減少對工程師的依賴　Google使用人工智慧設計專用半導體

編譯／高晟鈞

隨著Nvidia和AMD等半導體巨頭不停競爭，開發更快、更高效的晶片，企圖滿足企業對於生成式AI功能不斷增長的需求。然而，Google、Amazon等雲計算巨頭，也不停在設計自己的人工智能晶片，整個時代已經進入了晶片競賽的群雄並起時代。

提高晶片性能的傳統思維，是建立在一種名為摩爾定律的概念上。簡單來說，即晶片中晶體管的數量，大約每兩年就會增加一倍。然而，隨著晶體管即將到達物理極限，性能的提升將來自於設計更小的專用晶片；而這也是Nvidia所開發的GPU為何能使其成為世界新霸主的原因。

更多新聞：群雄割據　誰是緊跟Nvidia人工智慧晶片革命的挑戰者

Google的DeepMind研究員表示，他們正在探索利用人工智能，試圖改進其所設計的電腦晶片，稱為TPU或是張量處理單元。

大約18個月前，DeepMind開始進行人工智能的研究，希望在晶片設計階段，將電路行為的描述，成功轉化為真實電路。電腦晶片由數百萬個「邏輯電路」所構成，雖然手動優化其中一些問題很容易，但解決數百萬個問題可謂是癡人說夢。

通過應用人工智能加速邏輯電路的設計，DeepMind的目標是使晶片的設計更加自動化、高效，並減少對人類硬件工程師的依賴。DeepMind突破的關鍵在於它對深度學習的使用。深度學習是一種使用大型訓練數據集和AI神經網絡對模式進行分類的技術，換句話說，這是機器從數據中學習的一種方式，而這些數據大致模仿了人腦學習解決問題的方式。

對於晶片設計，DeepMind使用了一種稱為「電路神經網絡」的方法。透過類似訓練神經網絡的形式，實際上卻是正在設計電路，將其實體化。

Alphabet公司的顧問便David Pan表示：「DeepMind的邏輯綜合深度學習方法，為解決邏輯綜合問題提供了一個有趣的新方向。而這種優化，將適用於所有晶片，無論是ASIC、CPU或是GPU。」
資料來源:wsj.com

瀏覽 1,183 次