晶片行業正在發生質變，硬體和軟體之間的界限被AI打破。
”
作者 | 包永剛
編輯 | 王亞峰
過去幾年，晶片行業的市場競爭發生了一些有趣的變化。PC處理器市場，長久以來的霸主英特爾面對著AMD的猛烈攻勢。手機處理器市場，高通已經連續五個季度讓出了出貨量第一的寶座，聯發科意氣風發。
傳統晶片巨頭們競爭加劇之時，擅長軟體和演算法的科技巨頭們相繼開始自研晶片，讓晶片行業的競爭變得更加有趣。
這些變化的背後，一方面是因為2005年之後摩爾定律變緩，更重要的是數字化迅速發展所帶來的差異化需求。
晶片巨頭們提供的通用晶片效能固然可靠，而自動駕駛、高效能計算、AI等日益龐大而多種多樣的應用需求，在效能之外更多的是追求差異化的功能，科技巨頭們不得不開始自研晶片，以鞏固其對終端市場的把握能力。
晶片市場競爭格局變化的同時，可以看到晶片行業將會迎來更大的變革，推動這一切變革的因素正是近幾年非常火熱的AI。
有業界專家說，AI技術會給整個晶片行業帶來顛覆性變化。
新思科技首席創新官、AI實驗室負責人、全球戰略專案管理副總裁王秉達對雷峰網表示，“如果說是用引入AI技術的EDA（Electronic Design Automation）工具設計晶片，我認同這種說法。”
如果將AI應用於晶片設計的單個環節，能夠把經驗豐富工程師的積累融入EDA工具中，大幅降低晶片設計的門檻。如果將AI應用於晶片設計的整個流程，同樣可以利用已有的經驗最佳化設計流程，顯著縮短晶片設計週期的同時，提升晶片效能，降低設計成本。
1
晶片行業“質變”
摩爾定律持續有效的二十多間年，晶片公司們藉助電晶體的持續微縮，就能夠獲得性能和能效的持續大幅提升。因此，過去幾十年間，硬體和軟體可以說是“井水不犯河水”，通用的硬體有固定的架構，算力持續提升，產品以年為週期更新。系統公司在通用晶片的基礎上，在軟體層面創新，產品以周甚至天進行迭代。
“現在的趨勢是軟硬體聯合設計，晶片的軟體和硬體界限不再那麼分明。”王秉達指出，“打破這種界限是AI晶片的出現，因為AI晶片的架構不像CPU、GPU一樣固定，AI晶片的設計者可以根據應用的需求，組合通用的AI運算元設計出專用架構和晶片。”
新思科技全球總裁兼營運長Sassine Ghazi也表示，數字化趨勢下，大型系統級公司紛紛自研晶片，透過定製晶片來最佳化其應用程式或工作負載。在中國市場，包括汽車的電氣化和無人駕駛、AI、超大規模的資料中心在內的細分市場正在發生重大轉變，他們都希望透過定製SoC來實現系統的差異化，從而找到整體業務的差異點，擁有差異化的競爭優勢。只有擁有更好的晶片，才能使他們的系統架構與眾不同。而領域專用架構（DSA，Domain Specific Architecture）能夠體現出他們的系統架構的獨特優勢之處。
也就是說，領域專用架構可以讓晶片設計者決定部分演算法變成硬體、部分演算法繼續採用軟體方式，以更加靈活的方式，透過軟硬更好的協同，更加高效地滿足最終應用的需求。這樣一來，架構創新成為了接下來晶片領域競爭的關鍵。
2019年初，兩點陣圖靈獎者John L。 Hennessy 和 David A。 Patterson發表了一篇長篇報告《A New Golden Age for Computer Architecture》，他們展望未來的十年將是計算機體系架構領域的“新的黃金十年”。在王秉達看來，這可能需要能夠自動進行架構探索的EDA新工具，如綜合深度學習加速器來更好地適配特定應用的需求。
“架構的變化會帶來非常多不確定性，以往通用晶片的架構確定，主要是在製程方面進行提升。”王秉達說，“新思提出的SysMoore理念，則要把從架構到製程再到系統層面的所有因素都考慮在內，帶來的變化和不確定性完全依靠傳統方式無法解決，AI能夠發揮很大的作用。”
除了不確定性，架構的創新也要求晶片從設計到生產應有的週期大幅縮短，否則難以快速滿足需求的變化。
早在2018年，美國國防部高階研究計劃局（DARPA）就提出了兩個新的專案IDEA（Intelligent Design of Electronic Assets）和POSH（Posh Open Source Hardware），目標正是從IP和EDA兩個維度縮短晶片設計的流程，節省研發時間。
AI與EDA的融合，能夠從根本上解決這些挑戰。
2
AI技術將顛覆晶片設計
今年六月，谷歌團隊在國際頂級期刊Nature上發表了一篇題為《一種用於加速晶片設計的佈局規劃方法（Chip Design with Deep Reinforcement Learning）》的論文，文章指出，利用深度學習，人類工程師需要數月完成的工作，谷歌用AI僅需要6小時就能達到相同效果，提升達到數百倍。
王秉達說：“採用具有AI技術的EDA工具來設計晶片，時間肯定會縮短，這是毋庸置疑的，只是時間縮短的幅度有所不同。”
AI能夠縮短晶片設計週期的原因並不複雜，主要是讓AI先透過學習，有了知識的累積，在後續使用的過程中遇到相同或者類似的問題能夠以更快的速度解決問題，所以帶有AI的EDA可以節省晶片設計週期幾乎是一個定論。
AI應用於EDA有兩種形式，由於晶片設計是一個很長的複雜流程，整個過程中可能需要十幾個EDA工具，因此AI既可以應用於EDA點工具中來最佳化單個晶片設計環節，也可以用於整個晶片設計流程的最佳化。
如果是用於單個EDA點工具中，其發揮的作用就相當於經驗共享，能夠讓一個只有幾年工作經驗的工程師，能夠達到有豐富經驗設計者的水平。
“目前晶片架構的設計依賴架構師的經驗，如果能夠把架構師累積的經驗，藉助AI技術融入EDA工具中，就可以大幅降低晶片設計的門檻，效率也能大幅提升。”王秉達指出。
如果是貫穿在整個晶片設計流程中的AI，就需要開發者對於AI執行的方式有所瞭解。王秉達解釋，“用AI技術最佳化晶片設計的流程，需要客戶根據實際進度不斷進行調節。比如傳統的流程中每一步的用時和順序都很固定，完成前面的步驟才會進入後續步驟。加入AI之後，可能步驟一的時間只需要原來的一半，步驟二時間只需要原來的十分之一，這時候就需要使用者進行相應的調整。”
當然，將AI與EDA工具融合不僅可以顯著節省研發時間，還能帶來晶片效能的提升和設計成本的降低。
以新思科技的DSO。ai為例，美國頭部IDM廠商採用DSO。ai後成果顯著，晶片設計的時間提升2-5倍，SoC晶片能耗整體提升9%。將DSO。ai應用於不同型別晶片的設計流程，僅需一位工程師就能帶來顯著的時間節省和效能提升。
“不同型別和場景的晶片，AI能帶來的提升並不相同。這是因為，晶片整個設計過程需要經歷幾百萬或者上千萬個步驟，不同的流程AI帶來的提升程度並不一致，同時，上一步最佳化的結果影響著下一步AI提升的效果。”王秉達指出，“EDA加入AI之後，在節省晶片設計時間的同時，在相同時間內就可以讓設計師專注於最佳化效能和做核心功能的創新，自然更容易設計出效能更好的晶片，整體的成本也能夠相應降低。”
未來，從晶片的架構設計、製造以及封裝的全流程都會融入AI技術。
至於晶片設計的週期能否從以年為單位變為以月為單位，王秉達認為，透過AI + EDA大幅縮短晶片設計環節的週期是明確的，但縮短晶片從設計到製造的整個生命週期還需要整個產業鏈的共同努力。
3
晶片差異化競爭的時代
進一步探討AI將給晶片行業帶來的變革之前，需要先解答一個疑問。
AI發展的一個關鍵要素是足夠多的資料，訓練EDA的AI資料足夠嗎？
王秉達說：“EDA本身就是一個精密科學，即使在AI到來之前，EDA中就有精確的演算法，計算出來的資料我們稱之為‘黃金資料’。AI的出現，讓我們可以更好的利用黃金資料訓練，讓EDA工具變得更加智慧。”
“EDA的AI對資料的依賴也沒有許多行業那麼強，但也需要使用者的反饋，幫助我們持續提高EDA工具的智慧化水平。新思的獨特優勢在於，我們擁有晶片設計全流程的工具，這讓我們可以在整個程中都使用AI，帶來更顯著的全面提升。”王秉達進一步表示。
當用戶的設計與訓練好的工具有重合性時，就能迅速完成大部分的設計，節省大量時間，剩下的工作就是一些最佳化的工作。
“使用者也可以使用他們擁有的資料對EDA工具進行二次訓練，這樣客戶就可以擁有更個性化和定製化的工具，設計出更有特色的產品。”王秉達說，“我們的大部分產品都會開放這個介面。”
但要更好發揮AI在晶片設計中的作用，如何找到結合點成為挑戰。“要發揮AI在晶片設計中的最大效益，難點在於找到AI與具體領域最巧妙的結合點，這時候就依賴設計者對於專用領域的認知。”王秉達認為。
在這樣的競爭中，系統公司的優勢更加明顯。他們對自身的業務更加了解，對演算法的瞭解更加深入，並且有大量資料，只是欠缺晶片設計的經驗。但融入AI的EDA工具，恰好能降低系統公司設計晶片的門檻，還能幫他們更快、更好地設計出晶片。
“我相信，AI +EDA工具會很快從數字設計應用到幾乎所有領域，幾年內，所有晶片設計的流程裡都會有AI。”王秉達表示。
那時候，晶片行業的競爭，可能會演變為系統公司領域專用晶片之間的競爭。通用晶片公司又將怎麼面對這樣的競爭呢？
王秉達認為，通用晶片公司的優勢在於對晶片架構的瞭解，能夠以合適的工藝，以最優的成本按時間視窗把晶片做出來，但缺乏的是對系統、終端應用的深入瞭解。晶片設計公司需要找到好的系統公司合作深入挖掘需求，以提供靈活的、能適應多個終端應用的通用晶片。
面對這兩類客戶，新思科技提供的是完全不同的服務。對於系統公司，目標是透過各種IP模組和設計工具幫助他們解決晶片架構和工藝的選擇；對於通用晶片公司，目標是透過模擬驗證、快速原型等更快、更易用的工具，使晶片生產出來之前就能模擬出實際的效能、功耗等表現，節約成本和設計週期。
END
