過去，大多數(shù)芯片都包含一到兩項前沿技術(shù)，主要是為了跟上每隔幾年每個新工藝節(jié)點的光刻技術(shù)的預(yù)期改進。這些改進是基于行業(yè)路線圖，該路線圖要求隨著時間的推移取得可預(yù)測但不顯著的收益。現(xiàn)在，隨著大型語言模型和更多傳感器推動的數(shù)據(jù)爆炸式增長，以及設(shè)計自己芯片的系統(tǒng)公司之間的競爭加劇，以及涉及人工智能的國際競爭日益激烈，芯片設(shè)計前沿的規(guī)則正在發(fā)生相當(dāng)大的變化。

現(xiàn)在，漸進式改進與處理性能的巨大飛躍相結(jié)合，雖然這些改進使計算能力和分析達(dá)到了一個全新的水平，但它們也需要一套全新的權(quán)衡。

這些轉(zhuǎn)變的核心是高度定制的芯片架構(gòu)，其中一些涉及在最先進的工藝節(jié)點開發(fā)的小芯片。并行處理幾乎是必然的，針對特定數(shù)據(jù)類型和操作的加速器也是如此。在某些情況下，這些微型系統(tǒng)不會進行商業(yè)銷售，因為它們?yōu)閿?shù)據(jù)中心提供了競爭優(yōu)勢。但它們也可能包括其他商用技術(shù)，例如處理核心或加速器或用于減少延遲的內(nèi)存內(nèi)或近內(nèi)存計算技術(shù)，以及不同的緩存方案、共同封裝的光學(xué)器件和更快的互連。其中許多進展多年來一直處于研究或擱置狀態(tài)，現(xiàn)在正在全面部署。

谷歌研究院工程研究員兼機器學(xué)習(xí)系統(tǒng)副總裁 Amin Vahdat 在最近的 Hot Chips 2023 會議上的演講中指出，今天的芯片可以解決十年前無法想象的問題，而機器學(xué)習(xí)將承擔(dān)計算周期“越來越多的任務(wù)”。

我們在過去 50 或 60 年間開發(fā)的傳統(tǒng)計算智慧已被拋棄。


芯片設(shè)計發(fā)生了變化

傳統(tǒng)芯片公司、汽車原始設(shè)備制造商、無晶圓廠和非無晶圓廠IDM以及大型系統(tǒng)公司，現(xiàn)在在為特定應(yīng)用尋求最佳解決方案時，不僅面臨著不同的工藝節(jié)點，而且面臨著更多的選擇和更獨特的挑戰(zhàn)。他們都對EDA生態(tài)系統(tǒng)提出了更高的要求，EDA生態(tài)系統(tǒng)正在競相跟上這些變化，包括各種類型的先進封裝，小芯片以及對集成和定制硬件和軟件的需求。


Cadence

Cadence 研發(fā)總裁Saugat Sen 說：“雖然在這個時代存在許多架構(gòu)和設(shè)計挑戰(zhàn)，但解決熱問題已成為重中之重。一段時間以來，設(shè)計和實施的效率與多物理場分析的閉環(huán)集成有著錯綜復(fù)雜的聯(lián)系。”定義系統(tǒng)處理器的功率和能量要求也變得越來越困難。


IBM

IBM 研究員兼 IBM Z系統(tǒng)架構(gòu)和設(shè)計首席技術(shù)官 Christian Jacobi 表示，計算的功耗和總能源使用是一個巨大的問題，并且由于地緣政治的發(fā)展、能源成本的上升和環(huán)境問題，目前它變得越來越大的系統(tǒng)問題。“與此同時，由于摩爾定律基本上已經(jīng)結(jié)束，作為架構(gòu)師，我們希望不斷為每個芯片添加特性、功能、性能和更多內(nèi)核，而不會增加能源足跡。因此，我們必須更明智地管理芯片中的能源，從如何在任何時間點優(yōu)化功耗與性能，如何利用并非所有計算資源都被充分利用的活動較少的時段，到減少芯片組件的功耗。”

IBM 針對其 Z Systems 的解決方案是將 AI 集成到處理器芯片中。“我們可以訪問它已經(jīng)存在的數(shù)據(jù)，”Jacobi 說。如果數(shù)據(jù)在處理器芯片中，并且在處理器芯片的緩存中——因為這是任何其他業(yè)務(wù)流程對這些數(shù)據(jù)進行計算的地方，例如銀行交易或信用卡交易——我不需要采取該數(shù)據(jù)并將其移動到其他地方，移動到不同的設(shè)備或通過網(wǎng)絡(luò)或通過 PCI 接口移動到連接 I/O 的適配器。相反，我們有本地化的 AI 引擎，我可以在那里訪問這些數(shù)據(jù)。我不必將它轉(zhuǎn)到不同的設(shè)備。這顯然大大減少了執(zhí)行 AI 的能源足跡。實際的計算本身，加法和乘法，它們?nèi)匀幌墓β省?/span>


是德科技

這對生態(tài)系統(tǒng)的其他部分意味著會變得更加復(fù)雜，因為并非每個芯片或封裝都會以相同的方式做事。是德科技新市場高級經(jīng)理兼數(shù)字孿生項目經(jīng)理 Chris Mueth 表示：“為了支持生態(tài)系統(tǒng)和產(chǎn)品復(fù)雜性，仍然需要做出許多改變。產(chǎn)品復(fù)雜性是主要驅(qū)動力，因為每個人都想要更多的小型化。每個人都希望他們擁有的產(chǎn)品具有更多功能。所以需要更多的集成。雖然看起來我們正在接近漸近條件，但我認(rèn)為我們還有解決辦法。”

事實上，摩爾定律路線圖上至少還有幾個工藝節(jié)點，所有這三個領(lǐng)先的代工廠——三星、臺積電和英特爾——都有延伸到 1.x 納米范圍的路線圖。“這非常重要，因為我們必須使晶體管更小，原因有兩個，”Mueth 說。“一個是速度，另一個是熱量。當(dāng)您在芯片上為無數(shù)晶體管計時，您會產(chǎn)生大量熱量。解決這個問題的方法是縮小所有內(nèi)容，但在某個時候我們會達(dá)到一個漸近峰值。”

Rambus

Rambus 的杰出發(fā)明家 Steven Woo 對此表示贊同。“現(xiàn)在 Dennard 縮放已經(jīng)基本停止，你真的無法再可靠地降低功率了，”他說。“因此，如果你想繼續(xù)獲得性能，并且想繼續(xù)增加計算密度，你將不得不想辦法吸走熱量。”

例如，在電動汽車中，這意味著 ECU 必須在整個電氣系統(tǒng)中電源非常有限的情況下進行設(shè)計。傳統(tǒng)上，硬件設(shè)計人員通過添加多種模式來解決此類問題，這些模式可以被關(guān)閉和監(jiān)控，以衡量系統(tǒng)正在做什么，例如放慢速度。

“我們在人工智能中看到的更多可能會在所有領(lǐng)域發(fā)揮作用的是，軟件工程師真正了解系統(tǒng)性能和系統(tǒng)精度之間的權(quán)衡，”Woo 說。“如果他們在帶寬、能量或其他方面受到某種限制，他們就會把它變成一個軟件問題。如果他們需要更多帶寬，他們可以降低數(shù)字的精度，并且專門針對降低精度或稀疏性進行訓(xùn)練。在人工智能領(lǐng)域，系統(tǒng)的軟件端和硬件端之間有一個整體的集成視圖。在過去的 20 年中，以同樣的方式，考慮到緩存大小和處理器架構(gòu)，程序員被迫變得更加了解架構(gòu)。未來，程序員必須更加了解系統(tǒng)中的功率限制等問題，并嘗試使用工具和 API，讓他們以性能換取功耗。”

在汽車領(lǐng)域尤其如此，芯片需要隨著時間的推移可靠運行，并且需要隨著算法和通信協(xié)議的變化而更新。


Fraunhofer

“我們看到的一大趨勢是對健康狀況的監(jiān)測，”Fraunhofer IIS 自適應(yīng)系統(tǒng)部工程設(shè)計方法負(fù)責(zé)人 Roland Jancke 說。“如果您在設(shè)計時不再能夠控制芯片，那么您需要在運行期間進行監(jiān)控并切換到備件或其他一些備份。對于汽車電子，您需要考慮操作過程中可能發(fā)生的一切。但如果你說，'讓我們根據(jù)零件故障的可能性來開發(fā)這個，'然后你投入了一些備件，那么你將超出你的貨幣預(yù)算。”

Jancke 說，關(guān)鍵是能夠在緊急情況下故障轉(zhuǎn)移到另一個系統(tǒng)，但這可能是一個非常復(fù)雜的過程。與芯片設(shè)計中正在進行的許多變化一樣，它需要打破一些傳統(tǒng)的孤島，在這些孤島中，系統(tǒng)、半導(dǎo)體、封裝和軟件工程師在異構(gòu)架構(gòu)上協(xié)同工作。


Movellus

“異構(gòu)架構(gòu)并不是一個新概念，”Movellus 產(chǎn)品、營銷和規(guī)劃高級副總裁 Vik Karvat 說。“它在許多垂直領(lǐng)域得到了發(fā)展和擴展，包括移動、汽車和人工智能。現(xiàn)在的不同之處在于異構(gòu)計算元素更大、更強大。英偉達(dá)的 Hopper + Grace 解決方案、英特爾的 Sapphire Rapids 和 Falcon Shore 平臺就是例證。然而，隨著這些元素變得越來越大，并且數(shù)據(jù)中心計算需求和密度目標(biāo)繼續(xù)保持其幾何級增長曲線，異構(gòu)單片機將過渡到異構(gòu)小芯片方法以繼續(xù)擴展。這需要系統(tǒng)、半成品和包裝公司齊心協(xié)力。”

中科院利用AI技術(shù)開發(fā)出芯片設(shè)計技術(shù)，開發(fā)出全球首款無需人工干預(yù)，完全由AI人工智能設(shè)計的芯片，由此將繞開美國控制的EDA工具，在芯片設(shè)計方面將不再受美國的限制。

為了確保芯片自主權(quán)，芯片采用了RISC-V架構(gòu)，以純國產(chǎn)的65納米工藝生產(chǎn)，而性能方面已與Intel的486相當(dāng)，雖然性能與當(dāng)下的差距較大，但是勝在這款芯片從芯片架構(gòu)、芯片設(shè)計到芯片制造都實現(xiàn)了全國產(chǎn)化。

人工智能引入芯片行業(yè)已成風(fēng)潮

據(jù)了解中科院發(fā)布的用AI人工智能設(shè)計的芯片可以大幅提升芯片設(shè)計速度，芯片設(shè)計時間只有現(xiàn)有EDA工具開發(fā)時間的千分之一，這將為國產(chǎn)芯片的設(shè)計提供許多可能性，中科院將人工智能引入芯片設(shè)計可謂開辟了芯片技術(shù)研發(fā)的先河，這套技術(shù)預(yù)計未來將可以應(yīng)用于14納米乃至7納米、5納米芯片，而完全舍棄美國的EDA工具。

將人工智能技術(shù)引入芯片行業(yè)其實已在業(yè)內(nèi)風(fēng)行，最先將AI技術(shù)引入芯片行業(yè)的是臺積電，臺積電與NVIDIA合作，由NVIDIA為臺積電開發(fā)了人工智能技術(shù)cuLitho，如此可以大幅提升芯片光刻的效率，同時大幅降低了光刻的錯誤，這還為臺積電節(jié)省了大量電力，降低了成本。

芯片行業(yè)引入人工智能輔助，在于如今的芯片異常復(fù)雜，以人工設(shè)計或制造芯片的難度越來越大，畢竟一枚芯片動輒就是數(shù)百億顆晶體管，而引入人工智能可以更快地處理芯片內(nèi)部的結(jié)構(gòu)，同時通過計算機模擬可以從中發(fā)現(xiàn)問題，而不是如之前那樣只能等到流片之后再找出問題，那樣不僅浪費時間，還會造成巨額的成本。

如今中科院在芯片設(shè)計環(huán)節(jié)引入人工智能技術(shù)，臺積電則在芯片制造環(huán)節(jié)引入人工智能，如此在芯片設(shè)計和生產(chǎn)整條鏈條中就形成了以人工智能處理芯片的閉環(huán)，加快芯片量產(chǎn)進程，對于芯片行業(yè)無疑是巨大的利好。