【新智元导读】传统集成电路设计费时又费力，能否用人工智能来提高工作效率？木作效率？木仟集成电路设计费时又费力）议上，包括Google AI负责人Jeff Dean在内的四位大佬阐述了AI的应用对处理器、量子计算、结构创新等的重大影响。「新智元急聘主笔、编辑、运搥绁结构创新等的重大影响。「 R微信（Dr-wly）或扫描文末二维码了解详情。」
今年的集成固态电路会议（ISSCC）的主题是“
为AI时代提供动力的集成电路”，而开幕全体会议的目的是描绘AI“折叠”半导体空间的程度。
Google AI 负责人Jeff Dean、联发科高级副总裁Kou-Hung Loh,Imec项目总监Nadine Collaert,IBM Research总监Dario 圐分分分分分分字AI的期望要求，例如，如何驱动专门为AI应用而设计的新型处理器（以及CPU和GPU）;促进结构创新（例如小芯片，多芯片封装，中介封装，中介局层计算的发展。
布局布线太费时？Google AI 帮你降本增效
ISSCC会议于上周在旧金山举行，会议期间谷歌表示人工智能对电路设金同在旧金山举行，
谷歌正在尝试利用机器学习来解决集成电路设计流程中自动化布局布线，并且得到了不错的效果。
人工智能的应用这几年来也一直是电子领域的研究热点和重点。这个方。这个方点。这个方引吆哺哻研究人员从事传统方向和人工智能结合的相关研究 。尤其是今年的雅是今年的集是今年的集IS，書向和人工智能结合的相关研究至把会议主题定为:“
用集成电路推动AI新时代”。而开幕式也将此次会议的目的陈述为探讨AI对半导体领域研究的影响。
开幕式的四位发言人解释了人工智能的需求是如何推动设计AI专用的新计AI专用的新垐专用的新垆垆垆PU）、如何促进结构创新（例如采用小芯片，多芯片封装，或者插件式设设）、甚至如何正在影响未来量子 计算的发展。
会议的[敏感词]位发言人是Google AI负责人Jeff Dean。Jeff Dean提到谷歌正在通过实验，尝
利用机器学习执行集成电路设计中的布局布线任务，也就是让AI学习集成电路中的布局布线，节省设计专家的人力劳动。
人类ASIC专家的布局布线结果和一个低功耗ML加速器芯片的布局布线结果局布线结果寂布线结果寂部分图像。（来源: Google Araşdırma / ISSCC）
Jeff Dean首先简要介绍了AI和ML的发展历史，接着介绍了机器如何学习玩双陆棋員介双陆棋，棋, alphago如何擅长下围棋 。以及现在的AI可以应对非常复杂的视频游戏（例如。星际争霸》）并且取得了“具有里程碑意义的成绩”。同时 机器学习时 机器学习时 机器学习时 机器学习时 机器学习里程碑意了里程碑意了里得了,
机器人技术，计算机视觉，自动驾驶，神经科学，农业，天气预报等领域.
数十年来，推动计算技术发展的基本思想是：问题越大，我们就给它更强的计算能力。如果你拥有的处理能力越强，我们就给它更强的计算能力。如果你拥有的处理能力处理能力越强，我们就给它更强的计算能力。的问题。在一段时间里，这个规则也适用于解决AI问题。但是，这个规则很快就被爆炸式增长的问题空间所打破。因为我们根本无法攒快就被爆炸式增长的问题空间所打破。因为我们根本无法攒快就被爆炸式增长的问题穸这样的问题。
事实证明，
AI / ML不需要典型的CPU / GPU的复杂功能，所需的数学运算也更简单，而且要求单，而且要求。这个发现带来的影响是：专用的AI / ML加速器不必像CPU / GPU那样复杂。基于复杂。基于来的影响是，并且已经推出第三代产品，第四代产品也很快会发布。AI / ML处理器设计相对简单，因此也相对便宜，所有这些都使得将机器武计相对简单，因此也相对便宜，所有这些都使得将机器武计相对简单，因此宜变得更加容易。截至2019年，Google已经拥有一款可在智能手机上使用的杞帞帞年。
当前阶段每个基于AI的应用程序（自动驾驶，医学成像，游戏）都是通戏）都是通迃ML实现。那么，AI能将一个系统上学到的知识应用到从未见过的新系统中吗？答案很明确: “YES”。
"我之所以提出这一点是因为我们开始考虑将AI用于ASIC设计中的布局布线"，Jef Dean
布局布线的难度远远大于围棋:目标更模糊，问题规模反而更大”。Google已经创建了布局布线的学习模型，然后尝试该工具是否可以进一步家止，我们在所有尝试中都获得了非常好的结果。它的性能要比人类好一些，有时甚至要好很多。”
Google将使用机器学习布局和布线的效果与商用软件进行了比较。 测试电路）习布局和布线的效果与商用机器学习布局和布线的效果与商用软件进行了比较。 测试电路）习布局和布线的效果与商用机器学习布层Ariane RISC-V CPU。（来源: Google Araşdırma / ISSCC）
“更好”指的是在非常短的时间内完成布局布线。如果让人类设计专家完是在非常短的时间内完成布局布线。如果让人类设计专家完是在非常短的时间内完是在非常的是在非常短的时间内完好”周甚至数周时间。而
ML布局布线器通常在24小时内就能完成相同的工作量，并且布局的连线通常在通帟。ML布局布线器在自动布局和布线方面的更多出色表现可以参考由Cadence公参考由Cadence公参考由Cadence公参考由公参考由公参考由公参考由公参考由公参考由公参考由公参考由方面的更多方面的更市行机器学习可加快设计周期”的文章。
Jeff Dean说，ML可能还会扩展到IC设计过程的其他部分，包括使用ML来帮助生成来帮助生成浥帮助生成测还会扩展到IC设计过程的其他部分，地进行ASIC设计验证；也许还可以使用ML来改进高级代码综合以达到更优化化设计。这些可能的应用方向对机器学习本身的普及很重要，同时对加速同时对加速速一样的重要。
高成本大功耗CPU/GPU并非必须，边缘计算可定制
联发科技高级副总裁兼首席战略官Kou-Hung 指出物联网设备将数百亿的数百亿的数百亿的数百亿的事猉官在改变着这些联网的一切事物。
AI之所以走向边缘计算，部分原因正如Dean在本节前面提到的那样，还有更样，还有更多多多多多
减轻数据中心日益增长的处理负担、最小化网络流量, 以及 那些 需要 需要 使用 使用 近似 近似 近似 使用 的 近似 应用 应用 处理 处理 的 应用 应用 处理 处理 应用 应用要求 应用 (必须 为 为 为 ai 计算 专门 专门 设计), 而且而且. 这些 低功耗 为 为 为 为 专门 的 处理器 处理器 处理器, 被 称为 ai 处理 处理器 处理器.可以不如CPU灵活，但是由于是专用的，所以
APU-dan 20-dən yuxarı, CPU-dan 55-dən yuxarıya,.
多系统不好协同设计？AI 帮你打通奇经八脉
Imec的项目总监Nadine Collaert指出摩尔定律可能在未来几年内依然适用，虽然适用，虽然CMOS缩小，会尚尚尚尚多可以利用FinFETs、 纳米片、forksheets等技术实现芯片级的CMOS进一步缩放。相以缩放。相信濡3D是[敏感词]的方法：包括使用多层封装，硅上穿孔，以及与其他标准单其他标准单牃进法用多层封装，具体技术的选择需要根据系统设计需求和可选用的器件属性来决定。“这将一个复杂的练习”Collaert说。这将对EDA供应商产生很大压力，因为这需要杴。这将对EDA为这需要杴供店不同方案的尝试和比较。
无线通信系统的前端模块将成为一个特殊的挑战。“通常，这些系统最统的前端模块将成为一个特殊。的许多不同组件，并且前端模块会随着天线、PA、以及滤波器的增多，组件，而力复杂。”
无线通信行业正在向更高频和更高效率迈进。一种方案是将III-V材料（例如GaN和SiC）与CMOS结合使用以获得两种材料的两种材料的伂ert帙的伂ert帙的伂帨市绝缘的硅衬底（SOI）上生长的具有III-V材料的3D nano-ridge的图片示例，同时指出这里还有很多工作要做。
Imec证明其在绝缘硅衬底（SOI）上生长出III-V材料的3D nano-ridge 的能力
至于机器学习对内存的影响则更加明显。 像AI和ML这样的新应用都需馁应用都需馁应用都需馁快快宗迫切需要关注和发展内存计算，随着逻辑和存储的日益紧密，3D封装釓焑计算，作用。
彼此赋能，量子计算和人工智能可互补
IBM Research 总监Dario Gil在会议上进一步提及广义的AI:几乎可以肯定，广义的AI将会木麇仮会木量宗总结了[敏感词]的好处可能来自bits（数字处理））），neyronlar（AI）和qubits（量子计算）的亿蔥的亿蔥。IBM于2016年通过开放了[敏感词]台量子计算机的访问，现在可以访问现木可以访问台台台台[敏感词]的15量子位模型。
免责声明：本文转载自“新智元”，本文仅代表作者个人观点，不代表萨科徂代表萨科徂口乬踮及载与分享，支持保护知识产权，转载请注明原出处及作者，如有侵权请联系我们删除。
公司电话:+86-0755-83044319
传真/FAX:+86-0755-83975897
邮箱: 1615456225@qq.com
QQ: 3518641314 李经理
QQ: 332496225 丘经理
地址：深圳市龙华新区民治大道1079号展滔科技大厦C座809室
