声明:本文来自于微信公众号 新智元（ID:AI_era），作者:新智元，授权微新创想转载发布。 【新智元导读】中科院计算所等机构开创性地推出了全球首款完全由AI自主设计的CPU芯片，其电路规模比当前GPT-4所能设计的电路扩大了4000倍，性能表现更达到了与Intel 486相当的水平。中科院计算所的处理器芯片全国重点实验室及其合作伙伴，通过AI技术成功研发出世界上首个无人工干预、全自动生成的CPU芯片——启蒙1号。这颗32位RISC-V CPU不仅规模宏大，还能运行Linux操作系统，性能表现优异，这项突破性研究或将彻底颠覆传统芯片设计流程！论文地址:https://arxiv.org/pdf/2306.12456
世界首个AI全自动生成的CPU芯片
众所周知，CPU设计是一项极具挑战性且需要大量人力与资源投入的工作。传统上，工程师团队需通过编写代码（如Verilog、Chisel或C/C++等）并借助电子设计自动化(EDA)工具（如逻辑综合或高层次综合工具）来生成电路逻辑。此外，工程师还需反复使用测试用例进行功能验证和性能/功耗优化。这一过程极其复杂繁琐，通常需要上百人团队耗时数月甚至数年才能完成。以典型的Intel CPU为例，超过500位工程师花费两年时间才最终完成设计[1]。为减少人力与资源消耗，研究人员创新性地采用AI技术，直接从测试用例的输入-输出（IO）数据中自动生成CPU设计，无需工程师提供任何代码或自然语言描述。该方法在短短5小时内便成功生成了包含超过4,000,000个逻辑门的32位RISC-V CPU——启蒙1号（见图1），其规模是当前GPT-4所能设计电路的4000倍。
图1 启蒙1号芯片版图及实物图，其中CPU核心部分完全由算法自动生成，该芯片于2021年12月采用65nm工艺流片，运行频率300MHz
这颗CPU于2021年12月完成流片，回片后成功运行了Linux操作系统和SPEC CPU2000程序，其性能表现与Intel 486CPU相当（见图2）。启蒙1号作为世界上首款无人工干预、全自动生成的CPU芯片，其设计方法甚至自主发现了包含控制器和运算器等在内的冯诺依曼架构，为后续探索人类未知的体系结构优化知识提供了宝贵参考。
图2 启蒙1号芯片成功运行Linux操作系统及性能对比（CPU-AI为启蒙1号）
全自动CPU设计：设计流程及挑战
与传统CPU设计流程中大量依赖人工参与不同，研究人员创新性地以「输入-输出（IO）」作为核心输入，因为IO可以直接从海量现成的测试用例中获取或自动生成。因此，CPU自动设计问题被形式化为「满足输入-输出规范的电路逻辑生成问题」。这一创新使得传统CPU设计流程发生革命性变化：只需测试用例即可直接生成满足功能需求的电路逻辑，彻底摒弃了传统设计流程中耗时且依赖人工的逻辑设计与验证环节（见图3）。
图3 （a）传统CPU设计流程包括耗时的逻辑设计与验证；（b）所提出的全自动CPU设计流程直接从IO生成保证功能正确的电路逻辑
然而，从IO生成满足规范的电路逻辑仍面临两大核心挑战：（1）规模挑战：在缺乏专家提供的电路描述时，设计空间等同于所有可能存在的电路组合。对于典型RISC-V CPU而言，其设计空间极为庞大，在如此巨大的空间中找到功能正确的CPU超出了当前自动化设计方法的能力；（2）精度挑战：生成的目标电路逻辑必须达到极高的精确度（例如功能验证准确率>99.99999999999%），任何微小错误都可能造成巨大损失，这远远超出了传统AI算法和应用对精度的要求。
符号主义的重生：基于BSD的电路自动设计方法
为应对上述挑战，研究人员提出了一种基于对二元决策图（Binary Decision Diagram，BDD）进行扩展的二元猜测图(Binary Speculation Diagram， BSD)方法，区别于传统基于连接主义的深度学习方法。与依赖形式化描述的传统BDD不同，BSD使用常数0/1对BDD中的子图进行功能猜测。设计流程中，首先以仅含1个节点的BSD作为对未知黑盒函数的初始估计，然后通过动态规划方法逐步增加BSD中的节点数量，从而丰富电路细节（见图4）。该工作在理论上证明了随着BSD节点个数的增加，其电路准确率会逐步提升。
图4 具体的电路生成流程：从1个节点的BSD出发，逐步增加BSD中的节点数量以丰富电路细节
自主发现人类知识：蕴含冯诺依曼架构的CPU
值得注意的是，从IO自动生成的RISC-V CPU并非杂乱无章的黑盒逻辑，而是蕴含了人类已知的冯诺依曼架构知识：由BSD表示的CPU设计清晰地包含了控制单元和运算单元（见图5）。其中，控制单元由BSD的顶层生成，负责整个CPU的全局控制，而运算单元则完成算术和逻辑运算。此外，上述单元还可进一步分解为更细粒度的子模块，如译码器和ALU等，直至最底层由基本逻辑门构成。
图5 自主发现冯诺依曼结构：启蒙1号中包含控制单元和运算单元，同时可进一步分解为更细粒度的子模块
对比与展望：不同人工智能路径的交叉探索
自动电路逻辑设计一直是计算机科学的核心议题之一[2]。近年来，随着人工智能技术的飞速发展，基于行为主义和连接主义（如深度强化学习和GPT-4大语言模型等）的自动逻辑设计工作逐渐涌现（见表1）。然而，现有相关工作主要聚焦于生成单个模块或小规模CPU，其规模与实际CPU芯片仍存在多个数量级的差距。中科院计算所团队及其合作伙伴（包括中科院软件所、中科大、寒武纪公司等）提出的方法成功生成了超过4,000,000个逻辑门的完整RISC-V CPU，规模是当前GPT-4所能设计的电路的4000倍。同时，该工作在符号主义框架下从理论上保证了功能正确性，彻底颠覆了传统流程中的逻辑设计和功能验证环节。未来，通过符号主义、行为主义及连接主义等不同人工智能路径的交叉探索，自动生成的CPU有望在5年或10年内达到甚至超越人类专家所设计的CPU，彻底革新现有的芯片设计流程。
团队介绍
自2008年起，中科院计算所便长期致力于芯片设计与人工智能的交叉研究。其中，人工智能芯片寒武纪已成为一项广为人知的成果。在面向芯片设计的人工智能方法上，中科院计算所也积累了十余年的深厚经验，并持续探索如何用AI技术实现芯片设计的完全自动化。依托中国科学院计算技术研究所建立的处理器芯片全国重点实验室，是中国科学院首批批准正式启动建设的重点实验室之一，并被科技部遴选为首批20个标杆全国重点实验室，于2022年5月开始建设。实验室学术委员会主任为孙凝晖院士，实验室主任为陈云霁研究员。实验室近年来荣获处理器芯片领域首个国家自然科学奖等6项国家级科技奖励；在国际顶级会议上的论文发表数量长期位居中国首位；成功开创了深度学习处理器等热门研究方向；并孵化了总市值数千亿元的国产处理器产业头部企业。
参考资料：
[1] Bentley， B. Validating a modern microprocessor. In Proceedings of International Conference on Computer Aided Verification （CAV），2–4(2005).
[2] Church， A. Applications of recursive arithmetic to the problem of circuit synthesis. Summaries of the Summer Institute of Symbolic Logic1，3-50（1957）
[3] Roy， R. et al. Prefixrl: Optimization of parallel prefix circuits using deep reinforcement learning. In Proceedings of Design Automation Conference，853–858（2021）
[4] Chen， P. et al. Circuit learning for logic regression on high dimensional Boolean space. In Proceedings of Design Automation Conference，151–6（2020）
[5] Rai， S. et al. Logic synthesis meets machine learning: Trading exactness for generalization. In Proceedings of Design， Automation & Test in Europe Conference & Exhibition，1026–1031（2021）
[6] Blocklove， J et al. Chip-Chat: Challenges and Opportunities in Conversational Hardware Design. In arxiv， https://arxiv.org/abs/2305.13243（2023）
