源自:创事记 除了芯片本身,在芯片设计工具和方法学上(EDA领域),我们也越来越多的看到Google的影子:把AI引入芯片后端设计[2][3];开展Cloud上的芯片验证,参与CHIP Alliance;CIRCT(MLIR for hardware)[4]和XLS(高层次综合)[5]这样的开源项目。
虽然有些工作还只是一些初步的尝试,但其探索的方向有重要的意义,而Google的系统性技术优势和号召力也让这些探索更具成功的可能。
系统· 芯片
我们还是先从芯片说起。Google的TPU已经开发了好几代了(最新的TPU4已经在MLPerf露了脸,「AI训练芯片巅峰对决,如何正确『围观』?」),今年的Hot Chips上也介绍了架构的演进「Google’s Training Chips Revealed:TPUv2 and TPUv3」(可以参考「Google TPUv2/v3架构及其设计演化」)。
而同样在Hot Chips上,Dan Belov的keynote,「AI Research at Scale-Opportunities on the Road Ahead」,从更宏观的角度分析了未来AI系统和芯片的趋势。
就在一天前,Raja M.Koduri在Hot Chips上介绍了Intel怎么实现到2025年把算力提升1000×,相信很多朋友都看过了,我就不多说了。
source:Azalia Mirhoseini and Anna Goldie @DAWN event1
作者Azalia Mirhoseini之前就尝试用增强学习来优化计算系统里的任务分配(Hierarchical Planning for Device Placement),我在之前的文章(ML + System = ?)中也提到过。这项工作本身只是解决芯片后端布局布线中的一个问题,并不像宣传的那么夸张。
但这个工作是近几年「把AI用于EDA」这个大愿景里面的一个比较成功的例子,再加上Google的背景,所以受到很大关注。我还记得之前在一个EDA学者群里,对这项工作有过很热烈的讨论。当然,不管大家怎么评价,Google应该还是会继续探索下去。毕竟Jeff Dean已经说了「Anywhere Were Using Heuristics To Make a Decision」都是机器学习的用武之地。
第二个可能会对芯片和EDA产业产生更深远影响的是Google所作的Cloud EDA尝试,这个我之前做过一个简单的分析,「为云而生又生于云中的芯片给我们的启示」。这中间的一个核心实践是利用cloud上近乎「无限」的资源进行芯片验证,可以大大加速芯片开发的时间,这可能也是TPU系列芯片能够相对快速迭代的原因之一。Cloud EDA最近的关注度也很高,下面这张slide,介绍它的优势,来自Chips Alliance最近的一个workshop。
§ 参考文献
[1] Dan Belov,AI Research at Scale-Opportunities on the Road Ahead,Hot Chips 2020
[2]Jeff Dean,The Deep Learning Revolution and Its Implications for Computer Architecture and Chip Design,ISSCC 2020
[3] Azalia Mirhoseini,Anna Goldie,Reinforcement Learning for Placement Optimization,Design Automation WebiNar(DAWN),https://duke-cei-lab.github.io/DAWN/event1
[4] CIRCT/Circuit IR Compilers and Tools,https://github.com/llvm/circt
[5] XLS:Accelerated HW Synthesis,https://github.com/google/xls
[6]Lenny Truong,Pat Hanrahan,A Golden Age of Hardware Description Languages:Applying Programming Language Techniques to Improve Design Productivity,SNAPL 2019
[7] Stanford AHA! Agile Hardware Center,https://aha.stanford.edu
AI Chip List
https://basicmi.github.io/AI-Chip
AIChip Paper List
https://github.com/BirenResearch/AIChip_Paper_List