英偉達(dá)用AI設(shè)計(jì)GPU：最新H100已經(jīng)用上，比傳統(tǒng)EDA減少25%芯片面積
H100有近13000條電路由AI設(shè)計(jì)
白交 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
英偉達(dá)終于揭曉：
H100竟有近13000條電路，是AI設(shè)計(jì)的？！
在最新論文中，他們介紹了如何用深度強(qiáng)化學(xué)習(xí)agent設(shè)計(jì)電路的方法。
據(jù)研究人員稱，這種方法還屬業(yè)內(nèi)首次。
值得一提的是，這篇文章包含參考文獻(xiàn)在內(nèi)，僅有短短6頁(yè)。
不少網(wǎng)友表示，太酷了！
靠玩游戲來學(xué)習(xí)構(gòu)建電路架
隨著摩爾定律變慢，開發(fā)其他技術(shù)來提高芯片性能變得愈發(fā)重要。
設(shè)計(jì)更小、更快、功耗更低的算術(shù)電路，就是其中的方式之一。
基于這樣的背景，研究人員提出了PrefixRL——用深度強(qiáng)化學(xué)習(xí)優(yōu)化并行前綴電路。
據(jù)研究人員介紹，他們不僅證明了AI可以從頭開始設(shè)計(jì)電路，而且比EDA工具設(shè)計(jì)得更小、更快。
最新英偉達(dá)Hopper架構(gòu)就擁有13000個(gè)AI設(shè)計(jì)電路的實(shí)例。
來具體看看這項(xiàng)研究。
本文主要研究了一種流行的并行前綴電路，著重討論了電路的兩大特性：電路面積和延遲。
已有的優(yōu)化基本思路，是使用電路發(fā)生器將前綴圖形轉(zhuǎn)換為帶有導(dǎo)線和邏輯門的電路，再用物理綜合工具進(jìn)一步優(yōu)化。
他們將算術(shù)電路設(shè)計(jì)看作是一個(gè)強(qiáng)化學(xué)習(xí)任務(wù)，訓(xùn)練一個(gè)agent來優(yōu)化兩大特性。
對(duì)于前綴電路，還設(shè)計(jì)了一個(gè)環(huán)境。
在這個(gè)環(huán)境中agent玩構(gòu)建電路架構(gòu)（前綴圖形）的游戲，可以從中添加or刪除節(jié)點(diǎn)，會(huì)因?yàn)殡娐访娣e最小化和低延遲而獲得獎(jiǎng)勵(lì)。
研究人員使用Q-Learning算法來訓(xùn)練agent。
首先將前綴圖表示成網(wǎng)格，網(wǎng)格中的每個(gè)元素都映射到電路中的節(jié)點(diǎn)。
輸入和輸出均為網(wǎng)格，只不過輸入網(wǎng)格中的每個(gè)元素表示節(jié)點(diǎn)是否存在，輸出每個(gè)元素則表示用于添加或刪除節(jié)點(diǎn)的Q值。
在實(shí)際訓(xùn)練中，PrefixRL是一項(xiàng)計(jì)算要求很高的任務(wù)：物理模擬每個(gè)GPU需要256個(gè)CPU，訓(xùn)練64b用例花費(fèi)超32000個(gè)GPU小時(shí)。
為此，研究人員還開發(fā)了個(gè)分布式強(qiáng)化學(xué)習(xí)訓(xùn)練平臺(tái)Raptor。
結(jié)果顯示，在相同延遲、效能下PrefixRL加法器面積比EDA工具加法器面積減少了25%。
研究團(tuán)隊(duì)
本次研究來自英偉達(dá)應(yīng)用深度學(xué)習(xí)研究小組。
他們希望這個(gè)方法有希望讓AI應(yīng)用到實(shí)際電路設(shè)計(jì)問題當(dāng)中去。
近年來，AI設(shè)計(jì)芯片這件事兒很多科技公司都已經(jīng)在展開。
最典型如谷歌，去年6月在Nature上發(fā)表了一篇文章：A graph placement methodology for fast chip design。
文中表示，AI能在6個(gè)小時(shí)內(nèi)生成芯片設(shè)計(jì)圖，而且比人類設(shè)計(jì)得更好。
還有像三星、新思、cadence等企業(yè)也都有相應(yīng)的解決方案。
前陣子在英偉達(dá)GTC大會(huì)上，首席科學(xué)家、計(jì)算機(jī)架構(gòu)大師Bill Dally就分享了AI在芯片設(shè)計(jì)上的幾種應(yīng)用。
包括預(yù)測(cè)電壓降、預(yù)測(cè)寄生參數(shù)、布局布線、自動(dòng)化標(biāo)準(zhǔn)單元遷移。
不過，即便進(jìn)展頻頻，也有不少質(zhì)疑的聲音出現(xiàn)，比如，設(shè)計(jì)能力跟人類比還差點(diǎn)。
對(duì)于AI設(shè)計(jì)芯片這事兒，你怎么看？
參考鏈接：
[1]https://developer.nvidia.com/blog/designing-arithmetic-circuits-with-deep-reinforcement-learning/
[2]https://arxiv.org/pdf/2205.07000.pdf
[3]https://twitter.com/rjrshr/status/1545446397759016962
[4]https://www.hpcwire.com/2022/04/18/nvidia-rd-chief-on-how-ai-is-improving-chip-design/
— 完 —
- 英偉達(dá)最新芯片B30A曝光2025-08-20
- AI應(yīng)用如何落地政企？首先不要卷通用大模型2025-08-12
- 本科必學(xué)Dijkstra算法被超越！清華段然團(tuán)隊(duì)打破圖靈獎(jiǎng)得主證明的普遍最優(yōu)性2025-08-09
- 智能體邁入L4 時(shí)代！納米AI多智能體蜂群，可創(chuàng)作最長(zhǎng)10分鐘AI視頻2025-08-06
相關(guān)閱讀
英偉達(dá)400億美元收購(gòu)ARM要泡湯？英國(guó)出手調(diào)查了，結(jié)果未知
1月6日，英國(guó)CMA（The Competition and Markets Authority）宣布，將對(duì)英偉達(dá)公司（Nvidia Corp）400億美元收購(gòu)英國(guó)芯片設(shè)計(jì)商ARM的交易展開調(diào)查。
訓(xùn)練NeRF只需5秒？！英偉達(dá)這項(xiàng)新技術(shù)給谷歌研究員整不會(huì)了 | 開源
實(shí)現(xiàn)了幾個(gè)數(shù)量級(jí)訓(xùn)練加速。
