看板 Tech_Job
作者
標題 [分享] Layout工程師很危險，Google自動晶片設計
時間 Fri Sep 27 13:36:58 2024
作者
標題 [分享] Layout工程師很危險，Google自動晶片設計
時間 Fri Sep 27 13:36:58 2024
Layout工程師很危險，Google自動晶片設計AlphaChip問世
https://www.jiqizhixin.com/articles/2024-09-27-5
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 | 机器之心 2020 年，谷歌发表了预印本论文《Chip Placement with Deep Reinforcement Learning》，介绍了其设计芯片布局的新型强化学习方法。 ...
2020 年，Google發表了預印本論文《Chip Placement with Deep Reinforcement
Learning》，介紹了其設計晶片佈局的新型強化學習方法。後來在2021 年，Google又發
表在Nature 上並開源了出來。
今天，Google發表了這篇Nature 文章的附錄，更詳細介紹了這個方法及其對晶片設計領
域的影響。同時， Google也開放了一個在20 個TPU 模組上預先訓練的檢查點，分享模型
權重並命名為「AlphaChip」 。
域的影響。同時， Google也開放了一個在20 個TPU 模組上預先訓練的檢查點，分享模型
權重並命名為「AlphaChip」 。
Nature 附錄網址：https://www.nature.com/articles/s41586-024-08032-5
預訓練檢查點位址：
https://github.com/google-research/circuit_training/?tab=readme-ov-file#PreTrainedModelCheckpoint
GitHub - google-research/circuit_training
![[圖]]()
Contribute to google-research/circuit_training development by creating an account on GitHub. ...
谷歌首席科學家Jeff Dean 表示，開放預訓練AlphaChip 模型檢查點以後，外部用戶可以
更輕鬆地使用AlphaChip 來啟動自己的晶片設計。
計算機晶片推動了 AI 的顯著進步，AlphaChip 利用 AI 來加速和優化晶片設計。該方法
已被用於設計Google自訂 AI 加速器（TPU）最近三代的“超人”晶片佈局。
作為首批用於解決現實世界工程問題的強化學習方法，AlphaChip 只需要數小時便能完成
媲美或超越人類的晶片佈局，而無需再花費數週或數月人工努力。而此方法設計的佈局已
應用於世界各地的晶片，覆蓋場景包括資料中心到手機。
媲美或超越人類的晶片佈局，而無需再花費數週或數月人工努力。而此方法設計的佈局已
應用於世界各地的晶片，覆蓋場景包括資料中心到手機。
GoogleDeepMind 表示，AlphaChip 已經徹底改變了我們設計微晶片的方式，從幫助設計
用於建立AI 模型的SOTA TPU 到資料中心CPU，它的廣泛影響已經擴展到了Alphabet 內外
。
用於建立AI 模型的SOTA TPU 到資料中心CPU，它的廣泛影響已經擴展到了Alphabet 內外
。
GoogleDeepMind 聯合創始人兼CEO Demis Hassabis 表示，如今我們形成了這樣一種反饋
迴路：訓練SOTA 晶片設計模型（AlphaChip）→使用AlphaChip 來設計更好的AI 晶片→
使用這些AI 晶片來訓練更好的模型→再設計更好的晶片，這正是GoogleTPU 堆疊表現如
此好的部分原因。
各路網友對Google的AlphaChip 寄予厚望，稱「晶片設計晶片的時代來了」，也預言谷歌
將贏得未來AGI 之爭。
AlphaChip 是如何運作的？
晶片設計並非易事，部分原因在於電腦晶片由許多相互連接的塊組成，這些塊具有多層電
路元件，所有元件都通過極細的導線連接。此外，晶片還有很多複雜且相互交織的設計約
束，設計時必須同時滿足所有約束。由於這些複雜性，晶片設計師們在60 多年來一直在
努力實現晶片佈局規劃過程的自動化。
路元件，所有元件都通過極細的導線連接。此外，晶片還有很多複雜且相互交織的設計約
束，設計時必須同時滿足所有約束。由於這些複雜性，晶片設計師們在60 多年來一直在
努力實現晶片佈局規劃過程的自動化。
與AlphaGo 和 AlphaZero 類似，Google建構了AlphaChip，將晶片佈局規劃視為一種遊戲
。
AlphaChip 從空白網格開始，一次放置一個電路元件，直到完成所有元件的放置。然後根
據最終佈局的品質給予獎勵。谷歌提出了一種新穎的「基於邊」的圖神經網路使
AlphaChip 能夠學習互連晶片元件之間的關係，並在整個晶片中進行推廣，讓AlphaChip
在其設計的每個佈局中不斷進步。
Google借助AI 設計AI 加速器晶片
自2020 年發布以來，Google已經採用AlphaChip 為每一代Google TPU 產生超級晶片佈局
。這些晶片使得大規模擴展基於 Google Transformer 架構的AI 模型成為可能。
TPU 作為Google強大的生成式AI 系統的核心，應用範圍從大語言模型（如Gemini）到圖
像和視訊生成器（Imagen 和Veo）。這些TPU 是Google AI 服務的核心，可透過Google
Cloud 供外部用戶使用。
像和視訊生成器（Imagen 和Veo）。這些TPU 是Google AI 服務的核心，可透過Google
Cloud 供外部用戶使用。
為了設計TPU 佈局，AlphaChip 首先在前幾代的各種晶片區塊上進行練習，例如片上和晶
片間網路區塊、記憶體控制器和資料傳輸緩衝區。這個過程稱為預訓練。然後谷歌在當前
的TPU 區塊上運行AlphaChip 以產生高品質的佈局。與之前的方法不同，AlphaChip 解決
了更多晶片佈局任務實例，因此變得更好、更快，就像人類專家所做的那樣。
片間網路區塊、記憶體控制器和資料傳輸緩衝區。這個過程稱為預訓練。然後谷歌在當前
的TPU 區塊上運行AlphaChip 以產生高品質的佈局。與之前的方法不同，AlphaChip 解決
了更多晶片佈局任務實例，因此變得更好、更快，就像人類專家所做的那樣。
隨著每一代新TPU（包括Google最新的Trillium（第6 代））的推出，AlphaChip 設計出
了更好的晶片佈局並提供了更多的整體平面圖，從而加快了設計週期並產生了性能更高的
晶片。
了更好的晶片佈局並提供了更多的整體平面圖，從而加快了設計週期並產生了性能更高的
晶片。
AlphaChip 帶來的更廣泛影響
AlphaChip 的影響力體現在Alphabet、研究界和晶片設計產業的應用。除了設計TPU 等專
用AI 加速器外，AlphaChip 還為Alphabet 的其他晶片設計佈局，例如Google Axion 處
理器，這是Google首款基於Arm 的通用資料中心CPU。
用AI 加速器外，AlphaChip 還為Alphabet 的其他晶片設計佈局，例如Google Axion 處
理器，這是Google首款基於Arm 的通用資料中心CPU。
外部組織也在採用和建構AlphaChip。例如，全球頂級晶片設計公司之一聯發科擴展了
AlphaChip，以加速其最先進晶片（如三星手機使用的Dimensity Flagship 5G）的開發，
同時提高了功耗、性能和晶片面積。
AlphaChip 引發了晶片設計AI 工作的爆炸性增長，並已擴展到晶片設計的其他關鍵階段
，例如邏輯綜合和巨集選擇。
開創晶片新未來
谷歌堅信，AlphaChip 有潛力優化從運算架構到製造的晶片設計週期的每個階段，並改變
智慧型手機、醫療設備、農業感測器等日常設備中客製化硬體的晶片設計。
目前，AlphaChip 的未來版本正在開發中。谷歌期待與社群合作，繼續改變自動晶片設計
領域，進而在未來迎來速度更快、價格更低、能源效率更高的晶片。
參考連結：
https://deepmind.google/discover/blog/how-alphachip-transformed-computer-chip-design/
How AlphaChip transformed computer chip design - Google DeepMind
![[圖]]()
Our AI method has accelerated and optimized chip design, and its superhuman chip layouts are used in hardware around the world. AlphaChip was one of t ...
![[圖]](https://lh3.googleusercontent.com/Y_xdq8eqcQlZXYk-MZ2OWPpppmWG6LAQ8DZ-LZFUh8TV5s2TBb3RK_VkMUe-skRzIop5aP6Ot9xPMWFaWmenz55EwxVFCMszpTg2EzsyOd6ftlllGyE=w1200-h630-n-nu)
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.253.153.36 (臺灣)
※ 作者: jackliao1990 2024-09-27 13:36:58
※ 文章代碼(AID): #1czaI9jJ (Tech_Job)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1727415433.A.B53.html
推 : 當他們走向 客服 繪師 碼農的時候 我沒幫他們出聲1F 09/27 13:43
推 : 真的QQ2F 09/27 13:55
推 : 這個自動佈線完,不也要RD review
layout 去改
難道可以直接下晶片？3F 09/27 13:56
layout 去改
難道可以直接下晶片？3F 09/27 13:56
推 : 之前講軟體工程師失業. 感覺硬體也差不多了6F 09/27 14:01
推 : 就是以前十個人在拉線 現在只要一個有經驗的review7F 09/27 14:01
推 : 那他們的 TPU 做的如何8F 09/27 14:02
推 : 本來就會一直有新的tool,但是要人去做確認9F 09/27 14:06
推 : 自動佈線不是很久以前的題目嗎？現在市場主流的CPU和GPU還有純人工佈線的嗎？10F 09/27 14:08
推 : 中國的外包廠還有人工的吧？12F 09/27 14:12
推 : 認命點直接下fab當製程13F 09/27 14:14
噓 : AI繞線比你強 還需要你確認嗎?
alpha go下圍棋 還需要人去確認有沒有下對嗎?14F 09/27 14:33
alpha go下圍棋 還需要人去確認有沒有下對嗎?14F 09/27 14:33
→ : 這家晶片也沒多強 在台灣連前五都排不上
幾年前就發peper說可以自動合成電路 結果勒？16F 09/27 14:41
幾年前就發peper說可以自動合成電路 結果勒？16F 09/27 14:41
推 : 拿layout說硬體工程師差不多 哈哈哈18F 09/27 14:43
推 : 阿法狗輸給李世石那場，就是出了很離譜的錯誤。但因為是比賽，所以賽後才去修bug。
下錯那手，黃博士馬上搖了搖頭。但還是只能下那手臭棋19F 09/27 14:47
下錯那手，黃博士馬上搖了搖頭。但還是只能下那手臭棋19F 09/27 14:47
推 : 看不太懂 這個跟APR tool差在哪23F 09/27 15:14
推 : 重點是要有人comment24F 09/27 15:17
推 : 叫AI自己Layout自己模擬自己出Gerber25F 09/27 15:22
推 : 他就是操作APR tool的工程師，這種死的東西好取代26F 09/27 15:24
推 : 靠北不就Apr27F 09/27 15:24
→ : 反正APR也就是經驗法則，try and error而已
程式邏輯都能取代了，這種死背的學會秒給最佳解28F 09/27 15:25
程式邏輯都能取代了，這種死背的學會秒給最佳解28F 09/27 15:25
推 : 當然是請一個年薪300~400萬的on call的頂級拉線仔，火掉10個年薪百萬拉線仔， 來回省600萬老闆每年可以換一台車耶
誰管你們layout免洗筷要求加個班還唧唧歪歪的30F 09/27 15:29
誰管你們layout免洗筷要求加個班還唧唧歪歪的30F 09/27 15:29
→ : HW永遠似乎不受影響 因為HW的bug常常連自己要debug什麼都不知道34F 09/27 15:38
→ : 不就是多一個工具嗎36F 09/27 15:42
推 : 這是快速最佳化APR好嗎，deepmind原文有寫MTK已經使用了37F 09/27 15:43
推 : 自動化應該是趨勢 小公司可能不太能花錢導入 不過大公司現在架構這麼複雜 不太可能找一堆人來Layout 或是把人操到掛掉 很多事情都要想辦法自動化來做39F 09/27 15:49
推 : HW就是等哪天機器手臂可以進RD工作區rework再量測才會被取代42F 09/27 15:49
推 : 應該和圍棋一樣，本來是帶譜走棋，演化zero ，apr工具會進化吧
從規則走線，變ai 怖局走線
會改叫操作Ai 工程師44F 09/27 15:57
從規則走線，變ai 怖局走線
會改叫操作Ai 工程師44F 09/27 15:57
推 : 的確，原本EDA tool暴力嘗試無法試出好的走線，AI玩久了直接生出神之一手也是可能的48F 09/27 15:59
推 : Layout跟APR是不一樣的領域，到底是在講哪一種？Layout讓AI來畫還不可能吧，若是APR那本來就是tool 在擺放跟繞線，所以Cadence或Synopsys也可以講我們是AI囉50F 09/27 16:17
推 : AI 設計然後工廠做不出來，一直怪罪工廠54F 09/27 17:03
→ : 只要有人可以罵就行
到最後gg扛55F 09/27 17:23
到最後gg扛55F 09/27 17:23
→ : routing強沒什麼用。經驗豐富的工程師，畫出來，各公司幹有一堆rule check。然後製造又不可能完美導致要來回改，來料又各種問題。問題根本不在routing，或者說routing一直都是最單純的。57F 09/27 17:34
推 : 一堆人沒看deepmind原文就在噴。笑死61F 09/27 17:38
推 : 現在晶片架構複雜 project 一堆GY的 request 要符合== APR要搞好還是得要一堆人力62F 09/27 18:09
→ : 聽起來是不是以後我電腦的小畫家繞完線就可以下給台積電？也沒這麼難嘛64F 09/27 18:12
--