直播吧直播！独家视频，精彩看不停！

<随心_句子c><随心_句子c><随心_句子c><随心_句子c><随心_句子c>ChatGPT 也(ye)能(neng)用(yong)來(lai)造(zao)芯(xin)，說(shuo)说英(ying)語(yu)就(jiu)可(ke)以(yi)了(le)？！

整(zheng)理(li) | 屠(tu)敏(min)

出(chu)品(pin) | CSDN（ID：CSDNnews）

ChatGPT 真(zhen)的(de)那(na)麽(me)牛(niu)嗎(ma)？

来自(zi)紐(niu)約(yue)大(da)學(xue) Tandon 工(gong)程(cheng)学院(yuan)的研(yan)究(jiu)人(ren)員(yuan)發(fa)布(bu)了壹(yi)篇(pian)《Chip-Chat: Challenges and Opportunities in Conversational Hardware Design》論(lun)文(wen)，用實(shi)驗(yan)回(hui)答(da)道(dao)：是(shi)的，ChatGPT 確(que)实比(bi)較(jiao)厲(li)害(hai)！

只(zhi)用簡(jian)單(dan)的自然(ran)语言(yan)之(zhi)英语和(he) ChatGPT 聊(liao)聊天(tian)，便(bian)制(zhi)作(zuo)出了一款(kuan)微(wei)處(chu)理芯片(pian)。更(geng)值(zhi)得(de)註(zhu)意(yi)的是，在(zai) ChatGPT 的助(zhu)力(li)下(xia)，這(zhe)款芯片組(zu)件(jian)不(bu)僅(jin)是設(she)計(ji)了出来的，也是經(jing)過(guo)了基(ji)礎(chu)測(ce)試(shi)，可以制造出来。

纽约大学发文評(ping)價(jia)道，「这是一項(xiang)史(shi)無(wu)前(qian)例(li)的成(cheng)就，可以加(jia)快(kuai)芯片開(kai)发速(su)度(du)，並(bing)允(yun)許(xu)沒(mei)有(you)專(zhuan)業(ye)技(ji)術(shu)技能的個(ge)人设计芯片。」

所(suo)以说，全(quan)民(min)”造芯“的時(shi)代(dai)真的要(yao)来臨(lin)了吗？在此(ci)，我(wo)們(men)不妨(fang)先(xian)看(kan)看研究人员到(dao)底(di)是怎(zen)么做(zuo)的。

AI 大模(mo)型(xing)的應(ying)用，硬(ying)件領(ling)域(yu)落(luo)後(hou)於(yu)軟(ruan)件

在论文中(zhong)，研究人员指(zhi)出，現(xian)代硬件设计始(shi)于自然语言提(ti)供(gong)的規(gui)範(fan)，如(ru)英文文檔(dang)需(xu)求(qiu)，然后再(zai)由(you)硬件工程師(shi)使(shi)用硬件描(miao)述(shu)语言（HDL）如 Verilog，將(jiang)需求用代碼(ma)構(gou)建(jian)出来，完(wan)成芯片內(nei)部(bu)的设计，最(zui)終(zhong)再合(he)成為(wei)電(dian)路(lu)元(yuan)件。

那么，在 AIGC 时代来临之際(ji)，如 OpenAI 的 ChatGPT 和 Google 的 Bard 號(hao)稱(cheng)可以生(sheng)成代码，也有不少(shao)开发者(zhe)使用过它(ta)们創(chuang)建了一个又(you)一个網(wang)站(zhan)，但(dan)是當(dang)前在其(qi)应用范圍(wei)主(zhu)要聚(ju)焦(jiao)在软件领域的情(qing)況(kuang)，这些(xie) AIGC 工具(ju)能否(fou)将硬件工程师的”翻(fan)譯(yi)“（文档需求轉(zhuan)換(huan)成代码）工作給(gei)取(qu)而(er)代之。

基于此，研究人员使用了 8 種(zhong)具有代表(biao)性(xing)的基準(zhun)，研究了在生成硬件描述语言本(ben)身(shen)的編(bian)寫(xie)时，最先進(jin)的 LLM 狀(zhuang)態(tai)的能力和局(ju)限(xian)性。

测试原(yuan)理與(yu)规則(ze)

实验環(huan)節(jie)，研究人员将 ChatGPT 作为一种模式(shi)識(shi)別(bie)器(qi)（充(chong)当人類(lei)的角(jiao)色(se)），可以在各(ge)种类型的语言（口(kou)頭(tou)语、書(shu)面(mian)语）中转换自如，同(tong)时，ChatGPT 可以讓(rang)硬件工程师们跳(tiao)过 HDL 階(jie)段(duan)。

整體(ti)验證(zheng)流(liu)程如下圖(tu)所示(shi)：

詳(xiang)細(xi)来看，首(shou)先，硬件工程师對(dui)大模型提供初(chu)始提示，让它创建一个 Verilog 模型，然后提供輸(shu)入(ru)、输出的具体信(xin)息(xi)。最终硬件工程师对输出设计进行(xing)可視(shi)化(hua)评估(gu)，以确定(ding)其是否符(fu)合基本设计规范。

如果(guo)一个设计不符合规范，它會(hui)在相(xiang)同的提示下再生成五(wu)次(ci)。倘(tang)若(ruo)它仍(reng)然不符合规范，那么它就会失(shi)敗(bai)。

一旦(dan)设计和测试用例已(yi)经写好(hao)了，它们就会被(bei)用 Icarus Verilog (iverilog，Verilog 硬件描述语言的实现工具之一) 编译。如果编译成功(gong)，则进行模擬(ni)。如果没有報(bao)告(gao)錯(cuo)誤(wu)，则设计通(tong)过，不需要反(fan)饋(kui) (NFN)。

如果这些操(cao)作中的任(ren)何(he)一个报告了错误，它们就会被反馈到模型中，并被要求“請(qing)提供修(xiu)正(zheng)”，这被称为工具反馈 (TF)。如果相同的错误或(huo)错误类型出现三(san)次，那么简单的人类反馈 (SHF) 是由用戶(hu)给出的，通常(chang)通过说明(ming) Verilog 中什(shen)么类型的問(wen)題(ti)会導(dao)致(zhi)这个错误 (例如：聲(sheng)明中出现语法(fa)错误)。

如果错误持(chi)續(xu)存(cun)在，则会给出適(shi)度的人类反馈 (Moderate Human Feedback，MHF) ，并提供稍(shao)微更直(zhi)接(jie)的信息给工具，以识别特(te)定的错误。

如果错误持续存在，则会给出高(gao)級(ji)人类反馈 (Advanced HumanFeedback，AHF)，它依(yi)賴(lai)于精(jing)确地(di)指出错误所在和修復(fu)它的方(fang)法。

一旦设计编译和模拟，没有失败的测试用例，它就被認(ren)为是成功的。

但是如果高级反馈不能修复错误，或者用户需要编写任何 Verilog 代码来解(jie)決(jue)错误，则测试被认为是失败的。如果会話(hua)超(chao)过 25 條(tiao)消(xiao)息，符合每(mei) 3 小(xiao)时 ChatGPT-4 消息的 OpenAI 速率(lv)限制，则該(gai)测试也被视为失败。

Bard 和 HuggingChat 在首輪(lun)测试中折(zhe)戟(ji)

具体实验环节，研究人员針(zhen)对 8 位(wei)移(yi)位寄(ji)存器进行了基准测试。

他(ta)们要求大模型嘗(chang)试为一个「测试名(ming)称」创建一个 Verilog 模型，然后提供规范，定義(yi)输入和输出端(duan)口以及(ji)任何需要的进一步(bu)细节，并进一步詢(xun)问大模型“我将如何写一个设计，以滿(man)足(zu)这些规格(ge)？”

与此同时，研究人员還(hai)直接让大模型生成测试臺(tai)的设计：

妳(ni)能为这个设计编写一个 Verilog 测试台吗？测试台应该具備(bei)自檢(jian)功能，并且(qie)能夠(gou)与 iverilog 一起(qi)用于仿(fang)真和验证。如果测试用例失败，测试台应该能够提供足够的信息，以便找(zhao)到并解决错误。

进而，研究人员基于 ChatGPT-4、ChatGPT-3.5、Bard、HuggingChat 四(si)款大模型得到了输出内容(rong)：

最终結(jie)果顯(xian)示，兩(liang)个 ChatGPT 模型都(dou)能够满足规格，并开始进行设计流程。不过，Bard 和 HuggingChat 未(wei)能满足规格的初始標(biao)准。

雖(sui)然按(an)照(zhao)上(shang)文提到的测试流程，研究人员基于 Bard 和 HuggingChat 的初始提示，又让大模型重(zhong)新(xin)生成了五次回答，但是多(duo)轮之后，这两个模型还是都失败了。其中，Bard 始终无法满足给定的设计规范，HuggingChat 的 Verilog 输出是在模塊(kuai)定义之后就开始不正确了。

鑒(jian)于 Bard 和 HuggingChat 在初始挑(tiao)戰(zhan)基准提示符上的性能较差(cha)，研究人员决定后续只针对 ChatGPT-4 和 ChatGPT-3.5 进行完整的测试。

ChatGPT-4 和 ChatGPT-3.5 的角逐(zhu)

下图显示了 ChatGPT-4 和 ChatGPT-3.5 的基准测试结果，明显可以看出，ChatGPT-3.5 的性能要比 ChatGPT-4 差一些，大多數(shu)对话导致基准测试失败，而大多数通过自己(ji)测试台的对话都是不兼(jian)容的。

反觀(guan) ChatGPT-4 的表现更勝(sheng)一籌(chou)，大多数的基准测试都通过了，其中大部分(fen)只需要工具反馈。不过，在测试台设计中，仍然需要人类的反馈。

ChatGPT-4 与硬件工程师配(pei)对，共(gong)同开发芯片

为了探(tan)索(suo) LLM 的潛(qian)力，研究人员还让硬件设计工程师和 ChatGPT-4 配对，共同设计一种基于 8 位的累(lei)加器的微处理器。

对 ChatGPT-4 的初始提示如下所示：

让我们一起做一个全新的微处理器设计......我认为我们需要限制自己的累加器8位架(jia)构，没有多字(zi)节指令(ling)。既(ji)然如此，你覺(jiao)得我们该怎么开始?

考(kao)慮(lv)到空(kong)間(jian)限制，研究人员的目(mu)标是使用 32 字节内存（数據(ju)和指令相结合）的馮(feng)·諾(nuo)依曼(man)型设计。

最终，ChatGPT-4 与硬件工程师共同设计了一种新穎(ying)的基于 8 位累加器的微处理器架构。该处理器采(cai)用 Skywater 130nm 工藝(yi)，这意味(wei)著(zhe)这些“Chip-Chat”实现了我们认为是世(shi)界(jie)上第(di)一个完全由人工智(zhi)能编写的用于流片的 HDL。

GPT-4 设计的基于累加器的数据路徑(jing)（由人类繪(hui)图）

在论文中，研究人员總(zong)结道，ChatGPT-4 產(chan)生了相对高質(zhi)量(liang)的代码，这可以從(cong)短(duan)暫(zan)的验证周(zhou)转中看出。考虑到 ChatGPT-4 每 3 小时 25 条消息的速率限制，此设计的总时间預(yu)算(suan)为 ChatGPT-4 的 22.8 小时（包(bao)括(kuo)重新啟(qi)動(dong)）。每条消息的实际生成平(ping)均(jun)约为 30 秒(miao)：如果没有速率限制，整个设计本可以在 <100 分鐘(zhong)内完成，具体取决于人类工程师。盡(jin)管(guan) ChatGPT-4 相对容易(yi)地生成了 Python 匯(hui)编程序(xu)，但它很(hen)難(nan)编写为我们的设计编写的程序，而且ChatGPT也没有编写任何重要的测试程序。

总体上，研究人员完成了在模拟和 FPGA 仿真中评估了一系(xi)列(lie)全面的人工编写的汇编程序中的所有 24 条指令。

ChatGPT 能够节省(sheng)芯片开发周期(qi)

“这项研究产生了我们认为是第一个完全由 AI 生成的 HDL，用于制造物(wu)理芯片，”纽约大学 Tandon 的研究助理教(jiao)授(shou)兼研究團(tuan)隊(dui)成员 Hammond Pearce 博(bo)士(shi)说。“一些人工智能模型，如 OpenAI 的 ChatGPT 和谷(gu)歌(ge)的 Bard，可以生成不同编程语言的软件代码，但它们在硬件设计中的应用尚(shang)未得到廣(guang)泛(fan)研究。这项研究表明 AI 也可以使硬件制造受(shou)益(yi)，尤(you)其是当它被用于对话时，你可以通过一种来回的方式来完善(shan)设计。”

然而，在这个过程中，研究人员也需要进一步测试和解决将 AI 用于芯片设计所涉(she)及的安(an)全考虑因(yin)素(su)。

整体而言，虽然 ChatGPT 不是一款专門(men)面向(xiang)硬件领域的自动化软件工具，但是它可以成为一款 EDA 輔(fu)助工具，而且幫(bang)助 EDA 设计师们大大降(jiang)低(di)了知(zhi)识门檻(kan)。

研究人员也表示，如果在现实环境(jing)中实施(shi)，在芯片制造中使用 LLM 模型可以減(jian)少 HDL 转换过程中的人为错误，有助于提高生产力，縮(suo)短设计时间和上市(shi)时间，并允许进行更具创意的设计。其实，仅是这一點(dian)，ChatGPT 便值得被硬件工程师们拿(na)来在硬件领域參(can)与更多的尝试与探索。

更详细的测试流程見(jian)论文：https://arxiv.org/pdf/2305.13243.pdf

参考：

https://www.tomshardware.com/news/conversation-with-chatgpt-was-enough-to-develop-part-of-a-cpu

https://engineering.nyu.edu/news/chip-chat-conversations-ai-models-can-help-create-microprocessing-chips-nyu-tandon-researchers返(fan)回搜(sou)狐(hu)，查(zha)看更多

責(ze)任编輯(ji)：