GPT-4，已经可以造芯片了！
近期，纽约大学Tandon工程学院的研究人员利用GPT-4与进行简单对话的方式，成功设计出一款130nm工艺的处理器芯片。并且，这个芯片还被送去了 Skywater 130 nm shuttle上流片。这一成就也被认为是史无前例的突破。
图源：纽约大学
纽约大学坦登电气与计算机工程系以及网络安全中心的研究助理教授皮尔斯博士（Dr. Hammond Pearce）表示，他们启动的Chip Chat项目灵感源自于对现有生成式AI大型语言模型Large Language Models（LLM）在硬件设计领域能力和局限性的探索。他说：“我们想知道这些模型到底有多好。”
一、从对话到创造：GPT-4如何设计芯片
1、GPT-4是什么?
GPT-4是OpenAI基于聊天机器人ChatGPT发布的新一代语言模型。它继承了ChatGPT的强大功能，并对ChatGPT存在的不足和缺陷进行了升级和优化。据OpenAI公司表示，GPT-4的回答准确性有了显著提高，并且具备更高水平的图像识别能力。此外，GPT-4还能够生成歌词、创意文本，并实现风格的变化。该模型的文字输入限制也提升至2.5万字，并且对于英语以外的语种进行了更多的优化支持。
据悉，OpenAI还让GPT-4参加了许多项人类的通用考试，结果证明，它不仅在各种专业和学术基准上表现出人类水平，甚至是顶尖人类水平。比如参加“美国高考”数学部分和证据性阅读与写作部分考试，美国律师资格考试Uniform Bar Exam、法学院入学考试LSAT等，它的得分均高于88%的应试者。
图源：GPT-4官网
2、芯片IC设计流程
芯片设计可分为规格定义、系统级设计、前端设计和后端设计4大过程。
规格定义： 在芯片设计初期，工程师会进行芯片的需求分析并完成产品规格定义，以确定整体设计的方向。这包括确定成本控制的目标水平、所需的AI算力（例如TOPS），是否对功耗敏感，支持哪些联接方式，以及系统需要遵循的安全等级等方面。
系统级设计： 是基于前期的规格定义，明确定义芯片的架构、业务模块、供电等系统级要素。例如，包括CPU、GPU、NPU、RAM、联接和接口等。在芯片设计过程中，需要综合考虑系统级交互、功能需求、成本、功耗、性能、安全性和可维护性等多个综合要素。
前端设计： 在芯片设计的前端阶段，设计人员根据系统设计方案进行具体的电路设计，这个过程被称为前端设计。前端设计的主要步骤有，电路设计：设计人员根据系统设计确定的方案，针对各个模块展开具体的电路设计工作。他们使用专门的硬件描述语言（如Verilog或VHDL），对电路的具体实现进行RTL（Register Transfer Level）级别的代码描述。
代码验证与仿真：设计人员生成的代码需要按照预先制定的规格标准进行严格验证。通过使用仿真工具，他们进行多次仿真验证，以检验代码设计的正确性和功能实现的准确性。
逻辑综合：在代码验证完成后，设计人员使用逻辑综合工具（EDA）将硬件描述语言编写的RTL级代码转换成门级网表（NetList）。这一步确保电路在面积、时序等目标参数上达到标准。
静态时序分析：逻辑综合完成后，设计人员进行静态时序分析。他们根据特定电路套用特定的时序模型，分析电路是否满足设计者给定的时序限制。整个前端设计流程是一个迭代的过程。如果在任何一个步骤中无法满足要求，设计人员需要重新进行该步骤或甚至重新设计RTL代码。这确保了芯片设计的正确性和性能的达到。
后端设计： 是芯片设计流程中的关键阶段，包括以下步骤，网表转换：将逻辑设计的网表转换为物理设计所需的格式。布局规划：确定各个模块在给定硅片面积内的位置和尺寸。绕线：规划和布置各个逻辑元件之间的连线路径。物理验证：对布局和绕线的物理版图进行验证，如设计规则检查和布局与原理图比较。
迭代和优化：根据验证结果进行迭代和优化，调整布局和绕线。GDS生成：生成用于芯片生产的GDS版图，包含完整的设计布局和电路连接信息。后端设计的目标是将前端设计的逻辑实现转化为物理布局，并通过验证和优化确保芯片的正确性、性能和可制造性。这个阶段需要密切的工程师协作和迭代优化，以确保最终生成的GDS版图能够满足设计要求并可用于芯片生产。
图源：网络
3、GPT-4在芯片设计中的作用
其中前端设计作为整个芯片设计非常重要的一环。大语言模型LLM就很好的用到了这一环节上来。虽然随着数字设计的能力和复杂性不断增长，集成电路 (IC) 计算机辅助中的软件组件设计 (CAD) 在整个过程中都采用了机器学习 (ML)，电子设计自动化流程。但IC CAD 中的 ML 研究仍倾向于关注后端逻辑综合、布局、布线和属性等过程。
纽约大学：使用 LLM 创建 IC 的设计流程
前端硬件描述语言 (HDL)，仍必须由硬件工程师来完成，工程师们将简单的普通语言描述翻译成硬件描述语言 (HDL)，Verilog 就是一个例子，以创建允许硬件执行其任务的实际电路元件。由于需要相当多的专业知识，操作过程中也非常耗费时。在这项研究中，两名硬件工程师用GPT-4仅进行了19轮交谈，就设计出了一种新型的8位基于累加器微处理器架构。
当然，仅仅依靠前端代码是不够的。真正的芯片设计是一个完整的物理设计过程。如果要基于代码生成芯片，就需要使用OpenLane。OpenLane是一个基于多个组件的自动化RTL到GDSII流程。由于OpenLane是开源的，这使得纽约大学能够将GPT大型模型的设计迭代过程与芯片设计流程，特别是物理设计流程进行整合。最终，设计将被发送到Skywater 130nm（全资半导体代工厂）的穿梭机上进行流片。这也意味着世界上第一个完全由人工智能编写的HDL（硬件描述语言）用于流片。
纽约大学：简化的LLM对话流程图 纽约大学：简化的LLM对话流程图
二、GPT-4制作芯片的意义和应用前景
从这个实验中该团队得出结论，大语言模型确实可以作为一种真实世界的解决方案来设计功能性的芯片。如果在现实芯片制造环境中，在芯片设计中使用LLM对话，可以减少HDL转换过程中的时间，并且可以减少人为错误。这对于整个芯片制造过程来说，将有助于提高生产力，缩短设计时间和上市时间。而且由于LLM是对话形式进行的，因此在芯片设计过程中，可以通过反复交流的方式来完善设计，甚至实现更具创意性的设计。
另外，这个过程还极大地降低了芯片设计师对HDL流利程度的需求。毕竟写HDL是一种难度不小的技能，对不少想从事芯片行业的企业和求职者都是一大难关。当然，这也并不一定意味着 AI 会取代人类工程师，因为总会有一些工具和工作是这些 AI 做不到的。此外，研究人员还表示，目前相关的安全因素以及可能导致的问题，还需要通过进一步测试来识别和解决。
如果大语言模型制作芯片能广泛应用到现实芯片设计中，工程师就可以把精力集中在更具挑战的方向，促进芯片行业产业升级。以GPT-4第一次设计的130nm工艺芯片为例，虽然算不上多先进的工艺，但现在依旧广泛应用于小型微控制器开发和混合信号嵌入式设计（如物联网设备）等领域。这也将在一定程度上促进整个芯片行业的发展。