AI芯片設計的案例
新思科技攜手AMD榮登世界經濟論壇MINDS榜單，生成式與自主式AI推動芯片設計進入全新階段
Shankar Krishnamoorthy
首席產品開發官
新思科技
從強化學習到 Copilot 輔助功能，新思科技的 AI 能力正在助力 AMD 持續縮短芯片設計周期并提升開發者的生產力。我們為與新思科技長期的合作伙伴關系感到自豪，并期待繼續攜手通過代理式（Agentic）AI 共同開啟芯片設計的下一個前沿。
Brian Amick
技術與工程高級副總裁
AMD
新思科技與 AMD 因其在利用 AI 重塑芯片設計流程方面的突出成果而獲選。世界經濟論壇在《超越承諾的實證：2025 年 MINDS 組織的真實世界 AI 落地洞察》中指出：“在半導體芯片設計中，人類智慧至關重要，但人才短缺正在持續威脅行業發展。AMD 正利用新思科技的強化學習與代理式（Agentic）工作流承擔更多執行任務，從而最大化發揮工程專家的知識與時間投入。他們的方法使芯片設計速度提升一倍，拓展了可行設計方案的范圍，并縮短了產品上市時間。”
基于雙方長期合作關系，新思科技與 AMD 已引入面向設計、驗證與簽核階段的 AI 驅動流程，帶來了對 AMD 極具影響力的轉變性成果：
設計與驗證階段的整體生產力翻倍
設計空間探索能力擴大 25%，使團隊能夠評估更廣泛的方案
總體設計成本降低至原來的五分之一
簽核時間縮短 50%，且后期變更減少
更快的設計周期提升了可靠性并減少缺陷
展開 平頭哥半導體正式出擊，阿里首款AI芯片或明年亮相
之前阿里透過收購中天微進行芯片方面的試水溫，再逐步研究結合阿里的業務，嘗試做自主的AI芯片設計。
驕旸指出，目前主要關注的還是半導體設計這一端，不同于其他創業公司正在研發的人工智能芯片，平頭哥將更注重芯片與阿里現有業務及大數據演算法的結合，做定制化AI芯片，這也是阿里的優勢。
據悉，在平頭哥的規劃中，芯片公司將由阿里全資控股，不僅進行研發任務，還要推動芯片的產業化、構建生態。未來，阿里將打造針對汽車、家電、工業等諸多行業領域的智聯網芯片平臺。
阿里方面透露，首款人工智能芯片預計明年下半年面世，首批芯片將應用在阿里數據中心、城市大腦和自動駕駛等云端數據場景中。未來將透過阿里云對外開放使用，使語音辨識、圖像識別等AI能力可以在云端使用。
來源：經濟日報
展開 英特爾的AI芯片戰略曝光
據外媒報道，打造最好的人工智能芯片的戰斗已經打響。作為CPU（中央處理器）和Xeon微處理器制造商，英特爾開始接受這個挑戰。作為GPU（圖形處理器）制造商，英偉達也發起了進攻。這兩家公司都在研發AI處理器。
英偉達的GPU已在深度學習神經網絡解決方案市場攫取了很大一塊市場份額，例如圖像識別——這是人工智能在過去五年中最大的突破之一。但是，英特爾試圖通過收購Nervana、Mobileye和Movidius等公司來打造自己的AI處理器。在2016年，當英特爾斥資3.5億美元收購Nervana公司的時候，它也聘用了Nervana公司CEO 那維恩-勞（Naveen Rao）。
勞是計算機架構師和神經學家，現在擔任英特爾人工智能產品部門副總裁和總經理。近日在一次活動中，勞宣稱，由于應用AI技術，英特爾Xeon CPU在2017年創造了10億美元營收。他認為，到2022年，AI芯片市場將會達到80億到100億美元的規模。
為了達到這個目標，英特爾可能會從零開始設計AI芯片架構，從而搶在英偉達和其他初創公司的前面。近日在加州圣塔克拉拉舉行的英特爾數據中心創新峰會上，勞接受了采訪。下面是整理后的采訪內容。
問：這里有一些非常有意思的數字。Xeon創造了10億美元營收。而在過去20年中英特爾銷售了超過2.2億臺Xeon處理器，創造了1300億美元的收入。這是一個很好的開始。
勞：在創業圈，這是一個很大的數字。你突然就變成了一個估值200億美元的公司。這個市場才剛剛啟動。AI芯片市場真的才剛開始?，F在，我們將要進入第二輪競爭了。我們還有很長的路要走。
問：你的戰略似乎是AI芯片架構需要重新設計，而不同于CPU或GPU。
勞：從某種程度上來說確實如此。
展開 IC設計，一文看完人工智能芯片設計挑戰及解決方案
最近幾年隨著人工智能芯片在中國雨后春筍般的蓬勃發展，人工智能芯片以其設計規模、設計復雜度和先進設計方式引領數字芯片設計行業。特別是3D IC的采用，使得人工智能芯片的性能功耗比又上了一個臺階。但采用最先進的設計方法進行復雜的芯片設計也往往伴隨著諸多挑戰。
人工智能芯片的一個重要設計指標是用TOPS（Tera Operations Per Second）Per Watt來衡量。人工智能芯片設計為了追求高能效比，在設計上除了會采用最先進的芯片制造制程，一般也會采用比較先進的芯片設計架構，比如最近幾年被高性能芯片設計廣泛采用的3D IC設計。
雖然3D IC設計目前還有很多挑戰，但其設計相對傳統的芯片封裝來說，芯片規模更大（支持3000以上pin腳），信號通道更短，支持HBM（High Bandwidth Memory）等，因此對芯片性能的提升是比較顯著的。
在芯片制程開發難度不斷加大和迫近制程極限的情況下，針對這種典型的人工智能芯片，會面臨如下挑戰。
首先是功耗噪聲。人工智能芯片一般功耗都比較大，在相同算力情況下，如果功耗小，無疑會更受市場青睞。如何在芯片設計階段降低功耗是AI芯片設計的一大挑戰。另一方面，AI推理或訓練芯片要求芯片能從功耗很低的休眠狀態（sleep mode）以極快的速度切換到功耗很高的全速處理狀態（operation mode），因此電源供電必須能提供這種瞬態切換所需要的大電流，不能出現供電過沖（overshoot）或塌陷(undershoot)而造成的電壓劇烈抖動。為防止這種情況的出現僅僅依靠芯片內部的電容是不足夠的，還必須審慎選擇interposer、封裝和PCB板上的去耦電容，以協同設計的方式來保證供電網絡（PDN）滿足瞬態電流消耗需求。
其次是HBM設計的挑戰。
展開 
設計自有芯片將成為新常態？
編者按：近幾年來，無論是國外的谷歌、Facebook，還是國內的百度、阿里巴巴，我們可以看到全球的大型互聯網公司都開始涉足芯片設計領域了，且這股趨勢看起來有蔓延之勢。究竟是什么原因推動了這種情況的產生？日前，國外媒體The next platform寫了一篇文章，闡述了這種現象產生的原因。以下為文章正文：
據我們粗略統計得知，云巨頭亞馬遜、阿里巴巴、百度、Facebook、谷歌和微軟都在設計自己的AI加速器芯片。究竟這是當下云行業的一種潮流還是短期現象？相信一千個人有一千個看法。但在我們看來，為特定任務設計定制芯片將成為云產業的主流，屆時處理器、網絡交換機、AI加速器等領域將會受到深刻的影響。大膽點的觀點認為，該領域內的大多數芯片市場將不能限免。
縱觀整個集成電路產業鏈，在一系列新的技術和經濟因素推動下，傳統的芯片設計和制造模式正在破壞，云巨頭涉足AI芯片設計只是大規模定制芯片影響當前集成電路供應鏈的冰山一角，更多的可能性正在發生。
展開 AI芯片能否在困局之中破局
盡管AI芯片來勢洶洶，但短板也非常明顯。
事實上，目前還沒有出現像CPU一樣的AI通用算法芯片，一劍封喉的應用還沒出現。首先，AI芯片的量產問題是頭部短板。不同于已經定性的傳統芯片，AI芯片從架構到設計等多個層面都會是一種全新的顛覆。當前，雖有幾家初創公司表示他們的產品已經實現了一種量產，但最終多是應用于自身產品和產業鏈，算不得真正的量產。
其次，AI芯片欠缺完整成熟的產業鏈。在早前由鎂客網主辦的“M－TECH AI芯片商業化之路”論壇上，多家AI芯片初創公司的嘉賓都表示，云端芯片市場的大部分空間已經被英偉達占據，AI芯片創企在其中沒有機會，之所以形成這樣的局面正由于其產業鏈的建立。產業鏈構建完整，AI芯片從上游設計到中游解決方案、再到下游應用場景落地才能流暢。
再次，AI芯片的工作只是加速AI算法，但在整個主板上，這只是芯片所要計算的一部分。于其他方面，還有更多的計算工作，而它們中間的多數，并不需要AI芯片的介入，比如數據存儲等等。
當然，主流架構探討、算法通用可實現性、剛需應用場景等也是AI芯片需要攻克的問題。
短期之內，如英偉達這樣的芯片行業巨頭，其GPU因為算力尚且能夠滿足當前AI算法加速的需要，雖然耗能表現不佳，但是出于產業的需求，仍然是占據了當前市場的主要份額。
總結：新舊更迭，背后都是市場法則
不管是CPU、GPU等傳統芯片，還是AI芯片，它們出現的根因皆是因為市場有了新需求，繼而才會形成趨勢，最終落實為產品。這其中，有著時代的更迭，也有著技術的進步。
這方面，AI芯片本身就是一個典型的案例。因為計算的需要，人們開始研發芯片，從而誕生了CPU、GPU等。之前很長一段時間內，CPU一直做著主要的任務處理和數據計算工作。之后隨著AI的出現，CPU的算力遇到了挑戰。反之，因為并行運算架構，以往并不起眼的GPU開始煥發光彩。
展開 EDA引入AI輔助芯片設計，對工程師意味著什么？
圖3 機器學習在工程領域的潛力應用
目前在芯片設計過程中，開發者最常遇到的問題，是由先進制程所帶來的電子遷移(Electron Migration, EM)、時序(Timing)與功率(Power)問題。這些問題就很適合用機器學習的方法來解。Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案?？吹浆F在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
展開 AI自動設計的芯片誕生了，不輸工程師
創天科技、清華大學、西安電子科技大學和杭州電子科技大學剛剛聯合發布的一篇論文，提出了一種新的神經網絡架構，讓AI在不聲不響間，又掌握了新的技能：設計微波集成電路。
這個全新的神經網絡架構名叫“關系歸納神經網絡”，能夠總結和歸納微波集成電路內在的電磁規律，自己學會設計和調試，結果顯示，AI設計的集成電路性能完全可以媲美最好的人類設計師。
我國的集成電路產業在國家的大力扶持下經歷了高速的發展，但與世界先進水平還有著差距，從2013年至今我國每年集成電路的進口額超過了石油，成為第一大宗進口商品。歐美各國為鞏固其優勢地位，尤其為了削弱我國在新一代電子信息技術、半導體集成電路領域的快速發展的能力，不約而同的采取措施，力求最大限度的制約我國研發或生產高端芯片及元器件。
同時，美國為了保證自己在芯片產業的核心地位，2018年7月，美國首次“電子復興計劃”峰會（ERI Summit）在舊金山拉開帷幕。由美國國防部高級研究計劃局DARPA組織。這次大會上，美國的電子復興五年計劃，選出了第一批入圍扶持項目：電子裝置的智能設計（IDE Automation）。IDEA旨在創建一個“無需人工參與”（no human in the loop）的芯片布局規劃（layout）生成器，讓沒什么專業知識的用戶也能在一天內完成硬件設計。而DARPA的愿景，是最終讓機器取代人類進行芯片設計。
現在高水準的集成電路AI已經在中國出現了。
集成電路AI難在哪里？
在最新披露的論文里，創天科技表示雖然AlphaGo已經是AI里程碑，但下圍棋與現實世界相比，仍然是一個非常簡單的問題。
展開 EDA引入AI輔助芯片設計，對工程師意味著什么？
Ansys已經跟NVIDIA合作發展出一套輔助工具，讓已經完成線路布局的芯片設計，在模擬環境中進行分析，看芯片會不會遇到EM相關問題，以判斷線路布局是否需要修改(圖4) 。
圖4 以機器學習為基礎的EM輔助系統
傳統上，當芯片開發團隊完成線路布局后，是用工程團隊所設定的條件去進行模擬，但因為模擬需要耗費相當長的時間，因此開發團隊設定的模擬情境很難涵蓋周延。但在ML的輔助之下，機器學習可以幫工程師注意到以前沒關注的盲點，從而在芯片還在設計階段就把可能出現的問題排除。
AI不是萬能設計最佳化還得靠人腦
雖然用機器學習或人工智能來設計芯片將是未來趨勢，而且有越來越多芯片設計開發的環節開始使用相關工具，但誠如張嘉鴻所言，機器學習只是眾多工具中的一種，不是所有問題的萬靈丹。因此，人在芯片設計的整個過程中，還是會扮演非常重要的角色，只是專注的工作跟現在不一樣。
明導國際(Mentor Graphic)執行長Walden Rhines(圖5)就表示，人工智能是許多學運算科學的人都研究過的題目，在他還是個年輕工程師的時候，就有參與過類似的開發專案?？吹浆F在人工智能的蓬勃發展，一方面有終于熬到出頭天的感慨，但另一方面還是得指出，神經網路(Neuro Network, NN)、機器學習這些人工智能技術，在應用上還是有其限制，不應該把AI神化。
圖5 明導國際執行長Walden Rhines認為，機器學習在EDA領域的應用還在發展中，而且有些IC設計步驟所遭遇的問題未必適合用機器學習來解決。
以IC設計為例，用機器學習來做芯片繞線布局，其實是非?！复址拧沟摹ｋm然用這種方法可以加快芯片設計的速度，但很難做到面積、功耗或性能的最佳化。
展開 AI芯課程 | 探索Code Advisor 如何提升10x設計驗證效率
隨著AI技術的不斷演進，芯片EDA 領域也在加速擁抱 AI 技術，用AI來設計芯片也在逐漸成真。4月3日，新思科技芯課程AI系列主題第五講即將推出：「探索Code Advisor 如何提升10x設計驗證效率」，將為大家介紹新思科技代碼生成工具Code Advisor，該工具基于LLM 模型和agent 模式助力RTL生成到RTL驗證整個流程，提高工程師生產力數十倍！歡迎報名參會，探索Code Advisor 如何助力提升設計驗證效率！
時間：4月 3日（星期五），14:00–15:00
地點：線上直播
講師簡介：
史迎輝 | 新思科技應用工程師
負責數字電路驗證系列產品的支持，在DDR VIP，低功耗動態驗證，生成式AI代碼生成等方向具有豐富經驗。
掃碼立即報名參會?
展開 Axelera AI采用Ansys提高邊緣AI平臺芯片電源及性能完整性
首先，使用該軟件預先提取或轉移各種集成電路原理圖中的大量弱項，以免延遲制造流程；接下來，使用Ansys仿真完成壓降分析，以發現影響芯片質量的問題，然后快速迭代并執行修復，最大限度減少會導致電路故障的意外壓降。
Axelera AI的PCIe AI Edge加速器卡（如圖）由四個Metis AIPU提供支持，并使用Ansys仿真軟件進行驗證
Axelera AI聯合創始人、芯片總監Giuseppe Garcea指出：“在分析過程中，我們發現了可能影響芯片設計質量的嚴重問題。用Ansys軟件設置兩步工作流程非常簡單、直白，初始運行可在一臺服務器上完成。最后，這些工具為我們提供了快速識別平面布局圖及IR壓降等挑戰，并對其各種修復進行迭代所需的詳細數據。Ansys讓我們的團隊深信不疑，未來可完全規避任何導致芯片故障的設計問題。”
Ansys產品高級副總裁Shane Emswiler表示：“邊緣AI平臺的需求以海量數據處理及存儲為特征，需要對芯片的架構進行重大改進。當前的芯片設計需要復雜的測試驗證，這讓半導體制造商倍感壓力，他們必須以低成本的方式，快速滿足不斷變化的系統需求。Ansys仿真軟件可實現全面、有效的分析，以快速優化這些芯片設計的電源和性能，并加快移動人工智能應用關鍵數據的速度。”
展開 
AI 芯片和傳統芯片的區別
FPGA非常靈活，成本不高，可以很快實現架構設計原型，所以他們自然會選擇基于FPGA的方案。不過，最近他們都大力融資，官網也在招聘芯片設計崗位，所以，應該也在涉足ASIC研發了。
如果以FPGA為代表的可編程方案真的有巨大的商業價值，那他們何必砸錢去做ASIC？
來源：知乎 汪鵬
官網百萬年薪招攬人才，瞄準AI芯片
從人才看騰訊芯片布局
官網顯示，今年6月下旬以來，騰訊新增了一批芯片相關的崗位。
整體來看，芯片技術崗大約有15+個，分為硬件和軟件兩種，硬件上包括芯片架構、芯片設計、硬件電子開發、FPGA等，軟件則包含AI編譯器、芯片底層軟件等。
技術需求上，確實如騰訊所說，招聘方向基本都與專用芯片相關。
芯片分為兩個大類，通用芯片包括CPU、GPU、DSP；專用芯片包括FPGA、ASIC（包括AI芯片，即針對AI算法的ASIC）。
其中，硬件如芯片架構師，主要負責AI芯片和通用處理器或是細分領域的需求分析，主導AI處理器芯片架構設計、競爭分析和規格定義，也負責主導關鍵技術研究。
FPGA開發工程師則包括設計、開發FPGA代碼，配合軟件工程師聯調軟硬件，要求有5年以上經驗，且熟悉相應的FPGA芯片開發流程。
芯片驗證工程師則主要負責FPGA、芯片兩塊的驗證工作，需要從驗證環境、方案開始搭建。
軟件如AI編譯器工程師，則主要負責AI編譯器架構設計、AI芯片工具鏈開發、算子開發DSL語言設計等。
薪資上，騰訊官網并未給出具體的薪資數額，不過從BOSS直聘上發布的部分崗位來看，騰訊芯片相關的崗位月薪2萬起步，最高能達到10萬（16薪），基本是目前行業的平均水平。
展開 AI芯片新機遇 —— ISSCC 2019 人工智能芯片技術前瞻
芯片性能的提升手段可以是令人乍舌的新工藝，或者是善用矩陣的稀疏性等等：
值得指出的是，其實上述在存內計算或者是智能機器人芯片中的許多設計都滿足了這個小目標。
來源：內容來自「矽說」，謝謝。
華為徐直軍：兩款AI芯片不單獨對外銷售 與芯片廠商沒有競爭
10月10日，華為在全鏈接2018大會上，華為輪值董事長徐直軍首次系統闡釋了華為五大AI發展戰略，以及全棧全場景AI解決方案，同時發布了算力遠超全球同類產品的兩款AI芯片：昇騰910和昇騰310。
在會后的對話環節，華為輪值董事長徐直軍向全天候科技等媒體表示，華為兩款AI芯片均不會單獨對外銷售，而是以AI加速模塊、AI服務器、云服務的形式面向第三方銷售。
徐直軍直言，華為不直接面向第三方提供芯片，“我們和單純的芯片廠商沒有競爭，我們提供硬件和云服務的廠商會有競爭。”
對于外界十分關注的華為與微軟的合作一事，徐直軍透露，與微軟有接觸，但不存在大規模采購一說，“這都是謠言，都是你們說的。今天我們正式發布，可以為友好客戶提供測試卡，明年二月份才會為合作伙伴提供加速模塊、服務器。這才是事實?！?華為輪值董事長 徐直軍
在徐直軍看來，AI可能改變很多企業、顛覆很多行業，華為每天都在應對AI的沖擊，“見招拆招”。反過來，AI對于華為也具有三點意義：
一是在于開創了新的機會，基于AI的加速模組、加速卡、AI云服務，這是我們開創的新機會，能夠帶來新的增長；
第二，AI能保持和增強現有服務的競爭力，更好的面向未來，這一點上從智能手機上我們已經享受了價值；
第三，對于華為內部來說，改進管理、提升效率，更好地提升整個組織的競爭力，以面對未來的挑戰。
據悉，華為這次發布的昇騰910算力可以達到256T，是目前全球已發布的單芯片計算密度最大的AI芯片，計算力遠超谷歌，比排名第二的Nvidia V100要高出一倍。而昇騰310芯片的最大功耗僅8W，整數精度的算力達到了16T，同時還集成了16個通道的全高清視頻解碼器，是目前針對低功耗計算場景最強算力的AI芯片。
另外，華為還計劃從技術、人才、產業這三個方面進行主動變革。
展開 