Mọi người từ Nvidia, Google cho đến các trường đại học đều đang tìm cách ứng dụng trí tuệ nhân tạo để tăng tốc quá trình thiết kế chip mới.
dựa theo ForbesViệc ứng dụng trí tuệ nhân tạo có thể giúp giảm chi phí thiết kế, tăng năng suất và hiệu suất, đồng thời rút ngắn thời gian đưa ra thị trường những con chip tốt hơn. Synopsys, Cadence Design Systems và nhiều nhà thiết kế chip quy mô rất lớn hiện đang áp dụng các mô hình AI tổng quát để tăng tốc thiết kế chip tiên tiến.
tạp chí phố Wall Siddharth Garg, phó giáo sư kỹ thuật điện và máy tính tại Đại học New York, cho biết họ đang sử dụng hệ thống AI do ChatGPT phát triển để tăng tốc thiết kế phần cứng phức tạp nhất trong quy trình sản xuất chip. Nhóm nghiên cứu đặt mục tiêu rút ngắn giai đoạn này từ nửa năm xuống còn chưa đầy một tháng.
Trong bối cảnh nguồn cung chip trí tuệ nhân tạo đang khan hiếm và Định luật Moore đã đạt đến giới hạn, quá trình thiết kế chip tiên tiến cần phải được đẩy nhanh. Theo luật, số lượng bóng bán dẫn trong mỗi con chip sẽ tăng gấp đôi sau mỗi 18 tháng đến hai năm. Trước đây, kích thước của bóng bán dẫn là một cm, sau này được đo bằng milimét. Ngày nay, chúng đã đạt đến cấp độ nanomet (nm), tức chỉ bằng đường kính DNA của con người.
Việc cố gắng tăng gấp đôi số lượng bóng bán dẫn trên một con chip cứ sau hai năm ngày càng trở nên khó khăn và dẫn đến giá chip cắt cổ. Do đó, các nhà sản xuất đang tìm kiếm những cách khác để tối ưu hóa hiệu suất mà không cần nhồi nhét quá nhiều bóng bán dẫn.
Chip QTcore-C1 được thiết kế bởi các nhà nghiên cứu tại Đại học New York với sự hỗ trợ từ ChatGPT. hình ảnh: Hammond Pierce/Tạp chí Phố Wall
Krishnamoorthy, tổng giám đốc nhóm tự động hóa thiết kế điện tử của Synopsys, cho biết họ đang sử dụng AI Copilot để trả lời các câu hỏi liên quan đến việc tạo tập lệnh và định dạng ngôn ngữ lập trình cho kiến trúc chip.
Để hỗ trợ tốt hơn cho các nhà nghiên cứu, Nvidia đã phát triển ChipNemo—một hệ thống trí tuệ nhân tạo tùy chỉnh với dữ liệu riêng—có thể trả lời các câu hỏi về kiến trúc GPU và viết ngôn ngữ thiết kế chip. Công ty đã đào tạo hệ thống của mình trên mô hình Llama 2 của Meta.
Phó chủ tịch Nvidia Bryan Catanzaro cho biết kể từ khi ChipNemo được đưa vào sử dụng, các kỹ sư đã khẳng định AI đã góp phần đáng kể trong việc đẩy nhanh quá trình thiết kế chip. Chatbots đặc biệt hữu ích trong việc đào tạo các kỹ sư trẻ, tóm tắt các ghi chú và cập nhật tiến độ của hàng trăm nhóm lớn khác nhau.
Nhóm Google Deepmind của Alphabet cũng xây dựng hệ thống AI của riêng mình để cải thiện khả năng tổng hợp logic và mô tả các thiết kế bảng mạch.
Tuy nhiên, các công cụ dựa trên AI không thể giải quyết được mọi vấn đề. David Pan, giáo sư Khoa Kỹ thuật Điện và Máy tính tại Đại học Texas ở Austin, cho biết, hiện nay trí tuệ nhân tạo chủ yếu được sử dụng trong việc đào tạo kỹ sư trẻ, viết ngôn ngữ lập trình và báo cáo lỗi. Các kỹ sư cần thêm một bước nữa để đánh giá liệu dữ liệu AI có chính xác hay không. Tùy thuộc vào dữ liệu đầu vào và các lệnh được yêu cầu, AI có thể đưa ra câu trả lời phù hợp. Tuy nhiên, vẫn có trường hợp chatbot không hiểu đúng nội dung câu hỏi và tự nghĩ ra câu trả lời. Các nhà khoa học gọi hiện tượng này là “ảo ảnh trí tuệ nhân tạo”.
Krishnamoorthy của Synopsys ước tính sẽ mất khoảng 5 năm để AI có thể tự động hóa tất cả các giai đoạn sản xuất chip. Trong số đó, “ảo ảnh AI” vẫn là thách thức lớn nhất.
Giang Ya
