1. 首頁 > 科技 > >

芯片|SYSMOORE：下一個 10 年，下一個 1, 000 倍的性能( 二 )

芯片it芯片半導體自動化新思科技



CPU 晶體管密度的指數圖
借助 SysMoore ， 我們正在從芯片系統設計轉向芯片系統設計 ， 如上圖所示 ， 以彎曲長期以來一直由摩爾定律主導的半導體創新曲線 。

半導體創新曲線
電子設計自動化工具制造商 Synopsys 的聯合創始人、首席執行官兼董事長 Aart de Geus 上周在 ISSCC 上發表了開幕主題演講2022芯片大會 。 de Geus 在主題演講中展示的圖表上沒有的一件事是大部分從業者想要注入的一個想法 ， 那就是計算引擎和其他類型的 ASIC 肯定會變得更加昂貴 ， 即使打包小芯片的成本也是如此或者構建晶圓級系統并不會消耗來自使用更小的芯片組或在電路中添加大量冗余并且從不切割它所帶來的更高良率的所有好處 。
隨著行業共同設計硬件和軟件以從系統中榨取每瓦特的最高性能 ， 我們將擺脫大規模制造的批量經濟性 。 到目前為止 ， 計算引擎或網絡 ASIC 可能有數十萬到數百萬個單元 ， 隨著時間的推移提高產量并降低每單元的制造成本 。 但是在這個 SysMoore 時代 ， 任何給定的半導體綜合體的數量都會下降 ， 因為它們不是通用的 ， 就像服務器和 PC 中的 X86 處理器或用于智能手機和平板電腦的 Arm 片上系統在過去十年和一半 。 如果每種設備的產量下降一個數量級 ， 而行業需要生產更多類型的設備 ， 這也會給單位成本帶來上行壓力 。
“EDA 在概念上相對簡單 ， ”de Geus 解釋道 。 “如果你能捕獲數據 ， 你就可以對其進行建模 。 如果你可以建模 ， 也許你可以模擬 。 如果你可以模擬 ， 也許你可以分析 。 如果你可以分析 ， 也許你可以優化 。 如果你可以優化 ， 也許你可以自動化 。 實際上 ， 我們不要忘記最好的自動化是 IP 重用——它是最快、最有效的一種 。 現在觀察這一點很有趣 ， 如果你看看底層 ， 會發現我們已經建立了我們仍在建設的東西的數字雙胞胎 。 如果我們現在說我們將向我們的客戶和世界提供 1000 倍以上的芯片功能 ， 那就是 Metaverse 的概念——有些人稱之為 Omniverse、Neoverse、
由一個充滿小芯片和封裝的現代芯片復合體組成的復雜性令人麻木 ， 在其許多可能的變化中創建最有效實施的壓力是推動人工智能輔助自動化下一個水平的原因 。 我們正在從計算機輔助設計（工作站幫助芯片設計師）轉向電子設計自動化 ， 其中邏輯的綜合以及該邏輯及其存儲器和互連的布局和布線由 Synopsys 提供的工具完成 ， 我們稱之為 AIDA ， 人工智能設計自動化的縮寫 ， 讓我們想起 Ada Lovelace ， 當然 ， Charles Babbage 的差異引擎程序員 。
這張圖表以一種有趣的方式記錄了復雜性的規模 ， 因為底部的兩個已經被計算機自動化了——IBM 的 Deep Blue 使用蠻力算法下棋

谷歌的 AlphaGo 使用 AI 強化學習下圍棋
正如我們兩年前在 ISSCC 2020 上所報道的那樣 ， 谷歌一直在利用從 AlphaGo 中吸取的經驗教訓在芯片上進行邏輯塊的布局和布線 ， 而 Synposys 正在將 AI 嵌入其工具堆棧的所有部分 ， 稱為設計空間優化 ， 或 DSO 。 國際象棋比賽有大量可能的走法 ， 而圍棋有更多數量級 ， 但兩者都是“輸贏”算法 。 對于邏輯塊的布線和布局 ， 或者將計算復合體從無數部分粘合在一起的可能方法 ， 情況并非如此 。 這些不是零和算法 ， 而只是更好或更壞的選擇 ， 比如去看眼科醫生 ， 坐在那臺裝有所有爆破鏡片的煩人機器后面 。
邏輯元件和互連的可能組合是一個非常大的數據空間 ， 并且本身需要大量的計算才能將 AI 添加到設計堆棧中 。 自從第一個 CAD 工具被廣泛使用以來 ， 這個數量一直在以對數形式增加 。

相關經驗推薦