小编
此文为《中国电子报》原创稿件，转载请标注来源及作者。

高文院士：AI将为芯片设计带来革命性改变_芯片_数据 科技快讯

9月1日，天下人工智能大会在上海举行。
在芯片主题论坛上，中国工程院院士、鹏城实验室主任高文揭橥了题为“人工智能与EDA技能的前瞻性发展”的演讲。
在高文看来，AI的运用将使芯片设计所需的韶光由以月为单位缩短到以分钟为单位；但要使AI发挥浸染，获取数据是最关键的环节。
从宏不雅观来看，人工智能与集成电路的浸染是相互的。
集成电路可以为AI演习供应硬件平台。
现阶段，包括英伟达、华为、谷歌在内的芯片设计企业均推出了自己的GPU或NPU，作为人工智能演习和推理的硬件平台。
同时，在集成电路行业进行芯片设计的过程中， AI也可发挥关键浸染。
AI运用于芯片设计，不仅将帮助芯片设计企业提高设计效率，乃至将会为芯片设计带来革命性的改变。
第一，AI将大幅缩短芯片设计所需韶光，降落芯片设计公司的人工本钱。
芯片设计是一个须要不断优化的过程。
制造、封装完成的产品，有时候不会与工程师芯片设计过程中的预想完备同等，会存在一定的偏差，须要依照设计目标对设计过程和结果进行优化。
在掩膜、布线等芯片制造等环节，也存在须要迭代优化的空间。
AI的浸染，便在于通过深度学习，对芯片设计、制造全流程进行优化。
高文举了一个AI与工程师按照同样的标准设计芯片的比拟案例。
从设计结果来看，工程师设计的芯片尺寸为133μm×254μm,AI设计的芯片面积更小,为130μm×250μm。
仅从外不雅观来看，二者差别不大，但二者在设计速率差了好几个量级，工程师设计的芯片以月为单位，但AI软件设计则因此分钟为单位。
第二，运用AI将有效知足市场对集成电路繁芜程度的需求。
曾有学者称，当前集成电路繁芜程度将呈指数级上升。
要完备靠人工支持集成电路的发展是难以实现也不可持续的。
要实现这一目标，AI是必选项。
若能够将AI引入芯片编译器，则原来须要依赖人工优化布线、布局等事情就可以交给打算机完成。
更主要的是，打算机可实现24小时连续事情。
由此，耗时量高、人力投入最大的事情便可以采取人工智能进行替代。
高文认为，利用人工智能探求最优布线方案是最空想的。
由于该办理方案没有最优解，只有次优解，而且办理方案多种多样，想将办理方案穷举将耗费大量人工劳动韶光。
而人工智能则能够在相对短的韶光内将可能存在的所有的布线方案都穷举出来。
在人工智能完成事情后，工程师须要做的，仅仅是在穷举的结果中挑选一个效果最好的方案即可。
然而，要将AI用于芯片设计，高文认为还有数据来源的问题待办理。
随着韶光推移，采取传统机器学习方法办理的问题将逐渐转向利用深度神经网络办理。
而要采取深度神经网络技能，数据来源最关键。
高文认为，获取数据是采取深度神经网络过程中最难的环节。
比较于人脸识别等功能，集成电路布线的AI学习短缺数据支撑。
当前，获取数据有几个渠道，一是通过开源的项目得到；二是采取过往积累的数据。
这两种来源的数据各自存在局限性。
其一，通过开源项目得到的数据量有限；二是企业自行积累的数据多适用于某一种产品，存在与某特定领域，当离开了该领域，数据便不一定具有可参考性。
高文表示，要使数据跨领域生效，一定程度上可以采取迁移学习的方法实现，以此将既有的数据激活，但仍有大量数据无法通过该办法激活。
从理论上来说，通过小体量样本进行学习找到规律能够实现。
但从实际操作的履历来看，近几年，要想将AI系统激活，使之生效，仍须要大量的数据才可以。
现阶段，部分外洋公司已经能够实现将深度学习集成到其研发工具中；但海内的EDA公司在数字电路方面积累的数据较少，要将深度学习集成到芯片设计环节仍有难度。
至于AI在芯片设计领域的未来发展，高文认为，光子AI芯片将有望成为下一代打算的发展方向。
要采取深度神经网络进行大规模AI打算，将给集成电路的耗电和芯片设计问题带来寻衅。
而若采取光子芯片，则可实现运算速率更快，本钱更低。
高文院士：云脑成为未来网络通信主要支撑
存算一体芯片：AI时期的最佳答案？
作者丨姬晓婷
编辑丨陈炳欣
美编丨马利亚
监制丨连晓东