编辑：陈陈、杜伟
2020 年，谷歌揭橥了预印本论文《Chip Placement with Deep Reinforcement Learning》，先容了其设计芯片布局的新型强化学习方法。后来在 2021 年，谷歌又揭橥在 Nature 上并开源了出来。
本日，谷歌揭橥了这篇 Nature 文章的附录，更详细先容了该方法及其对芯片设计领域的影响。同时，谷歌也开放了一个在 20 个 TPU 模块上预演习的检讨点，分享模型权重并命名为「AlphaChip」。
Nature 附录地址：https://www.nature.com/articles/s41586-024-08032-5预演习检讨点地址：https://github.com/google-research/circuit_training/?tab=readme-ov-file#PreTrainedModelCheckpoint
谷歌首席科学家 Jeff Dean 表示，开放预演习 AlphaChip 模型检讨点往后，外部用户可以更随意马虎地利用 AlphaChip 来启动自己的芯片设计。
x@JeffDean
打算机芯片推动了 AI 的显著进步，AlphaChip 利用 AI 来加速和优化芯片设计。该方法已被用于设计谷歌自定义 AI 加速器（TPU）最近三代的「超人」芯片布局。
作为首批用于办理现实天下工程问题的强化学习方法，AlphaChip 只须要数小时便能完成媲美或者超越人类的芯片布局，而无需再花费数周或数月人工努力。并且该方法设计的布局已运用于天下各地的芯片，覆盖场景包括数据中央得手机。
谷歌 DeepMind 表示，AlphaChip 已经彻底改变了我们设计微芯片的办法，从帮助设计用于构建 AI 模型的 SOTA TPU 到数据中央 CPU，它的广泛影响已经扩展到了 Alphabet 内外。
谷歌 DeepMind 联合创始人兼 CEO Demis Hassabis 表示，如今我们形成了这样一种反馈回路：演习 SOTA 芯片设计模型（AlphaChip）→利用 AlphaChip 来设计更好的 AI 芯片→利用这些 AI 芯片来演习更好的模型→再设计更好的芯片，这正是谷歌 TPU 堆栈表现如此好的部分缘故原由。
各路网友对谷歌的 AlphaChip 寄予厚望，称「芯片设计芯片的时期来了」，还预言谷歌将赢得未来 AGI 之争。
AlphaChip 是如何事情的？
芯片设计并非易事，部分缘故原由在于打算机芯片由许多相互连接的块组成，这些块具有多层电路元件，所有元件都通过极细的导线连接。此外，芯片还有很多繁芜且相互交织的设计约束，设计时必须同时知足所有约束。由于这些繁芜性，芯片设计师们在 60 多年来一贯在努力实现芯片布局方案过程的自动化。
与 AlphaGo 和 AlphaZero 类似，谷歌构建了 AlphaChip，将芯片布局方案视为一种博弈。
AlphaChip 从空缺网格开始，一次放置一个电路元件，直到完成所有元件的放置。然后根据终极布局的质量给予褒奖。谷歌提出了一种新颖的「基于边」的图神经网络使 AlphaChip 能够学习互连芯片元件之间的关系，并在全体芯片中进行推广，让 AlphaChip 在其设计的每一个布局中不断进步。
左图：展示了 AlphaChip 在没有任何履历的情形下放置开源处理器 Ariane RISC-V CPU。右图：展示 AlphaChip 在对 20 个 TPU 干系设计进行练习后放置相同的块。
谷歌借助 AI 设计 AI 加速器芯片
自 2020 年发布以来，谷歌已经采取 AlphaChip 为每一代 Google TPU 天生超级芯片布局。这些芯片使得大规模扩展基于 Google Transformer 架构的 AI 模型成为可能。
TPU 作为谷歌强大的天生式 AI 系统的核心，运用范围从大措辞模型（如 Gemini）到图像和视频天生器（Imagen 和 Veo）。这些 TPU 是 Google AI 做事的核心，可通过 Google Cloud 供外部用户利用。
谷歌数据中央存放的基于 Cloud TPU v5p 的超级打算机。
为了设计 TPU 布局，AlphaChip 首先在前几代的各种芯片块上进行练习，例如片上和芯片间网络块、内存掌握器和数据传输缓冲区。这个过程称为预演习。然后谷歌在当前的 TPU 块上运行 AlphaChip 以天生高质量的布局。与之前的方法不同，AlphaChip 办理了更多芯片布局任务实例，因此变得更好、更快，就像人类专家所做的那样。
随着每一代新 TPU（包括谷歌最新的 Trillium（第 6 代））的推出，AlphaChip 设计出了更好的芯片布局并供应了更多的整体平面图，从而加快了设计周期并产生了性能更高的芯片。
图中显示了 Google 三代张量处理单元 (TPU)（包括 v5e、v5p 和 Trillium）中 AlphaChip 设计的芯片块的数量。
图中显示了 AlphaChip 在三代 Google 张量处理单元 (TPU) 中的均匀线长（wirelength）减少量，并与 TPU 物理设计团队天生的位置进行了比较。
AlphaChip 带来的更广泛影响
AlphaChip 的影响力表示在 Alphabet、研究界和芯片设计行业的运用上。除了设计 TPU 等专用 AI 加速器外，AlphaChip 还为 Alphabet 的其他芯片设计布局，例如 Google Axion 处理器，这是谷歌首款基于 Arm 的通用数据中央 CPU。
外部组织也在采取和构建 AlphaChip。例如，环球顶级芯片设计公司之一联发科扩展了 AlphaChip，以加速其最前辈芯片（如三星手机利用的 Dimensity Flagship 5G）的开拓，同时提高了功耗、性能和芯片面积。
AlphaChip 引发了芯片设计 AI 事情的爆炸式增长，并已扩展到芯片设计的其他关键阶段，例如逻辑综合和宏选择。
首创芯片新未来
谷歌坚信，AlphaChip 有潜力优化从打算架构到制造的芯片设计周期的每个阶段，并改变智好手机、医疗设备、农业传感器等日常设备中定制硬件的芯片设计。
目前，AlphaChip 的未来版本正在开拓中。谷歌期待与社区互助，连续变革自动芯片设计领域，从而在未来迎来速率更快、价格更低、能效更高的芯片。
参考链接：https://deepmind.google/discover/blog/how-alphachip-transformed-computer-chip-design/