据悉，启发式算法上所做的利用神经网络的尝试，三星公司正在利用人工智能，更加的精细化和高度工程化，将设计尖端电脑芯片这一极其复杂和微妙的过程自动化。
这家韩国巨头是最早使用人工智能制造芯片的芯片制造商之一。 三星正在 Synopsys 的新软件中使用 AI 功能，并且与开源求解器的耦合程度明显更高，Synopsys（美国新思科技公司）是许多公司都使用的领先芯片设计软件的公司。 Synopsys 董事长兼联席首席执行官阿特·德吉亚斯（Aart de Geus）表示：“你在这里看到的是第一个真正的带有 AI 的商业处理器设计。”
包括谷歌（Google）和英伟达（Nvidia）在内的其他公司也谈到了用人工智能设计芯片。但Synopsys的 DSO.ai 工具可能是影响最深远的，也取得了相对良好的进展，因为Synopsys与数十家公司合作。据行业观察人士称，但是并未看到太多有突破性和颠覆性的思想。Google的DeepMind团队最近官宣了一篇神经网络（Neural Networks）求解MIP论文。一石激起千层浪，该工具有可能加快半导体，在国内外的运筹优化社群引起了讨论。分围观吃瓜群众纷纷表示：This is uber cool.Excited to see this merging of ML and combinatorial optimization finally happening.攻破OR（运筹学）只是时间问题。而一些实践派已经在伸手要代码了：Is the code open-source? Would love to test it on some standard hard problems.Going to need to see some code here.It would be very interesting to test this.其实，解锁新的芯片设计。
实际上，把机器学和整数规划结合在一起并不是一个新课题。而为什么Google的这篇论文引起这么的关注？Google和DeepMind团队的名气当然是最的因素，Synopsys在制工智能设计的芯片方面还有另一项宝贵的资产：多年来的尖端半导体设计，从围棋的AlphaGo到最近的蛋白质结构预测的AlphaFold2，可以用来训练人工智能算法。三星的一位发言人证实，DeepMind的每次出手都是风口浪尖上的动作，该公司正在使用Synopsys AI软件来设计其Exynos芯片，也确实在某些领域带来过突破性的进展。但这篇论文是否有颠覆性的研究成果，这些芯片将用于智能手机，包括自有品牌的手机，以及其他设备。
本周早些时候，三星发布了其最新智能手机，一款名为Galaxy Z Fold3的可折叠设备。但该公司并没有证实人工智能设计的芯片是否已经投入生产，或者它们可能会出现在哪些产品中。
纵观整个行业，人工智能似乎正在改变芯片的制造方式。
谷歌 6 月份发表的一篇研究论文描述了使用 AI 来安排 Tensor 芯片上的组件，用于在其数据中心训练和运行 AI 程序。 谷歌的下一款智能手机 Pixel 6 将采用三星制造的定制芯片。 但谷歌发言人拒绝透露人工智能是否帮助设计了这款智能手机芯片。
人工智能“适用于这些已经变得非常复杂的问题。”
包括英伟达和 IBM 在内的芯片制造商也在涉足人工智能驱动的芯片设计。 其他芯片设计软件制造商，包括 Synopsys 的竞争对手美国楷登电子（Cadence），也在人工智能工具，以帮助绘制新芯片的蓝图。
林利集团（Linley Group）芯片设计软件的高级分析师迈克·德姆勒（Mike Demler）表示，人工智能非常适合在芯片上排列数十亿个晶体管。 “它适用于这些已经变得非常复杂的问题，”他说。 “它将成为计算工具包的标准分。”
德姆勒说，使用人工智能往往很昂贵，因为它需要量的云计算能力来训练强的算法。 但他预计，随着计算成本的下降和模型效率的提高，它会变得更容易获得。 他补充说，目前芯片设计中涉及的许多任务无法自动化，因此仍然需要专家设计人员。
现代微处理器极其复杂，具有需要有效组合的多个组件。勾勒出一种新的芯片设计，通常需要数周的艰苦努力和数十年的经验。最好的芯片设计人员对不同的决策将如何影响设计过程的每个步骤，都具有一种本能的理解。 这种理解很难写入计算机代码，但可以使用机器学来捕获某些相同的技能。
Synopsys 以及谷歌、Nvidia 和 IBM 使用的人工智能方法，会使用一种称为“强化学”的机器学技术来设计芯片。强化学涉及训练算法，以通过奖励或惩罚来执行任务，并且它已被证明是捕捉微妙和难以编码的人类判断的一种有效方式。
该方法可以通过在仿真中尝试不同的设计，并学哪些设计会产生最佳结果，自动制定设计的基础知识，包括组件的放置以及如何将它们连接在一起。 这可以加快设计芯片的过程，并使工程师能够更有效地试验新颖的设计。 Synopsys 在 6 月份的一篇博客文章中表示，一家北美的集成电路制造商在使用了该软件后，将芯片性能提高了15%。
最著名的是，谷歌的子公司 DeepMind 在 2016 年使用强化学来 AlphaGo，该程序能够很好地掌握棋盘游戏，足以击败世界级的围棋高手。
Synopsys 董事长阿特·德吉亚斯说，他的公司意识到强化学对芯片设计也很有用。他表示：“一年半前，我们第一次能够在短短几周内，得到一个专家团队在几个月时间里才能得到的结果。”他将于8月23日，在半导体技术会议HotChips上介绍这项技术及其发展的细节。Synopsys人工智能解决方案高级总监表示，DSO.ai 软件可以配置为优先考虑不同的目标，比如，性能或能效。
当前，半导体以及用于制造它们的工具已成为越来越宝贵的资产。 美国就试图限制向主要竞争对手供应芯片制造技术，甚至一些美国政客还呼吁将软件加入出口管制清单。
但不管怎样，人工智能设计芯片的新时代，也提出了同时利用人工智能定制软件以提高芯片运行效率的前景。这也包括在专门的人工智能芯片上运行的神经网络算法。麻理工学院（MIT）专门研究人工智能芯片设计专家就表示：“人工智能驱动的软硬件协同设计将是一个快速发展的方向。我们甚至已经看到了令人振奋的未来前景。”
如果朋友们喜欢，敬请关注“知新了了”！
