qq红包广告

<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>AI竟(jing)能(neng)生(sheng)成(cheng)芯(xin)片(pian)了(le)！GPT-4僅(jin)用(yong)19輪(lun)對(dui)話(hua)造(zao)出(chu)130nm芯片，攻(gong)克(ke)芯片設(she)計(ji)行(xing)業(ye)巨(ju)大(da)挑(tiao)戰(zhan)HDL

新(xin)智(zhi)元(yuan)報(bao)道(dao)

編(bian)輯(ji)：Aeneas 潤(run)

【新智元導(dao)讀(du)】GPT-4已(yi)經(jing)會(hui)自(zi)己(ji)设计芯片了！芯片设计行业的(de)壹(yi)個(ge)老(lao)大難(nan)問(wen)題(ti)HDL，已经被(bei)GPT-4順(shun)利(li)解(jie)決(jue)。並(bing)且(qie)，它(ta)设计的130nm芯片，已经成功(gong)流(liu)片。

GPT-4，已经可(ke)以(yi)幫(bang)人(ren)類(lei)造芯片了！

只(zhi)用簡(jian)單(dan)的英(ying)語(yu)对话，紐(niu)約(yue)大學(xue)Tandon工(gong)程(cheng)学院(yuan)的研(yan)究(jiu)人員(yuan)就(jiu)通(tong)過(guo)GPT-4造出了一个芯片。

具(ju)體(ti)來(lai)說(shuo)，GPT-4通过来回(hui)对话，就生成了可行的Verilog。隨(sui)後(hou)將(jiang)基(ji)準(zhun)測(ce)試(shi)和(he)處(chu)理(li)器(qi)發(fa)送(song)到(dao)Skywater 130 nm穿(chuan)梭(suo)機(ji)上(shang)成功流片（tapeout）。

這(zhe)項(xiang)成就，堪(kan)稱(cheng)史(shi)無(wu)前(qian)例(li)。

論(lun)文(wen)地(di)址(zhi)：https://arxiv.org/pdf/2305.13243.pdf

这意(yi)味(wei)著(zhe)，在(zai)大语言(yan)模(mo)型(xing)的帮助(zhu)下(xia)，芯片设计行业的大难题——HDL将被攻克。芯片開(kai)发的速(su)度(du)将大大加(jia)快(kuai)，并且芯片设计的門(men)檻(kan)也(ye)被大大降(jiang)低(di)，沒(mei)有(you)專(zhuan)业技(ji)能的人都(dou)可以设计芯片了。

研究者(zhe)表(biao)示(shi)：「可以認(ren)為(wei)，这项研究產(chan)生了第(di)一个完(wan)全(quan)由(you)AI生成的HDL（硬(ying)件(jian)描(miao)述(shu)语言），它可以直(zhi)接(jie)用来制(zhi)造物(wu)理芯片。」

HDL难题被GPT-4顺利解决

如(ru)上圖(tu)所(suo)示，芯片设计和制造中(zhong)非(fei)常(chang)重(zhong)要(yao)的一部(bu)分(fen)代(dai)碼(ma)——Verilog，就是(shi)研究人员通过提(ti)示詞(ci)讓(rang)GPT-4生成的。

在NYU的这项研究中，兩(liang)名(ming)硬件工程師(shi)仅仅通过英语和GPT-4交(jiao)談(tan)，就设计出了一種(zhong)新型的8位(wei)基於(yu)累(lei)加器微(wei)处理器架(jia)構(gou)。

而(er)GPT-4设计的芯片，顯(xian)然(ran)已经達(da)到了工业標(biao)准，因(yin)为它随后就被研究者送去(qu)在Skywater 130nm shuttle上制造了。

这标誌(zhi)着第一个由大语言模型设计的IC被實(shi)際(ji)制造出来，达到了一个裏(li)程碑(bei)。

硬件描述语言（HDL），一直是芯片设计行业一直面(mian)臨(lin)的一个巨大挑战。

因为HDL代码需(xu)要非常专业的知(zhi)識(shi)，对很(hen)多(duo)工程师来说，想(xiang)要掌(zhang)握(wo)它們(men)非常困(kun)难。

如果(guo)大语言模型可以替(ti)代HDL的工作(zuo)，工程师就可以把(ba)精(jing)力(li)集(ji)中在攻關(guan)更(geng)有用的事(shi)情(qing)上。

Pearce博(bo)士(shi)面对自己设计出的第一塊(kuai)芯片，頗(po)为感(gan)慨(kai)地表示：「我(wo)根(gen)本(ben)就不(bu)是芯片设计专家(jia)，卻(que)设计出了一块芯片，这正(zheng)是令(ling)人印(yin)象(xiang)深(shen)刻(ke)的地方(fang)。」

通常情況(kuang)下，开发任(ren)何(he)类型的硬件（包(bao)括(kuo)芯片），第一步(bu)都是用日(ri)常语言描述硬件功能。

随后，经过专门培(pei)訓(xun)的工程师会把这个描述翻(fan)譯(yi)成硬件描述语言 (HDL)，由此(ci)創(chuang)建(jian)允(yun)許(xu)硬件執(zhi)行任務(wu)的实际電(dian)路(lu)元件。

Verilog就是一个经典(dian)的例子(zi)。在这项研究中，大语言模型能夠(gou)通过来回对话生成可行的Verilog。随后就是将基准测试和处理器发送到Skywater 130 nm穿梭机上，進(jin)行流片（tapeout）。

纽约大学坦(tan)登(deng)电氣(qi)與(yu)计算(suan)机工程系(xi)以及(ji)網(wang)絡(luo)安(an)全中心(xin)的研究助理教(jiao)授(shou)Dr. Hammond Pearce介(jie)紹(shao)说，之(zhi)所以啟(qi)動(dong)这个Chip Chat项目(mu)，是希(xi)望(wang)探(tan)索(suo)大语言模型在硬件设计領(ling)域(yu)的能力。

在他(ta)们看(kan)来，这些(xie)大语言模型不仅仅是「玩(wan)具」，而是有潛(qian)力做(zuo)更多事情。为了驗(yan)證(zheng)这个概(gai)念(nian)，Chip Chat项目誕(dan)生了。

我们都知道，OpenAI的ChatGPT和谷(gu)歌(ge)的Bard都可以生成不同(tong)编程语言的軟(ruan)件代码，但(dan)它们在硬件设计的應(ying)用中尚(shang)未(wei)得(de)到廣(guang)泛(fan)的研究。

而NYU的这项研究表明(ming)，AI不仅可以生成软件代码，還(hai)能使(shi)硬件制造收(shou)益(yi)。

大语言模型的優(you)點(dian)在于，我们可以采(cai)用对话的方式(shi)与其(qi)交互(hu)，这樣(yang)，我们就能通过有来有回的方式，来完善(shan)硬件的设计。

研究團(tuan)隊(dui)使用大语言模型处理了8个硬件设计示例，尤(you)其是生成用于功能和验证目的的Vrilog代码。

此前，研究人员就曾(zeng)测试了大语言模型将英语轉(zhuan)換(huan)为Vrilog的效(xiao)果，但他们发現(xian)，加入(ru)与人类工程师的交互过程后，大语言模型才(cai)产生了最(zui)好(hao)的Vrilog。

这项研究不仅仅停(ting)留(liu)在实验層(ceng)面。研究人员发现，如果在现实環(huan)境(jing)中将这个方法(fa)投(tou)入实踐(jian)，大语言模型可以減(jian)少(shao)HDL转换过程中的人为錯(cuo)誤(wu)，这就可以大大提高(gao)生产力，縮(suo)短(duan)芯片的设计時(shi)間(jian)和上市(shi)时间，还允许芯片设计者进行更具创意的设计。

另(ling)外(wai)，这个过程还極(ji)大地降低了芯片设计师对HDL流利程度的需求(qiu)。

因为寫(xie)HDL是一种相(xiang)对罕(han)見(jian)的技能，对不少芯片设计求職(zhi)者都是一大难关。

所以，如果真(zhen)的将大语言模型用于芯片设计，在现階(jie)段(duan)是否(fou)可行呢(ne)？

在疫(yi)情期(qi)间的芯片短缺(que)，已经阻(zu)礙(ai)了汽(qi)車(che)以及其他依(yi)賴(lai)芯片设備(bei)的供(gong)应，如果大语言模型真的能够在实践中设计芯片，无疑(yi)会大大緩(huan)解这种短缺。

四(si)大LLM芯片设计大PK

研究人员首(shou)先(xian)设置(zhi)了设计流程图和評(ping)估(gu)标准，来給(gei)大语言模型在芯片设计方面的表现打(da)分。对话框(kuang)架形(xing)成了一个反(fan)饋(kui)循(xun)环。

通过这个「半(ban)自动化(hua)」流程，研究人员想对比(bi)一下4个大语言模型（GPT-4，ChatGPT，Bard，HuggingChat），执行芯片设计的能力。

研究人员首先给大语言模型餵(wei)了如下图所示的提示词，让他们生成两种不同的文檔(dang)。

然后輸(shu)出的內(nei)容(rong)研究人员会让有经验的工程师来评估是否能够使用。

如果输出内容达不到标准，研究人员会让大语言模型通过相同的提示词再(zai)输出5次(ci)。

如果还不符(fu)合(he)要求，那(na)麽(me)就认为这个大语言模型无法完成这个工作流程。

當(dang)完成了的设计和Benchtest内容后，用Icarus Verilog（iverilog）对内容进行编译，如果编译成功了的话，就进一步进行模擬(ni)。

如果这个流程跑(pao)下来没有报错，那么这个设计就通过了。

但是如果这个流程中任意一个过程报错了，就把报错的地方反馈到模型中，让它自己提供修(xiu)復(fu)，这个过程称为Tool Feedback（TF）。

如果之后相同的错误重复出现了三(san)次，則(ze)用戶(hu)会给出简单的人工反馈（Simple Human Feedback，SHF）。

如果依然存(cun)在错误，就繼(ji)續(xu)给予(yu)模型进一步的反馈(Moderate Human Feedback,MHF)和（Advenced Human Feedback，AHF）。

如果还存在错误，就认为模型完成不了这个流程。

GPT-4、ChatGPT勝(sheng)出

研究人员根據(ju)上面的流程，对4个大语言模型，GPT-4/ChatGPT/Bard/Hugging Chat生成用于硬件设计的Verilog的水(shui)平(ping)进行了测试。

在用完全相同的提示词进行提示之后，得到了以下的結(jie)果：

GPT-4和ChatGPT都能够滿(man)足(zu)規(gui)範(fan)并最終(zhong)通过了设计的整(zheng)个流程，Bard和HuggingChat都未能满足标准從(cong)而开启下邊(bian)进一步的测试流程。

因为Bard和HuggingChat的表现不好，之后的流程研究人员就只針(zhen)对GPT-4和ChatGPT进行。

在进行完了整个测试流程后，GPT-4和ChatGPT的对比结果如下图

Outcome指(zhi)的是在哪(na)个反馈阶段得到了成功或(huo)者失(shi)敗(bai)的结果。

GPT-4表现很好，基本上通过大多數(shu)的测试。

大多数情况下都只需要进行到工具反馈（TF）阶段就能结束(shu)测试，只是在Testbench中需要人工反馈。

ChatGPT的表现明显要比GPT-4差(cha)，大部分的嘗(chang)试最终都没有通过测试，而且大部分通过测试的结果也不符合整体的标准。

GPT4輔(fu)助设计芯片在实际芯片设计流程中的探索

在完成了这个标准化的测试流程，篩(shai)選(xuan)出了唯(wei)一合格(ge)的大模型GPT-4之后。

研究团队决定(ding)将它用来实际參(can)与芯片流程，解决现实世(shi)界(jie)中芯片设计和制造流程中出现的问题。

具体来说，研究团队让一名经验豐(feng)富(fu)的硬件设计工程师使用GPT-4来设计一些更复雜(za)的芯片设计，并对设计结果进行定性(xing)的檢(jian)查(zha)。

研究团队使用GPT-4编写了设计芯片的所有Verilog（不包括頂(ding)层的Tiny Tapeout wraper）。

通过下图所示的提示词，研究人员让硬件设计工程师和GPT-4共(gong)同开始(shi)设计一个8位的基于累加器的构架，擁(yong)有32字(zi)節(jie)内存的馮(feng)諾(nuo)依曼(man)类型的芯片。

在设计的过程中，人类工程师負(fu)責(ze)引(yin)导GPT-4，验证它的输出。

GPT-4单獨(du)负责处理器的Verilog代码的编写，同时还制定了处理器的大部分规格。

具体来说，研究团队将較(jiao)大的设计项目細(xi)分成子任务，每(mei)个子任务在界面中都有自己 的「对话線(xian)程」。

由于ChatGPT-4不会在线程之间共享(xiang)信(xin)息(xi)，工程师要将从上一个线程复制相关信息到新的第一个消(xiao)息中， 从而形成一个慢(man)慢定義(yi)处理器的「基礎(chu)规范」。

基本规范最终包 括ISA、寄(ji)存器列(lie)表、内存庫(ku)、ALU和控(kong)制单元的定义，以及处理器在每 个周(zhou)期中应該(gai)做什(shen)么的高級(ji)概述。

这个规范中的大多数信息都是由ChatGPT-4生成的，工程师只做了一些复制/粘(zhan)貼(tie)的工作，并稍(shao)加编辑。

ChatGPT-4有时会输出不是很理想的響(xiang)应内容。

出现这种情况，工程师可能会做出两个选擇(ze)，要么继续对话并推(tui)动它修复响应，或使用接口(kou)強(qiang)制ChatGPT-4「重启」响应，即(ji)通过假(jia)裝(zhuang)之前的答(da)案(an)从未发生来重新生成结果。

在这两者之间进行选择需要专业的判(pan)斷(duan):继续对话允许用户指定前一个响应的哪些部分是好的或壞(huai)的，而重新生成将保(bao)持(chi)整个对话更短和更简潔(jie)(考(kao)慮(lv)到有限(xian) 的上下文窗(chuang)口大小(xiao)，这是有價(jia)值(zhi)的)。

盡(jin)管(guan)如此，从下图中 的‘＃Restart ‘列可以看出，随着工程师对使用ChatGPT-4越(yue)来越 有经验，重启次数趨(qu)于减少。

研究者在论文中展(zhan)示了一个最为困难，重启了10次的提示和回复实例，是一段关于控制信號(hao)规劃(hua)的内容（Control Signal Planning）。

设计结果

设计流程的全部对话内容可以在下面的鏈(lian)接中查閱(yue)：

GPT-4参与生成的指令系統(tong)结构(Instruction Set Architecture，ISA)如下图所示。

研究人员繪(hui)制了GPT-4设计的芯片的通路数据图如下图所示。

最后，研究人员评价道：「大语言模型能够成倍(bei)放(fang)大设计能力，让设计人员能够快速地设计空(kong)间探索（space exploration）和叠(die)代」。

「總(zong)体上来说，GPT-4可以生成能使用的代码，节省(sheng)大量(liang)的设计时间。」

参考資(zi)料(liao)：

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)，查看更多

责任编辑：