EDA行业龙头大胆预测：AI设计将在10年内将芯片性能提升1000倍

经典摩尔定律已经终结，新时代正在从规模复杂性向系统复杂性转变。

自20世纪80年代以来，自动化一直是芯片设计的重要发展方向。如今，随着人工智能在芯片设计领域的异军突起，芯片的性能在未来可能会有一轮新的大幅提升。

全球电子设计自动化（EDA）行业的领导者新思科技公司（Synopsys）首席执行官Aart de Geus表示，他们公司的软件去年开始使用人工智能设计客户的芯片，比人类设计的芯片架构有了相当大的改进。其竞争对手 Cadence 今年也推出了自己的人工智能产品。

但De Geus认为，这种发展非但不会使芯片架构师过时，反而会使他们在产业链中更上一层楼，因此他们会负责比现在更多种类的任务。

“当时大约有3%的设计师对加入AI表示反对，”他说。“但97%的人都很认可。我认为AI设计芯片将会和设计软件自动化（DSO）一样，它可以查看（和理解）人类再也看不到的细节。”

“到2030年，我们将实现1,000倍的性能提升，”他表示。“我对此非常有信心。我认为经典摩尔定律已经终结，这个新时代正在从规模复杂性向系统复杂性转变。”

▍设计自动化的起源

1986年，De Geus 创办了电子设计自动化（EDA）软件公司Synopsys。去年，该公司的收入为36.9亿美元。

Synopsys公司的逻辑综合（Logic Synthesis）是以其逻辑电路的抽象规范的形式对芯片进行设计，通常是在寄存器传输层面（RTL），并将其转化为逻辑门的设计实现。然后，可以将其转化为芯片表面的物理布局，并进行制造。

在集成电路设计中，逻辑综合是所设计数字电路的高抽象级描述，经过布尔函数化简、优化后，转换到的逻辑门级别的电路连线网表的过程。

通常，逻辑综合的信息来源是硬件描述语言——主要是VHDL和Verilog等，设计人员通常使用硬件描述语言来进行电路的高级抽象（通常是数字电路寄存器传输级的数据、行为）描述数字电路的逻辑功能，这样他们可以把更多精力投入功能方面的设计，而避免在一开始就研究可能极其复杂的电路连线。

然而，从电路的高级抽象描述到实际连线网表，并不是一项简单的工作。在以前，这需要设计人员完成逻辑函数的建立、简化、绘制逻辑门网表等诸多步骤。随着电路的集成规模越来越大，人工进行逻辑综合变成了一项十分繁琐的任务。

各个时代的芯片设计

随着电子设计自动化的发展，逻辑综合这一步骤可以由计算机工具辅助完成。但是，由于自动化逻辑综合工具并不总能够产生最优化的逻辑门网表，因此人工的介入仍然不可缺少。

某些工具能够在可编程逻辑器件，如可编程阵列逻辑（Programmable Array Logic，PAL）和现场可编程逻辑门阵列（Field Programmable Gate Array，FPGA）上生成数据流过程，而另一些工具则可以生产专用集成电路。逻辑综合是电子设计自动化的一个重要方面。

De Geus指出，逻辑综合在35年前帮助开启了数字时代及其指数式增长。今年年底，Synopsys将迎来35岁的生日，而EDA行业在这期间将芯片设计生产率提高了1,000万倍。

近年来，Synopsys已经转向采用全面的方法进行自主芯片设计。它利用强化学习，同时对功率、性能和面积进行优化（功率是指为芯片供电需要多少电压；性能衡量它在给定时间内所能完成的计算量；而面积是指芯片的大小，其对于保持芯片的低成本非常重要）。

如今，应用人工智能来解决复杂性、功率和扩展要求，以达到1,000倍的性能目标，对于超越摩尔定律至关重要。因为摩尔定律以前是依靠制造业的进步来提高生产力，而现在的微型化已经达到了原子水平，所以制造方面的改进遇到了限制，由此设计方面的其他类型的改进必须取而代之。

▍第一款AI设计软件——DSO.ai

De Geus说，公司在自动化设计方面的努力一直以结果的质量、结果的时间和结果的成本为目标。

Synopsys在2020年发布了其第一款人工智能设计软件DSO.ai。它现在被用于客户的生产环境中，并得到了增强，以提供更完整的系统级优化。

DSO.ai的客户包括Cerebras，该公司用整个晶圆（通常可分为数百个芯片）制作一个芯片。而Cerebras的第二代芯片有高达2.6万亿个晶体管。

“机器学习现在已经应用到我们的每一个工具上，”de Geus说。“这个新工具，我们称之为设计空间优化（DSO），它的不同之处在于它并不适用于单个设计步骤，而是适用于整个设计流程。”

它还解决了为特定应用快速定制芯片的问题，以及系统的所有层面：硬件（物理）、软件（功能）、可制造性和架构（形式）。

“而这真正意味着，优化是通过查看比任何单独工具更复杂的搜索空间来完成的，”他说。“大约18个月前，我们开始看到很好的结果。人类通常需要几个月的时间，现在可以在几个星期内完成。然后大约六个月后，我们开始系统地获得更好的结果。”

归根结底，人工智能可以协助人类弄清楚到底要创造什么，并在设计完成之前增加迭代次数。

“我们现在正在处理一些设计师难以评估的决定，因为这需要太多的时间，”de Geus说。“而结果还是有很大的改善。因此，我们现在的情况是我们有许多设计师在实际设计中使用这个工具。其中相当多的设计已经进入最终设计阶段，有些现在已经开始制造了。”

De Geus将这种设计称为“人工架构师”，它表明在芯片设计中不再需要人类。De Geus认为，随着人工智能接管更多平凡的任务，人类将向产业链上游发展。他说，一个工程师过去负责设计少量的晶体管，但现在可能负责一个较大的芯片中的10亿个晶体管。

▍为芯片大爆发时刻准备着

在客户的早期采用中，Synopsys的工具已经证明，与使用最先进设计工具的世界级设计团队相比，它们能够降低25%的功耗。这与将工艺节点前移一到两个所获得的功耗降低大致相同，但完全由软件完成。

De Geus指出，在2018年，设计中使用的数据量已经从人类生成的跨越到机器生成的。

“而现在机器生成的数据量已经变得很大了，”他说。“问题是，我们能否得到更好的东西？答案当然是肯定的，我们可以获得性能优化10倍、100倍和1,000倍的架构。”

芯片设计者可以设计出更快的芯片。但要达到10倍、100倍或1,000倍的性能提升，他们将不得不改变其芯片的架构。

“我认为我们开局良好，但我们才刚刚起步，所以我认为这里还有更多的机会。”他说。“Synopsys 是唯一一家真正准备好所有底层设计工具的公司。”

“重要的是，我们面前有一个全新的时代，”de Geus说。“摩尔定律已经失效了，而这时突然迎来了多芯片和堆叠，它为更大数量的晶体管再次打开了大门。而这意味着每一个垂直方向都会推动一些额外的要求。”

例如，汽车芯片将必须考虑自己的安全性，以及芯片生命周期管理。因此，一个在汽车中使用了几年的芯片可以向汽车报告它可能出现故障，汽车知道告诉司机要更换它。这意味着，从汽车到计算机，一个行业的每一个细分市场都将需要新型的专用芯片。

“这就是为什么会涌现一波人工智能公司为这些应用设计架构，”de Geus说。“但现实是，你越是缩小适用范围，你就越能加快执行速度。如果经济价值如此之高，那么将会有越来越多的专用芯片出现，并以此推动芯片行业的整体爆发。”