Layout工程师危，谷歌自动芯片设计AlphaChip问世，开放权重可外部定制
文章摘要
【关 键 词】 芯片设计、深度学习、人工智能、谷歌、AlphaChip
谷歌在2020年发布了一篇预印本论文，介绍了一种利用深度强化学习进行芯片布局的新方法。2021年，该研究在《Nature》杂志上发表并开源。最近，谷歌进一步公开了该方法的附录，并开放了一个预训练的模型检查点“AlphaChip”，以促进外部用户更容易地使用该模型进行芯片设计。
谷歌首席科学家Jeff Dean指出，AlphaChip模型的开放将简化芯片设计的启动过程。AlphaChip利用人工智能加速和优化芯片设计，已被用于设计谷歌自定义AI加速器（TPU）的三代“超人”芯片布局。与传统方法相比，AlphaChip能在数小时内完成高质量的芯片布局，而传统方法可能需要数周或数月的人工努力。
谷歌DeepMind的联合创始人兼CEO Demis Hassabis强调了AlphaChip在设计微芯片方面带来的变革，它不仅帮助设计了用于构建AI模型的SOTA TPU，还影响了数据中心CPU的设计。AlphaChip的设计方法已经扩展到Alphabet内外，形成了一个正向反馈循环：使用AlphaChip设计更好的AI芯片，然后使用这些芯片训练更好的模型，再设计更好的芯片。
AlphaChip的工作原理是将芯片布局规划视为一种博弈，从空白网格开始，逐步放置电路元件，直至完成所有元件的放置。它使用一种新颖的“基于边”的图神经网络来学习芯片元件之间的互连关系，并在整个芯片设计中进行推广。
谷歌已经使用AlphaChip为每一代Google TPU生成超级芯片布局，这些芯片支持大规模扩展基于Google Transformer架构的AI模型。AlphaChip的设计方法不仅提高了设计效率，还加快了设计周期，产生了性能更高的芯片。
AlphaChip的影响不仅限于谷歌内部，它还被外部组织采用和构建，如联发科就扩展了AlphaChip以加速其最先进芯片的开发。AlphaChip的应用已经扩展到芯片设计的其他关键阶段，如逻辑综合和宏选择。
谷歌相信AlphaChip有潜力优化整个芯片设计周期的每个阶段，从而改变日常设备中定制硬件的芯片设计。目前，AlphaChip的未来版本正在开发中，谷歌期待与社区合作，继续推动自动芯片设计领域的变革，以实现更快、更便宜、更高效的芯片。
原文和模型
【原文链接】 阅读原文 [ 1792字 | 8分钟 ]
【原文作者】 机器之心
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★★☆
