首页 / 行业
EDA引入机器学习,后端设计工程师集体失业?!
2021-07-25 09:56:00
随着人工智能和机器学习的崛起,人工成本的提高,不少人类岗位被机器所替代,甚至许多重度依靠脑力活动的工作也在被危及,后端设计工程师就是其中之一。 EDA在不断的迭代升级下,工程师们用起来也越来越得心应手,工作量都得到了简化。但诸位后端设计工程师有没有害怕自己吃饭的工具变得越来越智能,最终有一天替代自己?EDA
引入机器学习,是威胁还是福利?许多顶尖的IC设计都需要在设计上进行优化,从而改善我们常说的PPA(性能、功率、面积,有时还有成本)。在规划好芯片架构,确定了工艺节点后,剩下的开发工作就是设计了。不少设计工作,需要工程师团队数月的优化,EDA厂商推出云方案之后,也有部分公司借助云方案来完成优化和验证工作,以求节省总开发周期。 以上过程的主导者依然是设计者本身,甚至不少设计者认为当今的芯片复杂度是机器学习和AI无法企及的,而且还在飞速增长中。然而在机器学习的演进下,EDA一直在研究如何将其引入软件中去,为芯片设计带来颠覆性的改变。 Cerebrus对生产力和PPA的提升 / Cadence Cadence就在近日推出了Cerebrus Intelligent Chip Explorer工具,一个基于机器学习的设计工具。据Cadence给出的数据,结合Cerebrus和Cadence RTL-to-signoff流程,与人工加非机器学习的方案相比,生产力最多提高10倍,PPA将改善20%。三星Foundry设计技术副总裁更是提到,在运用了Cerebrus与Cadence结合的数字设计流程后,仅用几天时间就降低了8%以上的功耗,而过去人工操作则需要耗时几个月。Cerebrus floorplan自动优化 / Cadence 在Cadence给出的演示中,5nm手机CPU需要工程师团队数月的工作,最终实现了3.5GHz的频率。而在运用Cerebrus的帮助下,1名工程师在10天内的时间里就将频率提升了420MH。这样的生产力提升升可能是每个芯片设计公司都想要看到的结果,因为它消耗更多是CPU的时间而不是工程师自己的时间,更不用说可观的性能提升了。 考虑到Cerebrus正是希腊神话中看守地狱的三头犬Cerberus的易位词,说不定对许多初级工程师来说真的象征着“地狱”之门大开。 但它真正的象征意义可能更接近于大脑“Cerebrum”,为工程师们提供一个拥有自主思考能力的工具,同时也帮助工程师构思更好的芯片设计。据外媒Anandtech了解到,Cadence提供的工具里还会加入回放功能。回放功能会记录增强学习的过程中每一次迭代,这让工程师可以更好地确定设计过程,并理解最终设计。
芯片设计上的人类VS机器学习,已有败绩在这场人类与机器学习的设计大战里,其实人类已经有过败绩了。今年6月9日,谷歌在《自然》杂志上发表了一篇论文,就讲述了谷歌计划用AI来设计下一代AI加速器(TPU)。 该论文着重说明了在机器学习在布局上的优势,自动布局布线已经不是什么新鲜事了,然而机器学习的引入还是为其算法带来了大革新。论文称复杂芯片的设计需太过耗时,工程师需要花上大量时间来布局和迭代其设计,每次设计后最多还要72小时来评估,最终导致工程时长拖到数月之久。 这在AI芯片公司尤其常见,不少大会上AI芯片公司大肆宣扬其核心设计,但最终芯片成品可能要数个月乃至一年后才能推出。只有设计评估工作顺利进行,才会拥有比上一版更优秀的PPA。 在谷歌的实验中,他们根据大量网表和布局建立了一个神经网络。同样在6个小时的设计流程下,该方法生成的floorplan从各个层面上都优于或近似于人类手工设计。人机对比 / Nature上图就是谷歌曾经展示过的人机大战结果,左图为人工设计的floorplan,花费了6至8周的工作时间。而右图是AI设计的floorplan,仅仅花费了24个小时。不过因为包含了机密设计,两张图都已经经过了模糊处理。尽管从这些例子看来,工程师的位置岌岌可危,但这些并不是EDA引入机器学习的意义。Synopsys其实也早在去年推出了AI驱动的设计系统方案DSO.ai,其团队在官方采访中提到:DSO.ai之类方案并非芯片设计的“绿色按钮”,一键按下交由AI自行操作。真正的权力依然掌握在设计者手中,只不过将不少设计工作从手动变为了真正意义上的自动而已。
引入机器学习,是威胁还是福利?许多顶尖的IC设计都需要在设计上进行优化,从而改善我们常说的PPA(性能、功率、面积,有时还有成本)。在规划好芯片架构,确定了工艺节点后,剩下的开发工作就是设计了。不少设计工作,需要工程师团队数月的优化,EDA厂商推出云方案之后,也有部分公司借助云方案来完成优化和验证工作,以求节省总开发周期。 以上过程的主导者依然是设计者本身,甚至不少设计者认为当今的芯片复杂度是机器学习和AI无法企及的,而且还在飞速增长中。然而在机器学习的演进下,EDA一直在研究如何将其引入软件中去,为芯片设计带来颠覆性的改变。 Cerebrus对生产力和PPA的提升 / Cadence Cadence就在近日推出了Cerebrus Intelligent Chip Explorer工具,一个基于机器学习的设计工具。据Cadence给出的数据,结合Cerebrus和Cadence RTL-to-signoff流程,与人工加非机器学习的方案相比,生产力最多提高10倍,PPA将改善20%。三星Foundry设计技术副总裁更是提到,在运用了Cerebrus与Cadence结合的数字设计流程后,仅用几天时间就降低了8%以上的功耗,而过去人工操作则需要耗时几个月。Cerebrus floorplan自动优化 / Cadence 在Cadence给出的演示中,5nm手机CPU需要工程师团队数月的工作,最终实现了3.5GHz的频率。而在运用Cerebrus的帮助下,1名工程师在10天内的时间里就将频率提升了420MH。这样的生产力提升升可能是每个芯片设计公司都想要看到的结果,因为它消耗更多是CPU的时间而不是工程师自己的时间,更不用说可观的性能提升了。 考虑到Cerebrus正是希腊神话中看守地狱的三头犬Cerberus的易位词,说不定对许多初级工程师来说真的象征着“地狱”之门大开。 但它真正的象征意义可能更接近于大脑“Cerebrum”,为工程师们提供一个拥有自主思考能力的工具,同时也帮助工程师构思更好的芯片设计。据外媒Anandtech了解到,Cadence提供的工具里还会加入回放功能。回放功能会记录增强学习的过程中每一次迭代,这让工程师可以更好地确定设计过程,并理解最终设计。
芯片设计上的人类VS机器学习,已有败绩在这场人类与机器学习的设计大战里,其实人类已经有过败绩了。今年6月9日,谷歌在《自然》杂志上发表了一篇论文,就讲述了谷歌计划用AI来设计下一代AI加速器(TPU)。 该论文着重说明了在机器学习在布局上的优势,自动布局布线已经不是什么新鲜事了,然而机器学习的引入还是为其算法带来了大革新。论文称复杂芯片的设计需太过耗时,工程师需要花上大量时间来布局和迭代其设计,每次设计后最多还要72小时来评估,最终导致工程时长拖到数月之久。 这在AI芯片公司尤其常见,不少大会上AI芯片公司大肆宣扬其核心设计,但最终芯片成品可能要数个月乃至一年后才能推出。只有设计评估工作顺利进行,才会拥有比上一版更优秀的PPA。 在谷歌的实验中,他们根据大量网表和布局建立了一个神经网络。同样在6个小时的设计流程下,该方法生成的floorplan从各个层面上都优于或近似于人类手工设计。人机对比 / Nature上图就是谷歌曾经展示过的人机大战结果,左图为人工设计的floorplan,花费了6至8周的工作时间。而右图是AI设计的floorplan,仅仅花费了24个小时。不过因为包含了机密设计,两张图都已经经过了模糊处理。尽管从这些例子看来,工程师的位置岌岌可危,但这些并不是EDA引入机器学习的意义。Synopsys其实也早在去年推出了AI驱动的设计系统方案DSO.ai,其团队在官方采访中提到:DSO.ai之类方案并非芯片设计的“绿色按钮”,一键按下交由AI自行操作。真正的权力依然掌握在设计者手中,只不过将不少设计工作从手动变为了真正意义上的自动而已。
结语
虽然EDA确实都在逐步引入机器学习,但这与过去的升级其实性质无差,仍然是在为工程师省去重复性的优化排错工作。目前这些工具所能提供的依然是“AI辅助芯片设计”,而不是“AI自动设计芯片”。“自己设计的AI芯片替代自己”的情况在很长一段时间内都不会发生的。再者,编者的工作可能会比诸位工程师更早一步被机器学习和AI替代,届时,它们写出的文章可能会换上一个更有威慑力的标题。最新内容
手机 |
相关内容
黑芝麻智能助力亿咖通科技旗下首款
黑芝麻智能助力亿咖通科技旗下首款智能驾驶计算平台成功量产交付,智能驾驶,计算,助力,首款,交付,智能,近年来,智能驾驶技术逐渐成为硅谷:设计师利用生成式 AI 辅助芯片
硅谷:设计师利用生成式 AI 辅助芯片设计,芯片,生成式,硅谷,优化,修改,方法,在硅谷,设计师们正在利用生成式人工智能(AI)来辅助芯片设计高通骁龙8 Gen4曝光:升级台积电3nm
高通骁龙8 Gen4曝光:升级台积电3nm CPU回归自研架构,升级,台积电,优化,能和,功耗,处理器,高通骁龙8 Gen4是高通公司即将推出的一款NE拒绝一次性芯片,新技术:无线升级芯片
拒绝一次性芯片,新技术:无线升级芯片,芯片,升级,新技术,一次性,智能家居,物联网,一次性芯片是一种在使用后不能再次编程的MAX241CWI集数据中心如何更快、更经济地利用AI
数据中心如何更快、更经济地利用AI?,经济,数据中心,用于,机器学习,计算,自动化运维,数据中心中使用人工智能(AI)技术可以带来许多好处,什么是合封芯片,它与单封芯片有何不
什么是合封芯片,它与单封芯片有何不同?,芯片,系统,升级,集成,接触,功能模块,合封芯片是指将多个芯片整合在一起封装成一个独立的ADV74智能时代的三大核心技术
智能时代的三大核心技术,时代,核心技术,智能,机器学习,数据,学习,智能时代是指在人工智能技术的推动下,人类社会进入了一个智能化的思特威AI系列再添三款全性能升级图
思特威AI系列再添三款全性能升级图像传感器新品,性能,款全,升级,图像质量,传感器,动态,近日,全球领先的图像传感器制造商思特威(Sony)