米(nm) CMOS感測器的设计中顯著減少面積的成果，其中包括首次將交叉设计學習用於生產用途的例子。在「利用 Synopsys DSO.ai 實現 PPA 和 TAT 最佳化(Leveraging Synopsys DSO.ai to Achieve Optimized PPA and TAT)」議程中，Intel 向使用者們展現了他們如何選擇最佳的標準元件庫，以便在最新製程節點的 FPGA 设计中更快速地實現 RTL-to-GDS 设计收斂(design closure)。此外，在「」中，三星讓與會者瞭解他們如何優化最新 4奈米(nm) Arm 大型CPU核心的電壓和最大操作速度(fMAX)，以实现最高的效能功耗比。
當然，新思科技IP團隊也分享了他們使用 DSO.ai 技術的經驗—運用該技術建立一個自訂應用程式來最佳化 RDL 凸塊圖(RDL bump map)以減少 IR降壓(IR-drop)。 他们并没有花费数週时间，只在一天内便实现了这个目标。
通往崭新创新等级的桥樑
針對剛開始使用 DSO.ai 解决方案的人，我們亦提供设计初期的協助资源，包括 以AI 驅動的物理设计應用程式庫，提供客製化的设计空間、目標指標(target metrics)和指令檔(scripts)，幫助您快速探索此技術所擁有的強大功能。
人工智慧幫助设计人員在晶片设计的所有製程節點和市場領域中，建立通往崭新创新等级的桥樑，為我們的未來開啟無限可能。歡迎至，觀看更多關於新思科技AI應用解决方案客戶成功案例分享。