[新聞] DeepMind 發現突破摩爾定律的最新晶片設

看板Tech_Job作者 (凡所有相皆是虛妄)時間9月前 (2023/08/09 23:30), 編輯推噓25(27推 2噓 19→)
留言48則, 34人參與, 9月前最新討論串1/1
DeepMind 發現突破摩爾定律的最新晶片設計法！NVIDIA 獨霸 AI 晶片的地位恐不保？ https://buzzorange.com/techorange/2023/08/08/train-ai-design-chip/ 正當 NVIDIA 與 AMD 等晶片大廠競相以最大產能，試圖填補目前市場對算力無窮盡的需求，市場對如何建構性能越強、運行成本更低的晶片，興趣更勝以往，像是Google 與亞馬遜等雲端巨頭，紛紛投入大量資源研發自家的 AI 晶片，好超車對手。 近日 Google 一項設計晶片的新技術，被權威科學期刊《Nature》認為是有望超越摩爾定律、晶片產業的重大突破。 摩爾定律難突破！優化電路組合效率，比增加電晶體數量可行 要解釋這項新技術，首先得了解目前晶片產業，面臨摩爾定律即將到達極限的窘境。摩爾定律內容是：「積體電路上可容納的電晶體數目，約每隔兩年便會增加一倍。」 該定律自 1970 年代被提出，但現行晶片上可容納的電晶體數目已接近物理極限，很難再有「兩年翻倍」這種成長效率，因此大廠們無一不想找到其他能夠增強晶片效能的方法。 Google 旗下研究機構 DeepMind 在一項歷時 18 個月的最新研究計畫中找到了。 DeepMind 找到的解方不是想辦法增加更多電晶體在積體電路上，而是想辦法讓現有晶片內部的積體電路，以更有效率的方式排列組合，此舉同樣有助於強化晶片性能。 所謂讓積體電路以更有效率的方式排列組合，涉及的是晶片設計中，成為設計邏輯積體電路的階段。要知道一塊計算機晶片上有數以萬計個積體電路，每個組件的佈置、連結方式，將大大影響其運行速度與效率。 要手動改善一個積體電路的擺法雖然很簡單，但要一次優化幾百萬個積體電路的配置絕不可能，因此 DeepMind 將主意動到了最會做佈局規劃的深度學習技術。 借重深度學習預判棋局之力，用 AI 模型設計 AI 專用晶片！ 還記得當初 AlphaGo 與國際棋王李世犒麉棤隉H深度學習如今被認為是最擅於接受佈局挑戰的技術。把晶片上數百萬個積體電路想像成是棋盤上的棋子，當深度學習能從每場賽局中預測出最好的致勝走法，同樣也能替所有組件安排出最佳的連接配置。 當初研究人員餵給 AlphaGo 數十萬張人類對弈的棋譜，好訓練其模型。這次 Google 工程師也搜集了一萬張左右的晶片平面配置圖，好讓深度學習模型計算出最佳的積體電路擺法。據《華爾街日報》報導，今年 6 月，DeepMind 倚賴深度學習所設計出的晶片，剛贏得一場小型的晶片開發比賽。且其運行效率比第二名的晶片快了約 30%。 Google 下一代 TPU 低功耗高效能，專門用來訓練 AI 目前 Google 內部的研究科學家 Azalia Mirhoseini 和 Anna Goldie 在接受《the Verge》採訪時指出，該技術預計會用來設計 Google 的下一代 TPU。TPU 是 Google 替自家專用於機器學習、訓練 AI 的訂製化晶片所取的名稱，於 2016 年 Google I/O 年會首次亮相。當 TPU 利用於處理數據、AI 相關任務時，具備功耗較低、運算速度較快的特性。 此話若真，那 Google 的最新一代 TPU 將是首樁利用深度學習打造商業晶片的案例。「這提供了晶片產業一個改善晶片性能的全新方向。」德州大學奧斯汀分校的電腦工程教授 David Pan 指出，DeepMind 發現的改良方法不僅 TPU，幾乎所有晶片，無論是 CPU 還是 GPU，都有望能遵循該方法優化。 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 223.137.210.48 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1691595002.A.0AC.html
→
08/09 23:43, 9月前 , 1F
ai自己設計自己用
08/09 23:43, 1F
推
08/09 23:45, 9月前 , 2F
倒不如讓ai寫不會congestion 的電路
08/09 23:45, 2F
→
08/10 00:06, 9月前 , 3F
之前好像有硬體仔一直嘴軟體仔會被AI取代
08/10 00:06, 3F
推
08/10 00:08, 9月前 , 4F
查起來是用神經網路的方式做synthesis
08/10 00:08, 4F
→
08/10 00:12, 9月前 , 5F
還有用下圍棋那招 來做邏輯化簡
08/10 00:12, 5F
推
08/10 00:32, 9月前 , 6F
真要彎道超車？
08/10 00:32, 6F
→
08/10 00:33, 9月前 , 7F
現在幾是用AI到處破壞遊戲體驗
08/10 00:33, 7F
→
08/10 00:34, 9月前 , 8F
什麼領域都用AI來噁心圈子一下
08/10 00:34, 8F
噓
08/10 00:42, 9月前 , 9F
只會設計有什麼用 就只是出一張嘴 ai已經學會人
08/10 00:42, 9F
→
08/10 00:42, 9月前 , 10F
類的陋習了
08/10 00:42, 10F
推
08/10 01:59, 9月前 , 11F
APR仔要掰了
08/10 01:59, 11F
→
08/10 02:17, 9月前 , 12F
做synthesis那也是取代軟體仔的工作不是？
08/10 02:17, 12F
推
08/10 02:30, 9月前 , 13F
優化APR治標不治本吧?
08/10 02:30, 13F
推
08/10 02:32, 9月前 , 14F
APR跟Synthesis都要掰了嗎
08/10 02:32, 14F
噓
08/10 03:16, 9月前 , 15F
APR哪可能掰 說穿惹只是強化APR而已八
08/10 03:16, 15F
推
08/10 04:17, 9月前 , 16F
Synthesis也是硬體仔按按鈕而已，沒差吧。
08/10 04:17, 16F
→
08/10 04:17, 9月前 , 17F
Synthesis的程式本來就軟體仔寫的不是嗎？
08/10 04:17, 17F
推
08/10 05:30, 9月前 , 18F
不清楚他這裡指的可完成的布局達到什麼標準，conges
08/10 05:30, 18F
→
08/10 05:31, 9月前 , 19F
tion，timing free? 要達到的指標那麼多...
08/10 05:31, 19F
推
08/10 07:59, 9月前 , 20F
改standard cell才是治本之道
08/10 07:59, 20F
推
08/10 09:20, 9月前 , 21F
硬體仔按按鈕就能賺錢，軟體仔還要跪求硬體仔買來
08/10 09:20, 21F
→
08/10 09:20, 9月前 , 22F
按按鈕說XD
08/10 09:20, 22F
推
08/10 10:16, 9月前 , 23F
純推AlphaGo真的厲害，現在跟AI下棋都被電假的QQ
08/10 10:16, 23F
推
08/10 11:47, 9月前 , 24F
APR低調爽
08/10 11:47, 24F
推
08/10 12:01, 9月前 , 25F
李世犒麉棤隉H
08/10 12:01, 25F
→
08/10 12:36, 9月前 , 26F
結果g自己的pixel cpu慘輸高通
08/10 12:36, 26F
→
08/10 12:48, 9月前 , 27F
想吹就弄個用AI就不會拉屎的 吹起來不是比較蘇湖嗎?
08/10 12:48, 27F
推
08/10 13:33, 9月前 , 28F
Apr就np complete問題 就算ai來也沒用
08/10 13:33, 28F
推
08/10 14:00, 9月前 , 29F
g自己的pixel就超爛 還吹
08/10 14:00, 29F
推
08/10 14:51, 9月前 , 30F
AI也不是跑最佳解，跟np complete沒關係吧
08/10 14:51, 30F
推
08/10 15:24, 9月前 , 31F
都給ai玩就好了，人類負責享受
08/10 15:24, 31F
推
08/10 17:36, 9月前 , 32F
AI往自主自足，又走了一小步
08/10 17:36, 32F
推
08/10 17:50, 9月前 , 33F
說了那摸多 不就EDA= =
08/10 17:50, 33F
推
08/10 20:19, 9月前 , 34F
幹掉蘋果吧，蘋果就不敢忽略AI了
08/10 20:19, 34F
推
08/10 22:38, 9月前 , 35F
下棋 程式 電路 這種有明確規則 明顯對錯的 都是AI
08/10 22:38, 35F
→
08/10 22:38, 9月前 , 36F
擅長的 改良優化後 很快就會超越人類水準
08/10 22:38, 36F
推
08/10 22:41, 9月前 , 37F
N P不N P的不重要 只要達到人類頂尖或超過人類水準
08/10 22:41, 37F
→
08/10 22:41, 9月前 , 38F
就行
08/10 22:41, 38F
推
08/10 22:55, 9月前 , 39F
天蛇cpu
08/10 22:55, 39F
→
08/11 07:49, 9月前 , 40F
AI 只要可以做到現階段常規做法做不到的優化就算是
08/11 07:49, 40F
→
08/11 07:49, 9月前 , 41F
成功了
08/11 07:49, 41F
→
08/11 07:50, 9月前 , 42F
Google也不是做什麼都成功，失敗的產品一大堆，檯
08/11 07:50, 42F
→
08/11 07:50, 9月前 , 43F
面上看到的都是活下來的
08/11 07:50, 43F
→
08/11 10:13, 9月前 , 44F
如果成功的話cadence synopsis 可以少聘點RD
08/11 10:13, 44F
推
08/11 10:37, 9月前 , 45F
AI要做APR應該也要很制式的design吧 ,
08/11 10:37, 45F
推
08/11 11:03, 9月前 , 46F
阿就U化 這篇新聞根本廢文
08/11 11:03, 46F
推
08/11 19:48, 9月前 , 47F
進步一個節點
08/11 19:48, 47F
推
08/12 02:06, 9月前 , 48F
阿不就EDA==
08/12 02:06, 48F
‣ 更多 ljsnonocat2 的文章
文章代碼(AID): #1aqx3w2i (Tech_Job)