DSO.ai推出一周年，人工智能和机器学习如何变革芯片设计方法学

DSO.ai自推出以来一直占据半导体行业的头条，并荣获2020年ASPENCORE全球电子成就奖的“最佳创新产品奖”。Designer Digest邀请了一些创新者来到新思科技机器学习卓越中心（ML CoE），共同探讨人工智能驱动芯片设计的发展趋势。

问: DSO.ai是什么?为什么它被认为是芯片设计技术的一项突破？

设计空间优化（DSO）是借助最新的机器学习技术搜索大型设计空间的一种新方法。DSO.ai的灵感来自AlphaGo——这个计算机程序在2016年通过自学掌握了如何下围棋，并击败了人类专家。芯片设计也是一个潜力巨大的解决方案空间，比围棋游戏大数万亿倍。搜索这个巨大的空间是一项劳动密集程度极高的工作，通常需要多个星期才能完成，而且往往要依靠过去的经验和群体知识作为指导。

DSO.ai引入了一种新的创成式优化模式，采用强化学习 (RL) 技术自主搜索设计空间，以寻找最佳解决方案。

问:从半导体公司的角度，DSO.ai有哪些与众不同之处？

我认为，人工智能和大数据的出现为整个EDA行业提供了一个新的维度。我们有史以来第一次让数据生成算法，而非相反。

这种新模式为设计探索过程带来了极大自主性。本质上讲，这使人工智能高效配合开发者工作，DSO.ai在芯片设计工作流中全面探索各种选择，而大量影响较小的决策通过高度自动化方式做出。人工智能级的生产力意味着整个团队都可以提升专业性，从而能够承接更多项目，推动工艺扩展达到新极限，并缩短上市时间。

问: DSO.ai是芯片设计的“一键完成按钮”吗？

真正的能力仍然掌握在开发者手中。

DSO.ai并非通过有限的手动搜索方式，而是将搜索过程自动化，同时由用户决定关注哪些空间。这从根本上改变了我们对芯片设计的看法。未来的开发者将能够借助人工智能，以更高的抽象水平和处理能力完成设计过程。开发者的角色将不再是安排和运行实验，而是指导人工智能技术关注哪些设计空间，以及最终根据经验确定要实现什么目标。这样，开发者可以将更多时间用于分析具体问题，并对预期结果做出更好的权衡。

问: DSO.ai的典型应用有哪些？

DSO.ai可用于优化芯片设计工作流程的输入参数和选择，以满足特定项目的确切需求。这种能力的第一个典型应用领域是优化设计步骤和基础工具设置。然而，其作用远不止于此。

开发者可以使用DSO.ai搜索设计过程的其他许多输入选项。例如，DSO.ai可以微调库单元以提供最佳频率或最低功率；采用现有平面图并尽量缩小芯片尺寸；确定多高的工作电压会实现功耗与性能的最佳权衡；在定制时钟结构或者电源分布网络探索不同效果等等。

问: DSO.ai是否需要建造一个专门的数据中心？

这当然可能是利用大数据的一种方式，但我们觉得这并非解决EDA问题的正确方法。相反，我们选择设计自己的算法，从而能够在本质上进行更多计算任务，但同时也能在现有EDA计算环境中有效运行。它是一个迭代完善的过程。在设计演变流程的初期，有更多的选择可供探索，因此，DSO.ai可以有效地进行更多计算。随后，设计空间越来越小，计算带宽随之减少。另一个重要方面是学习。

DSO.ai会逐步学习以前的设计版本。例如，在有新的网络列表时，DSO.ai不会从头开始，而是使用学习引擎，根据以前的设计推断出下一步动作。

问: 有一个大家一直都感兴趣的问题，人工智能是否会取代开发者？

人工智能是新生事物，而且这一话题在很多行业都存在。对EDA来讲，我想到在Design Compiler出现初期就有类似的讨论，例如它如何通过引入RTL综合推动电路设计模式发展。当前，我们似乎正处于一个类似的十字路口，尽管摩尔定律逐步放缓，但技术的飞跃正在激发设计方面的巨大创新。

就像20世纪80年代末的Design Compiler一样，我们的愿望是：人工智能将推动我们的客户翻开未来30年半导体创新的新篇章。