英伟达|芯片设计的超高门槛,正在被AI「粉碎」


英伟达|芯片设计的超高门槛,正在被AI「粉碎」

文章图片


英伟达|芯片设计的超高门槛,正在被AI「粉碎」

文章图片



芯片行业正在发生质变 , 硬件和软件之间的界限被AI打破 。
过去几年 , 芯片行业的市场竞争发生了一些有趣的变化 。 PC处理器市场 , 长久以来的霸主英特尔面对着AMD的猛烈攻势 。 手机处理器市场 , 高通已经连续五个季度让出了出货量第一的宝座 , 联发科意气风发 。
传统芯片巨头们竞争加剧之时 , 擅长软件和算法的科技巨头们相继开始自研芯片 , 让芯片行业的竞争变得更加有趣 。
这些变化的背后 , 一方面是因为2005年之后摩尔定律变缓 , 更重要的是数字化迅速发展所带来的差异化需求 。
芯片巨头们提供的通用芯片性能固然可靠 , 而自动驾驶、高性能计算、AI等日益庞大而多种多样的应用需求 , 在性能之外更多的是追求差异化的功能 , 科技巨头们不得不开始自研芯片 , 以巩固其对终端市场的把握能力 。
芯片市场竞争格局变化的同时 , 可以看到芯片行业将会迎来更大的变革 , 推动这一切变革的因素正是近几年非常火热的AI 。
有业界专家说 , AI技术会给整个芯片行业带来颠覆性变化 。 新思科技首席创新官、AI实验室负责人、全球战略项目管理副总裁王秉达对雷峰网表示 , “如果说是用引入AI技术的EDA(Electronic Design Automation)工具设计芯片 , 我认同这种说法 。 ”
如果将AI应用于芯片设计的单个环节 , 能够把经验丰富工程师的积累融入EDA工具中 , 大幅降低芯片设计的门槛 。 如果将AI应用于芯片设计的整个流程 , 同样可以利用已有的经验优化设计流程 , 显著缩短芯片设计周期的同时 , 提升芯片性能 , 降低设计成本 。
1 芯片行业“质变”
摩尔定律持续有效的二十多年间 , 芯片公司们借助晶体管的持续微缩 , 就能够获得性能和能效的持续大幅提升 。 因此 , 过去几十年间 , 硬件和软件可以说是“井水不犯河水” , 通用的硬件有固定的架构 , 算力持续提升 , 产品以年为周期更新 。 系统公司在通用芯片的基础上 , 在软件层面创新 , 产品以周甚至天进行迭代 。
“现在的趋势是软硬件联合设计 , 芯片的软件和硬件界限不再那么分明 。 ”王秉达指出 , “打破这种界限是AI芯片的出现 , 因为AI芯片的架构不像CPU、GPU一样固定 , AI芯片的设计者可以根据应用的需求 , 组合通用的AI算子设计出专用架构和芯片 。 ”
新思科技全球总裁兼首席运营官Sassine Ghazi也表示 , 数字化趋势下 , 大型系统级公司纷纷自研芯片 , 通过定制芯片来优化其应用程式或工作负载 。 在中国市场 , 包括汽车的电气化和无人驾驶、AI、超大规模的数据中心在内的细分市场正在发生重大转变 , 他们都希望通过定制SoC来实现系统的差异化 , 从而找到整体业务的差异点 , 拥有差异化的竞争优势 。 只有拥有更好的芯片 , 才能使他们的系统架构与众不同 。 而领域专用架构(DSA , Domain Specific Architecture)能够体现出他们的系统架构的独特优势之处 。
也就是说 , 领域专用架构可以让芯片设计者决定部分算法变成硬件、部分算法继续采用软件方式 , 以更加灵活的方式 , 通过软硬更好的协同 , 更加高效地满足最终应用的需求 。 这样一来 , 架构创新成为了接下来芯片领域竞争的关键 。
2019年初 , 两位图灵奖者John L. Hennessy 和 David A. Patterson发表了一篇长篇报告《A New Golden Age for Computer Architecture》 , 他们展望未来的十年将是计算机体系架构领域的“新的黄金十年” 。 在王秉达看来 , 这可能需要能够自动进行架构探索的EDA新工具 , 如综合深度学习加速器来更好地适配特定应用的需求 。

“架构的变化会带来非常多不确定性 , 以往通用芯片的架构确定 , 主要是在制程方面进行提升 。 ”王秉达说 , “新思提出的SysMoore理念 , 则要把从架构到制程再到系统层面的所有因素都考虑在内 , 带来的变化和不确定性完全依靠传统方式无法解决 , AI能够发挥很大的作用 。 ”
除了不确定性 , 架构的创新也要求芯片从设计到生产应有的周期大幅缩短 , 否则难以快速满足需求的变化 。
早在2018年 , 美国国防部高级研究计划局(DARPA)就提出了两个新的项目IDEA(Intelligent Design of Electronic Assets)和POSH(Posh Open Source Hardware) , 目标正是从IP和EDA两个维度缩短芯片设计的流程 , 节省研发时间 。