苍井空在线视频一区二区三区,特黄AAAAAAA片免费视频,大香蕉怡春院日韩精品视频,亚洲性老太-V888AV,我想看中国台湾特级黄色录像1级特黄特黄的 ,青青草性爱,土豪胖哥酒店微信高价的御范气质身材苗条匀称 ,在线色网

? 視學(xué)算法報道??

編輯：袁榭拉燕

【新智元導(dǎo)讀】用AI更快更好設(shè)計顯卡，再用做出的顯卡跑更快更好的AI。英偉達的這個反向營銷案例，非常巧妙。

了解英偉達的研發(fā)情況，已經(jīng)成為每年英偉達春季GTC會議的一個常規(guī)特征。

比如首席科學(xué)家兼研究部高級副總裁Bill Dally每年就會提供英偉達研發(fā)機構(gòu)的概況和關(guān)于當前優(yōu)先事項的一些細節(jié)。

2022年，Dally主要關(guān)注英偉達正在開發(fā)和使用的AI工具，這些AI正在改善英偉達自身的產(chǎn)品。

如果愿意接受的話，這其實是一個巧妙的反向營銷案例：英偉達從制作顯卡來做跑AI工具的公司，成為了一家AI工具用來做顯卡的公司。

是的，英偉達已經(jīng)開始使用AI智能來有效改善和加快自家的顯卡設(shè)計。

Dally在2022年的GTC演講中描述道：「我們的設(shè)計團隊是一個約有300人的小組，試圖在英偉達的產(chǎn)品設(shè)計上探索更有前瞻性的領(lǐng)先位置。我們有點像遠光燈，試圖照亮遠處的東西。這個團隊被松散地組織成兩半。

供應(yīng)部分負責提供顯卡的技術(shù)。它使顯卡本身更好，從電路、到超大規(guī)模集成設(shè)計方法、架構(gòu)網(wǎng)絡(luò)、編程系統(tǒng)，以及讀入顯卡和基于顯卡的軟件的存儲系統(tǒng)。」

「需求部分試圖通過開發(fā)要用顯卡才能良好運行的軟件系統(tǒng)和技術(shù)，來推動市場對英偉達產(chǎn)品的需求。

例如我們有三個不同的圖形研究小組，因為我們在不斷推動計算機圖形技術(shù)的發(fā)展。我們還有五個不同的人工智能小組，因為使用GPU來運行AI是目前一個巨大的熱門，而且只會越來越熱。我們也有做機器人和自動駕駛汽車的小組。」

「我們還有一些以地域為導(dǎo)向的實驗室，如我們的多倫多和特拉維夫人工智能實驗室。」

偶爾，英偉達公司會從這幾個小組中抽出部分人力重組個登月式項目，例如，其中一次此類項目產(chǎn)生了英偉達的實時光線追蹤技術(shù)。

光追項目的組織架構(gòu)圖

一如既往，2022年的研究與Dally上一年的談話有重復(fù)之處，但也有新的信息。比如該部門的規(guī)模肯定已經(jīng)從2019年的175人左右增長了很多。毫無疑問，英偉達開發(fā)自動駕駛系統(tǒng)和機器人的努力也已經(jīng)加強了。Dally沒有多說CPU的設(shè)計工作，這無疑也在增強。

接下來呈現(xiàn)的是Dally演講中關(guān)于英偉達在設(shè)計芯片時越來越多地使用AI的一小部分內(nèi)容。

繪制電壓下降圖

Dally指出：「作為人工智能的專家，我們自然希望利用AI來設(shè)計更好的芯片。」

英偉達的顯卡設(shè)計部門以幾種不同的方式做到這一點。第一個也是最明顯的方法是，可以利用現(xiàn)有的計算機輔助設(shè)計工具，并將AI模型納入其中。

例如，顯卡設(shè)計部門有一個輔助設(shè)計的軟件工具，其中的AI實時測繪了英偉達的GPU顯卡產(chǎn)品中使用電力變化的位置圖譜，并實時預(yù)測電壓網(wǎng)格下降的程度。

一般電壓下降是用電流乘以電阻下降度算出，要在傳統(tǒng)的CAD工具上運算出這個值需要三個小時。因為這是一個迭代的過程，一直用傳統(tǒng)工具的話，對設(shè)計部門來說，工作量會變得非常艱巨。

概念展示

英偉達的顯卡設(shè)計部門想做的是訓(xùn)練一個AI模型來獲取相同的數(shù)據(jù)。開發(fā)人員在一堆設(shè)計上如此試行過后，然后給AI輸入功率圖。AI由此產(chǎn)生的推理時間只有三秒。

當然，如果你包括上功率圖特征值提取的時間，那就是18分鐘。無論如何，與傳統(tǒng)效果相比這都是非常快的結(jié)果。

在類似的前提情況下，顯卡設(shè)計部門還嘗試了不使用卷積神經(jīng)網(wǎng)絡(luò)AI、而是使用圖神經(jīng)網(wǎng)絡(luò)的AI。如此處理的目的是為了估計顯卡電路中不同節(jié)點的開關(guān)頻率，這實際上推動了前述例子中的功率特征值輸入效率。

附帶的效果是，英偉達的開發(fā)人員能夠得到非常準確的顯卡電路功率估計，比傳統(tǒng)工具要快得多，而且只用了很小的一部分時間。

預(yù)測寄生元件

Dally特別喜歡的、若干年前他作為一名電路設(shè)計師投入相當多時間的設(shè)計項目，是用圖形神經(jīng)網(wǎng)絡(luò)AI預(yù)測寄生元件（設(shè)計時未曾打算或預(yù)料到的電子元件）將會如何被附加到最終成品中。

過去，電路設(shè)計是一個非常反復(fù)的過程，設(shè)計師會畫出一個帶了一堆晶體管標志的電路原理圖。但他不會知道電路板的性能如何。

直到布局設(shè)計師拿著這個原理圖，做了布局樣品，附加了寄生元件，然后設(shè)計者才可以運行電路模擬，發(fā)現(xiàn)其中哪些部分不符合預(yù)期的設(shè)計規(guī)格。

然后設(shè)計師會返回去修改他的原理圖，并再次麻煩布局設(shè)計師再跑一遍這個流程，這是一個非常漫長的、反復(fù)的、不人性的勞動密集型過程。

現(xiàn)在英偉達的顯卡設(shè)計部門可以做到的，是訓(xùn)練神經(jīng)網(wǎng)絡(luò)來預(yù)測寄生元件，而不需要讓布局設(shè)計師制造布局樣品才發(fā)現(xiàn)瑕疵。

因此，電路設(shè)計者可以非常快速地迭代，而不需要在循環(huán)中重復(fù)進行手動設(shè)計-布局-再設(shè)計的步驟。

按Dally表示，與基礎(chǔ)真實值相比，現(xiàn)在英偉達的設(shè)計AI對這些寄生器件的預(yù)測非常準確。

布局/布線擁塞

同時，我們還可以預(yù)測芯片的布局/布線帶來的擁塞問題，這對芯片的布局至關(guān)重要。

按正常的流程，芯片設(shè)計人員會做一張網(wǎng)格表，運行一遍布局和布線的過程。一般這個過程非常耗時，會花費數(shù)天的時間。

只有如此設(shè)計師們才能獲得顯卡樣品實際的擁塞情況，光有設(shè)計圖的初始布局是不夠的。

設(shè)計師們需要將其重構(gòu)，并以不同的方式放置宏，以避開紅色的區(qū)域（如下圖所示）。紅色區(qū)域有太多交錯的線路穿過給定的區(qū)域，就像比特版「交通堵塞」。

而像這種情況，用上輔助設(shè)計的AI之后，沒必要再跑一邊布局和布線，就可以拿著這些網(wǎng)格列表，并用圖像神經(jīng)網(wǎng)絡(luò)AI對擁塞出現(xiàn)的位置進行基本預(yù)測，結(jié)果還算準確。

雖說還不算完美，但是能顯示哪些區(qū)域存在問題。之后設(shè)計團隊就可以在特定區(qū)域采取行動，快速完成迭代，不再需要一遍遍重復(fù)全局布局和布線了。

芯片標準單元設(shè)計自動化

現(xiàn)有的方法都是用AI來評價人類的設(shè)計，而未來，更令人興奮的是能夠使用AI來完成設(shè)計。

Dally舉了兩個例子來說明AI如何完成芯片設(shè)計。

第一個系統(tǒng)叫NVCell，它結(jié)合了模擬低溫退火和加強學(xué)習(xí)，基本上能夠設(shè)計出數(shù)字集成電路的標準單元庫。

每次設(shè)計師實現(xiàn)了芯片技術(shù)上的升級——比方說從7納米優(yōu)化到5納米，設(shè)計師都會創(chuàng)造出一個單元庫。

一個單元就像是一個「與門」和「或門」，是一種完全的加速器。

眼下，英偉達的設(shè)計部門有數(shù)千個這種單元庫。這些單元需要在新技術(shù)的框架下，遵循一套復(fù)雜的設(shè)計標準，被重新設(shè)計。

第二個，是用強化學(xué)習(xí)模型來設(shè)計晶體管布局。

設(shè)計師們大部分都采用強化學(xué)習(xí)的辦法來放置晶體管。然而更重要的是，在晶體管放置后，一般都有很多設(shè)計規(guī)則上的錯誤，找到這些錯誤就像一款電子游戲一樣。

事實上，強化學(xué)習(xí)就擅長這個。一個很好的例子就是，強化學(xué)習(xí)在Atari電子游戲上的應(yīng)用。

所以，這就像是一款A(yù)tari電子游戲，只不過，這次是一款修正標準單元中設(shè)計上存在的錯誤的游戲。

通過強化學(xué)習(xí)，英偉達的設(shè)計師可以篩查一遍出現(xiàn)的設(shè)計規(guī)則錯誤，然后修正它們。這樣，設(shè)計師就可以基本完成標準單元的設(shè)計工作了。

如下圖所示，92%的單元庫都可以用這個工具做好，不會存在任何設(shè)計規(guī)則上的錯誤或是電路上的錯誤。

此外，12%的單元比人工設(shè)計的單元都要小。總的來說，從單元的復(fù)雜性上看，AI設(shè)計的單元和人工設(shè)計的一樣好。

這可以幫助設(shè)計師完成兩件事。

第一，應(yīng)用AI能極大地節(jié)省勞動力。沒有AI的話，大約需要一個10人小組耗時一年來建立一個新的技術(shù)庫。而如今，設(shè)計師可以用幾個GPU，跑幾天就行。

然后，人工只用介入剩下那8%AI未能完成的單元就好了。

在大多數(shù)情況下，設(shè)計師憑借AI往往能做出更好的設(shè)計。

所以說，不光省時省力，做出來的東西還更好。

參考資料：

https://www.hpcwire.com/2022/04/18/nvidia-rd-chief-on-how-ai-is-improving-chip-design/

點個在看 paper不斷！

AI做顯卡、顯卡跑AI！英偉達實現(xiàn)芯片設(shè)計自循環(huán)？

? 視學(xué)算法報道??

【新智元導(dǎo)讀】用AI更快更好設(shè)計顯卡，再用做出的顯卡跑更快更好的AI。英偉達的這個反向營銷案例，非常巧妙。