現今電子設備的功能著實令人驚嘆。每隔幾個月，開發者似乎總能突破可能的界限，而短短幾個月后，他們又會再度超越。萬物互聯，產品尺寸日趨縮小，而功能卻日益強大。

然而，隨著尺寸越來越小，開發者要想不斷超越當前認知的極限，便會變得愈發具有挑戰性。創新越來越難，而開發資源日益稀缺，則更是讓創新難乎其難。預計到2030年，半導體行業將面臨嚴重的開發人才短缺。毋庸諱言，人工智能（AI）將在應對芯片設計效率和創新挑戰方面發揮舉足輕重的作用。

企業如何利用人工智能在競爭激烈的市場環境中保持競爭力？云計算是否對此也有影響？

本文將簡要介紹關于意法半導體和微軟的案例研究，探討人工智能驅動的設計空間優化如何幫助開發者在優化功耗、性能和面積（PPA）的同時提高芯片設計效率。

意法半導體：人工智能使芯片設計效率提高3倍

意法半導體（ST）在SNUG硅谷大會上發表了演講，介紹了人工智能如何幫助他們成功完成Arm Cortex-A510項目。作為該類別首個實現項目，開發者需要探索與存儲器、版圖布局規劃和時序路徑分組相關的各種設計參數設置可能性，這也為設計空間探索引入了更多變化參數（Permuton）。此外，該設計采用7nm節點工藝，這對設計團隊來說也是全新的挑戰。這些意味著要探索的搜索空間非常龐大，達到1025之巨。如此龐大的搜索空間簡直令人生畏，傳統方法對此無能為力。為了應對這些挑戰，意法半導體采用了人工智能驅動的新思科技DSO.ai（設計空間優化）解決方案。DSO.ai可以優化功耗、性能和面積（PPA），實現出色的權衡并探索各種設計選項。

DSO.ai首先選擇參數值，然后，其專用算法會生成一組PPA結果。根據從第一次迭代中學習到的內容，系統會對好的或最佳結果進行獎勵，讓系統進行學習。這個學習系統使PPA搜索空間的探索變得不僅高效，而且高度可擴展。

意法半導體利用DSO.ai，通過3000次運行覆蓋了包含180個Permuton的整個搜索空間，實現了目標頻率和最佳功耗之間的權衡（動態功耗/漏電功耗），同時保持了所需的版圖布局尺寸。總體而言，設計效率提高了3倍。

意法半導體還成功地將DSO.ai部署到了云端，節約了大量的計算資源和基礎設施布置時間。該解決方案在Microsoft Azure云上實施，利用通用數據結構，可以輕松導出/導入數據庫和遠程調度任務。這種云端解決方案讓意法半導體能夠按需擴展，并且團隊之間協作更緊密。

微軟：功耗降低多達15%

與意法半導體類似，微軟也利用DSO.ai來降低功耗、提高芯片利用率和改善性能。微軟使用新思科技Fusion Compiler實現了零裕量物理實現流程，主要目標是為了優化功耗。該流程經過高度優化，采用了最新的Fusion Compiler技術，并結合了開發者的設計知識進行自定義數據路徑優化。

在上述Fusion Compiler流程的基礎上，使用DSO.ai實現自動設計空間探索。在初始設計階段，DSO.ai使用“冷啟動”實現。但是，隨著設計的不斷修改完善，后續的DSO.ai探索利用之前學到的知識來實現了“熱啟動”。隨著更多的談搜實例化，機器學習（ML）模型不斷學習，加快收斂速度，同時減少了整個設計周期中的計算需求。最終，在其他性能指標沒有下降的前提下，所有模塊的功耗降低了10%-15%。

審核編輯：彭菁