谷歌让AI芯片学会“生娃”，下一代TPU让AI自己设计设计一个AI芯片有多难？这么说吧，围棋的复杂度是10360，芯片是102500，大家可以感受下...最多需要几个月。现在，人工智能生产力就在这里！AI自己搞定，竟然6小时设计出一个芯片。最近，这项谷歌研究发表在《自然》杂志上。布局时间缩短数倍。一个小芯片包含数十亿个晶体管，这些晶体管由数千万个逻辑门（标准单元）和数千个存储块（称为宏块）组成。确定它们的位置（称为布局规划）对芯片设计至关重要。因为这直接关系到如何布线，进而影响芯片的处理速度和电源效率。但仅仅放置宏块非常耗时，每次迭代都需要数天或数周才能为更多标准单元腾出空间。△完成人工设计和AI设计芯片的布局需要数周甚至数月（灰色块为宏块）。现在，谷歌的研究人员已经提出了一种具有泛化能力的芯片布局方法。它能够从以前的布局中学习并基于深度强化学习生成新的设计。整体架构如下：由于AI模型需要学习100,000个芯片布局，为了保证速度，研究人员设计了奖励机制，根据线路长度和布线拥堵度的近似成本函数进行计算。具体来说，需要将宏单元和标准单元映射到平面画布上，形成一个拥有数百万至数十亿节点的“芯片网表”。AI模型然后针对功率、性能和面积（PPA）等进行优化，输出一个概率分布。下图展示了基于预训练策略的零样本生成和微调的效果，其中每个小矩形代表一个宏块。在预训练策略中，中间留有空间用于放置标准单元。与其他方法相比，谷歌的新方法大大缩短了设计时间，只需不到6小时即可实现性能优化的布局。谷歌：效果不错。研究团队用它来可视化不同策略下的布局效果。从图中可以看出，微调预训练策略的结果明显好于零样本生成。而且，从不同训练时长的效果对比可以看出，在训练2-12小时的情况下，预训练策略优于零样本生成。在不同大小的数据集上进行测试，研究人员发现随着数据集大小的增加，生成的布局质量和收敛时间的结果会更好。谷歌表示该方法适用于任何类型的芯片。它已被用于生产下一代谷歌TPU（加速器芯片）。
