由人工智慧驱动的设计应用
人工智慧(AI)具備充分理由主導近期科技頭條話題。它涉及了各行各業,包含供應鏈管理、遊戲、行動通訊、消費性产物、航太及國防。而這個AI新時代使智慧變得更唾手可得,且幾乎適用於每個領域。
AI 力量的民主化(democratization)不僅為我們的創新方式帶來變革,更加快了我們創新的速度。自電腦問世、甚至可能是自工業革命以來,我們還未見過此等大幅提高生產力的技術。然而,要在滿足無盡需求的同時以必要的規模更快速地完成更多工作,再加上智慧系統的爆發式成長,這些都迫使我們重塑算方式,進而改變我們设计晶片的方法。
這項變革性技術已成功應用在可優化晶片设计和分析大量資料的工具中,並為整體晶片開發流程帶來更高效率。然而,儘管AI在該領域已經取得許多成就,设计人員所期望達成的目標與現有资源及時間允許的情況之間仍然存在顯著落差。這正是AI下一階段將發揮作用之處。生成式 AI 已經在語音和圖像生成方面證明了自身的價值,並且開始展現其在晶片设计中的應用潛能。
这项话题也是今年論壇「生成式AI新賽局 (Let’s Talk Generative AI)」的重要亮點。此論壇邀請到來自Arm、AWS、Google、Nvidia 和 草榴社区 的業界領袖,針對生成式AI在全球各產業與技術應用領域的進展發表見解。新思科技人工智慧及機器學習技術研發工程副總裁Thomas Andersen在其發表的演講中深入探討 AI在晶片優化和數據分析中的角色,並討論生成式 AI 如何成為改變晶片设计遊戲規則的重要推手。
數據資料的爆炸性成長正在推動運算的極限,同時也為AI發展奠定了基礎。驅動數據資料以指數型成長的複雜性,使得人們需要仰賴AI來收集、管理和解釋這些數據資料,並為相關應用提供指導說明。晶片设计的挑戰、開發成本的增加、銷售時機(market window)的縮短以及工程人才的匱乏,都是推動 AI日益普及的因素之一。
即使 AI 在晶片设计中變得越來越重要,對那些需要不斷解決的挑戰,我們也必須有所認識。儘管我們身處數據資料爆炸時代,但是其中大部份是非公開的資料;而數據資料稀缺性(data scarcity)構成了重大的挑戰,在訓練生成式 AI 模型時尤其如此,保護專有數據資料(proprietary data)和智慧財產權(intellectual property)亦然。即便克服了這些跟數據資料相關的難題,设计人員仍需验证這些模型的輸出。Thomas Andersenv以「激發生成式AI在晶片设计應用的潛能(Unleash the Power of Gen AI for Chip Design)」為題,在今(2024)年 COMPUTEX論壇上發表的演講,探討如何因應這些挑戰,並提出一種進化型的生成式AI應用方法—學會爬行、行走、奔跑,甚至最終可以瞬移。
精彩演讲内容,请观看。