Преглед
AI автоматизира поставянето на компоненти върху микрочип, прословуто труден пъзел, който определя скоростта, мощността и размера на чипа. Има значение, защото по-бързият и по-евтин дизайн на чипове захранва цялата AI и електронна индустрия, включително чиповете, които управляват самия AI.
AI в чип Floorplanning and Design се фокусира върху практическото внедряване: превръщане на възможностите на модела в надеждни ежедневни работни процеси, които осигуряват измерима стойност.
Дълбоко гмуркане
Етажното планиране решава къде да позиционирате многото блокове (памети, логика, I/O) върху повърхността на чипа, за да минимизирате дължината на проводника, мощността и топлината, като същевременно отговаряте на ограниченията във времето. Броят на възможните подредби е по-голям от броя на атомите във Вселената и човешките инженери традиционно прекарват седмици в настройка на оформленията. През 2021 г. Google публикува работа в Nature, описваща метод за обучение с подсилване, който създава етажни планове на чипове за часове, които са сравними или по-добри от направените от човека, и беше използван при проектирането на TPU ускорителите на Google. Системата рамкира поставянето като последователно решение: поставете един блок, наблюдавайте частичното оформление, поставете следващия. AI също така подпомага по-ранни и по-късни етапи, от логически синтез до проверка и откриване на нарушения на правилата за проектиране, в инструменти от компании като Synopsys и Cadence.
Техническа информация
Методът на Google третира платното на чипа като дъска и използва агент за подсилващо обучение, който поставя макро блокове един по един, ръководен от награда, която съчетава дължината на проводника, задръстванията и плътността. Графична невронна мрежа научава вграждания на списъка с мрежи, графиката на компонентите и техните връзки, така че политиката може да се обобщи до чипове, които не е виждала преди, прехвърляйки научената интуиция, вместо да стартира всеки дизайн от нулата.
Овладяване на AI в планирането и дизайна на чипове
AI автоматизира поставянето на компоненти върху микрочип, прословуто труден пъзел, който определя скоростта, мощността и размера на чипа. Има значение, защото по-бързият и по-евтин дизайн на чипове захранва цялата AI и електронна индустрия, включително чиповете, които управляват самия AI. AI в чип Floorplanning and Design се фокусира върху практическото внедряване: превръщане на възможностите на модела в надеждни ежедневни работни процеси, които осигуряват измерима стойност. За да изградите дълбоко разбиране, третирайте AI в чип Floorplanning and Design като оперативен модел, а не като отделна функция: дефинирайте желаните резултати, изяснете предположенията и отделете това, което системата може да направи надеждно от това, което все още изисква експертна преценка.
На практика силните екипи, използващи AI в чип Floorplanning and Design, се фокусират върху резултатите от работния процес, а не върху демонстрациите на моделите, и определят човешки контролни точки на ранен етап. Те документират изрични критерии за успех, тестват срещу реалистични данни и работни потоци и повтарят въз основа на наблюдавани модели на неуспех, а не на еднократни победи в бенчмарка. Това е мястото, където теоретичното разбиране се превръща в трайна способност за продукти, политики и операции.
Дизайнът на ниво приложение определя дали AI подобрява реалните резултати. В същото време автоматизирането на повреден процес може да засили съществуващите проблеми. Най-устойчивият подход е да се комбинира скоростта на експериментиране с дисциплината на управление: стартирайте пилотни проекти, събирайте доказателства, публикувайте регистрационни файлове за решения и непрекъснато актуализирайте предпазните мерки, докато поведението на модела, очакванията на потребителите и регулаторните изисквания се развиват.
Стратегическо въздействие
Дизайнът на ниво приложение определя дали AI подобрява реалните резултати.
Дизайнът на ниво приложение определя дали AI подобрява реалните резултати. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Добрата интеграция на работния процес създава печалби в производителността, на които потребителите могат да се доверят.
Добрата интеграция на работния процес създава печалби в производителността, на които потребителите могат да се доверят. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Добре обхванатите случаи на употреба намаляват умората от промяна и риска от внедряване.
Добре обхванатите случаи на употреба намаляват умората от промяна и риска от внедряване. При висококачествени внедрявания това се превръща в измерими правила за работа, граници на собствеността и повтарящи се ритуали за преглед, така че екипите да могат да мащабират доверието, вместо да мащабират неяснотата.
Внедряване в реалния свят
Google използва обучение за подсилване, за да генерира етажни планове за своите TPU AI ускорителни чипове, както е описано в неговия документ за природата от 2021 г.
Synopsys DSO.ai автономно търси пространства за дизайн и е бил използван от производители на чипове като Samsung за оптимизиране на мощността и производителността.
Cadence Cerebrus прилага машинно обучение за автоматизиране и подобряване на потоците за внедряване на цифрови чипове.
Инструментите за изкуствен интелект отчитат нарушенията на правилата за проектиране и предсказват рано претоварването на маршрута, намалявайки скъпите редизайнове на късен етап.
Модели на изпълнение
AI в чип Floorplanning и дизайн на практика
Google използва обучение за подсилване, за да генерира етажни планове за своите TPU AI ускорителни чипове, както е описано в неговия документ за природата от 2021 г.
Google използва обучение за подсилване, за да генерира етажни планове за своите чипове за ускоряване на TPU AI, както е описано в неговия документ за природата за 2021 г. Екипите обикновено получават по-добри резултати, когато дефинират прагове за качество предварително, поддържат път на човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в чип Floorplanning и дизайн на практика
Synopsys DSO.ai автономно търси пространства за дизайн и е бил използван от производители на чипове като Samsung за оптимизиране на мощността и производителността.
Synopsys DSO.ai претърсва автономно пространствата за проектиране и се използва от производители на чипове като Samsung за оптимизиране на мощността и производителността. Екипите обикновено получават по-добри резултати, когато определят прагове за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в чип Floorplanning и дизайн на практика
Cadence Cerebrus прилага машинно обучение за автоматизиране и подобряване на потоците за внедряване на цифрови чипове.
Cadence Cerebrus прилага машинно обучение за автоматизиране и подобряване на потоците за внедряване на дигитални чипове. Екипите обикновено получават по-добри резултати, когато дефинират предварително прагове за качество, поддържат човешка ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
AI в чип Floorplanning и дизайн на практика
Инструментите за изкуствен интелект отчитат нарушенията на правилата за проектиране и предсказват рано претоварването на маршрута, намалявайки скъпите редизайнове на късен етап.
AI инструментите маркират нарушенията на правилата за проектиране и предсказват задръстванията при маршрутизиране на ранен етап, намалявайки скъпите редизайнове на късен етап. Екипите обикновено получават по-добри резултати, когато дефинират праговете за качество предварително, поддържат човешки път за ескалация за крайни случаи и проследяват както печалбите в производителността, така и разходите за грешки във времето.
Рискове и предпазни огради
Автоматизирането на счупен процес може да засили съществуващите проблеми.
Екипите могат да автоматизират прекалено и да премахнат необходимата човешка преценка.
Качеството може да се промени, ако резултатите не се оценяват непрекъснато.
Пътна карта за изпълнение
Картирайте текущия работен процес и идентифицирайте стъпката с най-голямо триене.
Картирайте текущия работен процес и идентифицирайте стъпката с най-голямо триене. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Определете човешки контролни точки преди пълна автоматизация.
Определете човешки контролни точки преди пълна автоматизация. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Обучете потребителите на подкани, пътища за ескалация и стандарти за качество.
Обучете потребителите на подкани, пътища за ескалация и стандарти за качество. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.
Проследявайте резултатите на ниво задача, за да потвърдите устойчива стойност.
Проследявайте резултатите на ниво задача, за да потвърдите устойчива стойност. Отнасяйте се към всяка стъпка като към вход за доказателства: ако критериите не са изпълнени, поставете на пауза разпространението, запълнете празнината и едва след това разширете използването.