Google拚IC設計靠AI 提升專用型人工智慧晶片效能

字母公司（Alphabet）旗下的AI實驗室DeepMind的研究人員，發現一種利用AI來設計電腦晶片更有效率且更自動化的方法，字母表示，這可望改善自家的專用型AI晶片。

華爾街日報報導，在人們聚焦輝達（Nvidia）、超微（AMD）等半導體巨擘競相為企業對生成式AI需求提供運算能力、打造高效晶片之際，Google和亞馬遜等雲端運算巨擘也一直在設計自家的AI晶片，押注自行研發的晶片速度更快且成本更低。

Google表示，正探索利用「最新的AI突破」來改善自研AI晶片「Tensor Processing Units」（TPUs）。一位發言人表示：「AI正在改善我們所做的一切，像是構成、理解、編寫程式和機器人技術，硬體設計也一樣。」

DeepMind研究科學家奈爾（Vinod Nair）表示，該部門近期公布一套能發掘更快演算法的AI系統，讓利用深度學習這類AI技術的目標是要讓從網絡資源到資料中心與晶片的整體運算系統更具效率與可持續性，「隨著社會變得愈來愈數位，我們需要更強大的晶片、更多的專用型晶片來滿足各種應用」。

傳統思維認為，改善晶片效能要靠「摩爾定律」，但一些專家認為，隨著晶片上電晶體數量達到物理極限，要提升晶片效能，要靠設計更小、專用型的晶片。ChatGPT、無人機和自駕車等應用現在都靠數位訊號處理器和輝達繪圖處理器這類任務導向型晶片運作。

DeepMind約18個月前開始研究基於AI方法來改善「邏輯綜合 」，也就是涉及把電路行為的描述轉化為實際電路的晶片設計過程。DeepMind高級軟體工程師瓜達拉馬（Sergio Guadarrama）表示，電腦晶片是由數百萬邏輯電路或建構元件組成，雖然靠工程師親自優惠其中一些問題很容易，但要解決數百萬個問題是不可能的。

DeepMind透過利用AI加速邏輯電路的設計，目標讓專用型晶片的設計過程更自動化、更具效率並減少對硬體工程師作業的依賴 。瓜達拉馬說，AI能在一周內生成數千種設計，但一個人只能在幾周內生成一種設計。

能在這方面獲得突破的關鍵，是利用深度學習。奈爾說，DeepMind使用「電路神經網絡」的方法讓研究人員把問題形塑得看起來像是在訓練神經網絡，但實際上是在設計電路。