計算機芯片推動了人工智能的顯著進(jìn)步，AlphaChip則利用人工智能來加速和優(yōu)化芯片設(shè)計。這種方法已被用于設(shè)計谷歌定制AI加速器張量處理單元（TPU）的芯片布局。

AlphaChip是首批用于解決實際工程問題的強化學(xué)習(xí)方法之一?？稍跀?shù)小時內(nèi)生成“超人”或同類芯片布局，而無需耗費數(shù)周或數(shù)月的人力，其布局已應(yīng)用于全球各地的芯片，從數(shù)據(jù)中心到手機。

設(shè)計芯片布局并非易事。計算機芯片由許多相互連接的塊組成，這些塊具有多層電路元件，所有元件都通過極細(xì)的導(dǎo)線連接。此外，還有很多復(fù)雜且相互交織的設(shè)計約束，必須同時滿足所有約束。由于其復(fù)雜性，芯片設(shè)計師們在60多年來一直在努力實現(xiàn)芯片布局規(guī)劃過程的自動化。

與學(xué)習(xí)掌握圍棋、國際象棋和將棋游戲的AlphaGo和AlphaZero類似，我們構(gòu)建了AlphaChip，將芯片布局規(guī)劃視為一種游戲。

AlphaChip從空白網(wǎng)格開始，一次放置一個電路元件，直到完成所有元件的放置。然后根據(jù)最終布局的質(zhì)量獲得獎勵。一種新穎的“基于邊緣”圖形神經(jīng)網(wǎng)絡(luò)使AlphaChip能夠?qū)W習(xí)互連芯片元件之間的關(guān)系，并在整個芯片中進(jìn)行推廣，讓AlphaChip在設(shè)計每個布局時都能不斷改進(jìn)。

AlphaChip自2020年發(fā)布以來，已經(jīng)生成了谷歌每一代TPU所使用的“超人芯片”布局。這些芯片使得大規(guī)模擴展基于谷歌Transformer架構(gòu)的AI模型成為可能。

TPU是強大的生成式AI系統(tǒng)的核心，從大型語言模型（如Gemini）到圖像和視頻生成器Imagen和Veo。這些AI加速器也是Google AI服務(wù)的核心，可通過Google Cloud供外部用戶使用。

為了設(shè)計TPU布局，AlphaChip首先在前幾代的各種芯片塊上進(jìn)行練習(xí)，例如片上和芯片間網(wǎng)絡(luò)塊、內(nèi)存控制器和數(shù)據(jù)傳輸緩沖區(qū)。這個過程稱為預(yù)訓(xùn)練。然后我們在當(dāng)前的TPU塊上運行AlphaChip以生成高質(zhì)量的布局。與之前的方法不同，AlphaChip解決了更多芯片布局任務(wù)實例，因此變得更好、更快，就像人類專家所做的那樣。

隨著每一代新TPU（包括最新Trillium）的推出，AlphaChip 設(shè)計了更好的芯片布局并提供了更多的整體平面圖，從而加快了設(shè)計周期并產(chǎn)生了性能更高的芯片。

AlphaChip的影響可以從其在Alphabet、研究界和芯片設(shè)計行業(yè)的應(yīng)用中看出。除了設(shè)計TPU 等專用AI加速器外，AlphaChip還為Alphabet的其他芯片生成布局，例如Google Axion處理器，這是我們首款基于Arm的通用數(shù)據(jù)中心CPU。

外部組織也在采用和開發(fā)AlphaChip。例如，全球頂級芯片設(shè)計公司之一聯(lián)發(fā)科擴展了 AlphaChip，以加速其最先進(jìn)芯片（如三星手機使用的Dimensity Flagship 5G）的開發(fā)，同時提高了功耗、性能和芯片面積。

AlphaChip引發(fā)了芯片設(shè)計人工智能研究的爆炸式增長，并擴展到芯片設(shè)計的其他關(guān)鍵階段，例如邏輯綜合和宏選擇。