チップ設計の極めて高いハードルがAIによって「打ち破られる」

この記事はLeiphone.comから転載したものです。転載する場合は、Leiphone.com公式サイトにアクセスして許可を申請してください。

チップ業界の市場競争はここ数年でいくつかの興味深い変化を遂げてきました。 PCプロセッサ市場では、長年トップの座を維持してきたIntelが、AMDの激しい攻勢に直面している。携帯電話用プロセッサ市場では、クアルコムが5四半期連続で出荷量トップの座を明け渡し、メディアテックは意気揚々としている。

伝統的な半導体大手間の競争が激化する中、ソフトウェアやアルゴリズムに優れたテクノロジー大手が独自の半導体の開発を始めており、半導体業界の競争はより興味深いものとなっている。

こうした変化の背後にある理由は、一方では 2005 年以降のムーアの法則の減速ですが、より重要なのは、デジタル化の急速な発展によってもたらされた差別化された要求です。

チップ大手が提供する汎用チップの性能は確かに信頼できるが、自動運転、高性能コンピューティング、AIなど、ますます大規模かつ多様化するアプリケーションの需要には、性能に加えて、より差別化された機能も必要だ。テクノロジー大手は、端末市場に対する支配を強化するために、独自のチップの開発を開始する必要がある。

チップ市場の競争環境が変化するにつれて、チップ業界はより大きな変化を迎えることが予想されますが、これらすべての変化を推進する要因は、近年非常に人気が高まっている AI です。

業界の専門家の中には、AI技術がチップ業界全体に破壊的な変化をもたらすだろうと言う人もいます。シノプシスの最高イノベーション責任者、AIラボ責任者、グローバル戦略プロジェクト管理担当副社長である王炳達氏は、Leifeng.comに対し、「AI技術を導入したEDA（電子設計自動化）ツールを使用してチップが設計されていると言うのであれば、私はこの意見に賛成です」と語った。

チップ設計の単一リンクに AI を適用すれば、経験豊富なエンジニアの蓄積を EDA ツールに統合でき、チップ設計の敷居が大幅に下がります。 AI をチップ設計の全プロセスに適用すれば、既存の経験を活用して設計プロセスを最適化することもできるため、チップ設計サイクルが大幅に短縮され、チップの性能が向上し、設計コストが削減されます。

チップ業界の「質的変化」

20 年以上にわたり、ムーアの法則は有効であり、チップ企業はトランジスタを縮小し続けることで、パフォーマンスとエネルギー効率の大幅かつ持続的な改善を達成してきました。そのため、過去数十年にわたり、ハードウェアとソフトウェアは「互いに邪魔をしない」状態が続いてきたと言えます。一般的なハードウェアはアーキテクチャが固定されており、コンピューティング能力は向上し続け、製品は毎年更新されています。システム企業は汎用チップをベースにソフトウェア レベルで革新を起こし、その製品は数週間、あるいは数日で反復されます。

「現在のトレンドはソフトウェアとハ​​ードウェアの共同設計であり、チップにおけるソフトウェアとハ​​ードウェアの境界はもはやそれほど明確ではありません。」王炳達氏は、「AIチップの出現はこの境界を打ち破りました。AIチップのアーキテクチャはCPUやGPUほど固定されていないからです。AIチップ設計者は、汎用AI演算子を組み合わせて、アプリケーションの要件に応じて専用のアーキテクチャとチップを設計できます。」と指摘しました。

シノプシスのグローバル社長兼最高執行責任者であるサシーン・ガジ氏も、デジタル化の流れの中で、大手システムレベル企業は独自のチップを開発し、カスタマイズされたチップを通じてアプリケーションやワークロードを最適化していると述べた。中国市場では、自動車の電動化や無人運転、AI、ハイパースケールデータセンターなどの市場セグメントが大きく変化しており、各社はカスタマイズされたSoCを通じてシステムの差別化を実現し、ビジネス全体で違いを見出し、差別化された競争優位性を獲得したいと考えています。より優れたチップによってのみ、システム アーキテクチャを差別化できます。ドメイン固有アーキテクチャ (DSA) は、システム アーキテクチャの独自の利点を反映できます。

言い換えれば、ドメイン固有のアーキテクチャにより、チップ設計者は、一部のアルゴリズムをハードウェアに変換し、一部のアルゴリズムは引き続きソフトウェアを使用するかどうかを決定できるため、ソフトウェアとハ​​ードウェア間の調整を改善して、最終アプリケーションのニーズをより効率的かつ柔軟に満たすことができます。その結果、アーキテクチャの革新がチップ分野における将来の競争の鍵となります。

2019 年初頭、チューリング賞受賞者のジョン L. ヘネシー氏とデビッド A. パターソン氏は、「コンピュータ アーキテクチャの新たな黄金時代」と題する長いレポートを発表し、次の 10 年間がコンピュータ アーキテクチャの分野における「新たな黄金の 10 年」になると予測しました。 Wang Bingda 氏の見解では、特定のアプリケーションのニーズにうまく適応するためには、統合されたディープラーニング アクセラレータなど、アーキテクチャの探索を自動的に実行できる新しい EDA ツールが必要になる可能性があります。

「アーキテクチャの変更は多くの不確実性をもたらします。これまで、汎用チップのアーキテクチャは主にプロセスの改善によって決定されていました。」王炳達氏は、「シノプシスのSysMooreコンセプトは、アーキテクチャからプロセス、システムレベルまで、すべての要素を考慮しています。これによってもたらされる変化と不確実性は、従来の方法では解決できません。AIが大きな役割を果たすことができます。」と述べました。

不確実性に加えて、アーキテクチャの革新には、チップの設計から生産までのサイクルを大幅に短縮することも必要です。そうしないと、需要の変化に迅速に対応することが難しくなります。

2018年早々、米国国防総省の国防高等研究計画局（DARPA）は、IDEA（Intelligent Design of Electronic Assets）とPOSH（Posh Open Source Hardware）という2つの新しいプロジェクトを提案しました。その目的は、チップ設計プロセスを短縮し、IPとEDAの2つの側面から研究開発時間を節約することでした。

AI と EDA を統合することで、これらの課題を根本的に解決できます。

AI技術がチップ設計に革命を起こす

今年6月、Googleチームは「ディープラーニングによるチップ設計」と題する論文を世界トップの学術誌「ネイチャー」に発表した。論文では、ディープラーニングを使用すると、人間のエンジニアは作業を完了するのに数か月かかるが、GoogleはAIを使用してわずか6時間で同じ効果を達成でき、数百倍の改善であると指摘した。

王炳達氏は「AI技術を搭載したEDAツールを使ってチップを設計すれば、間違いなく時間が短縮される。そのことに疑いの余地はないが、時間の短縮の程度はまちまちだ」と語った。

AI がチップ設計サイクルを短縮できる理由は複雑ではありません。それは主に、AI が最初に学習して知識を蓄積できるためです。その後の使用で同じまたは類似の問題に遭遇した場合、AI は問題をより速く解決できます。したがって、AI を使用した EDA がチップ設計サイクルを節約できることはほぼ当然の結論です。

EDA における AI の応用には 2 つの形式があります。チップ設計は長くて複雑なプロセスであるため、プロセス全体で 10 個以上の EDA ツールが必要になる場合があります。したがって、AI を EDA ポイント ツールに適用して単一のチップ設計リンクを最適化することも、チップ設計プロセス全体を最適化するために使用することもできます。

これをEDAポイントツール単体で利用すれば、経験の共有と同等の役割を担い、数年の業務経験しかないエンジニアでも、経験豊富な設計者と同等のレベルに到達できるようになります。 「現在、チップアーキテクチャの設計は設計者の経験に依存している。AI技術の助けを借りて、設計者の蓄積された経験をEDAツールに統合できれば、チップ設計の敷居は大幅に下がり、効率は大幅に向上するだろう」と王炳達氏は指摘した。

チップ設計プロセス全体で AI が使用される場合、開発者は AI の仕組みをある程度理解している必要があります。王炳達氏は次のように説明した。「AI技術を使ってチップ設計プロセスを最適化するには、顧客が実際の進捗状況に基づいて継続的に調整する必要があります。たとえば、従来のプロセスでは、各ステップの時間と順序は固定されており、前のステップが完了するまで後続のステップは進みません。AIを追加した後は、ステップ1の時間は元の半分になり、ステップ2の時間は元の10分の1になることがあります。このとき、ユーザーは対応する調整を行う必要があります。」

もちろん、AI と EDA ツールを統合すると、研究開発時間を大幅に節約できるだけでなく、チップのパフォーマンスが向上し、設計コストも削減されます。

Synopsys 社の DSO.ai を例にとると、米国の大手 IDM メーカーは DSO.ai を採用して目覚ましい成果を上げており、チップ設計時間は 2 ～ 5 倍短縮され、SoC チップ全体のエネルギー消費量は 9% 増加しました。 DSO.ai をさまざまな種類のチップの設計プロセスに適用すると、わずか 1 人のエンジニアで大幅な時間の節約とパフォーマンスの向上を実現できます。

「AIは、さまざまなタイプやシナリオのチップにさまざまな改善をもたらすことができます。これは、チップ設計プロセス全体に数百万から数千万のステップが必要であり、さまざまなプロセスでAIがもたらす改善の程度が一貫していないためです。同時に、前のステップの最適化の結果は、次のステップのAI改善の効果に影響します。」王炳達氏は、「EDAにAIが追加された後、チップの設計時間を節約しながら、設計者は同じ時間でパフォーマンスの最適化とコア機能の革新に集中できます。これにより、当然、より優れたパフォーマンスのチップを設計しやすくなり、全体的なコストもそれに応じて削減できます。」と指摘しました。

将来的には、チップアーキテクチャの設計、製造、パッケージングに至るまでの全プロセスに AI 技術が統合されるでしょう。チップ設計サイクルを数年から数ヶ月に変えることができるかどうかについては、AI + EDAによってチップ設計サイクルを大幅に短縮できることは明らかだが、設計から製造までのチップのライフサイクル全体を短縮するには、業界チェーン全体の共同の努力が必要だと王炳達は考えています。

差別化されたチップ競争の時代

AI がチップ業界にもたらす変化についてさらに議論する前に、まず 1 つの質問に答える必要があります。 AI 開発の重要な要素は十分なデータです。EDA をトレーニングするのに十分な AI データはありますか?王炳達氏は次のように述べた。「EDA 自体は精密な科学です。AI が登場する前から、EDA には精密なアルゴリズムがあり、計算されたデータは「ゴールデン データ」と呼ばれていました。AI の登場により、ゴールデン データをトレーニングに有効活用できるようになり、EDA ツールはよりスマートになりました。」

「EDA の AI は他の多くの業界ほどデータに依存していませんが、EDA ツールのインテリジェンスを継続的に改善するためにはユーザーからのフィードバックも必要です。Synopsys のユニークな利点は、チップ設計プロセス全体に対応するツールを備えていることです。これにより、プロセス全体を通じて AI を使用でき、全体的な改善が大幅に向上します」と Wang Bingda 氏は述べています。

ユーザーのデザインがトレーニング済みのツールと重なると、デザインの大部分を素早く完了でき、多くの時間を節約でき、残りの作業はいくつかの最適化作業になります。

「ユーザーは独自のデータを使用して EDA ツールを再トレーニングすることもできるため、顧客はよりパーソナライズされカスタマイズされたツールを使用して、より特徴的な製品を設計できます。」王炳達氏は、「当社の製品のほとんどはこのインターフェースを開きます」と述べました。

しかし、チップ設計において AI の役割をより有効に活用するには、統合ポイントを見つけることが課題となります。 「チップ設計においてAIのメリットを最大限に引き出すには、AIと特定分野の最も巧妙な組み合わせを見つけることが困難です。現時点では、それは設計者の特定分野に対する理解にかかっています」と王炳達氏は考えています。

このような競争においては、システム企業の優位性はより明白になります。彼らは自社のビジネスをより深く理解しており、アルゴリズムを深く理解し、大量のデータを持っていますが、チップ設計の経験が不足しています。しかし、AI を組み込んだ EDA ツールは、システム企業がチップを設計する際のハードルを下げ、より迅速かつ優れたチップ設計を支援します。

「AI + EDAツールは、デジタル設計からほぼすべての分野にすぐに適用されると信じています。数年以内に、AIはすべてのチップ設計プロセスに組み込まれるでしょう」と王炳達氏は語った。

その時、チップ業界における競争は、専用チップをめぐるシステム企業間の競争へと発展する可能性があります。ゼネラル・チップ社はこのような競争にどのように立ち向かうのでしょうか?

王炳達氏は、一般的なチップ企業の優位性は、チップのアーキテクチャを理解し、適切なプロセスを使用して最適なコストと時間枠内でチップを生産する能力にあると考えていますが、システムと端末アプリケーションに対する深い理解が欠けています。チップ設計企業は、複数の端末アプリケーションに適応できる柔軟な汎用チップを提供するために、協力できる優れたシステム企業を見つけ、ニーズを深く探究する必要があります。

Synopsys は、これら 2 種類の顧客にまったく異なるサービスを提供しています。システム企業にとっての目標は、さまざまな IP モジュールと設計ツールを通じて、チップのアーキテクチャとプロセスの選択の解決を支援することです。一般的なチップ企業にとっての目標は、シミュレーション検証やラピッドプロトタイピングなどのより高速で使いやすいツールを使用して、チップを製造する前に実際のパフォーマンス、消費電力、その他のパフォーマンスをシミュレートし、コストと設計サイクルを節約することです。