AI 的很多能力，在实际的应用中已超越人类。近日，谷歌旗下的Deepmind发布了一个预先训练的检查点，并把这个AI系统命名为 AlphaChip。AlphaChip 是首批用于解决实际工程问题的强化学习方法之一。

它可在数小时内，生成超出人类水平，或是与人类专家相当的芯片布局。完全不需耗费数周或数月的人力，其布局已应用于全球各地的芯片，从数据中心到手机。

早在2020年，团队就发表了一篇预印本论文，介绍了谷歌的全新强化学习方法，用于设计芯片布局。后来在2021年，这项工作发表在了Nature上，并且进行了开源。而自从首次发表这项工作以来，谷歌内部一直在对它进行改进。

同时，他们还发布了一个预训练的检查点，分享了模型权重，公布模型名称为AlphaChip。

谷歌表示，AlphaChip是最早用于解决现实世界工问题的强化学习方法之一。

在数小时内，它就可以生成超人或类似的芯片布局，而不需要花费数周或数月的人类。它设计的芯片布局，已经被用于世界各地的芯片中，包括数据中心和移动电话。

为了设计TPU布局，AlphaChip首先在来自前几代的各种芯片模块上进行实践，例如片上和片间网络模块、内存控制器和数据传输缓冲区。这一过程被称为预训练。

然后，团队在当前的TPU模块上运行AlphaChip，以生成高质量的布局。

与之前的方法不同，AlphaChip在解决更多芯片布局任务时变得更好、更快，类似于人类专家的工作方式。

对于每一代新的TPU，包括谷歌最新的Trillium(第6代)，AlphaChip都设计了更好的芯片布局，并提供了更多的总体布局图，从而加快了设计周期，产生了更高性能的芯片。

自2020年发布以来，AlphaChip 生成的超人类芯片布局已被用于每一代谷歌 TPU。这些芯片使得基于谷歌 Transformer 架构的大规模扩展 AI 模型成为可能。

TPU 是谷歌强大的生成式 AI 系统的核心，从大型语言模型（如 Gemini）到图像和视频生成器（Imagen 和 Veo）。这些 AI 加速器也是谷歌 AI 服务的核心，并可通过 Google Cloud 供外部用户使用。

为了设计 TPU 布局，AlphaChip 首先在从前几代芯片中提取的各种芯片模块上进行训练，例如片上和片间网络模块、内存控制器和数据传输缓冲区。这个过程称为预训练。然后在当前 TPU 模块上运行 AlphaChip 以生成高质量的布局。与之前的方法不同，AlphaChip 在解决更多芯片布局任务实例时会变得越来越好、越来越快，类似于人类专家的学习方式。

对于包括最新一代 Trillium（第六代）在内的每一代 TPU，AlphaChip 都设计了更好的芯片布局，并提供了更多的整体布局规划，从而加快了设计周期并产生了更高性能的芯片。

免责声明：

1、本号不对发布的任何信息的可用性、准确性、时效性、有效性或完整性作出声明或保证，并在此声明不承担信息可能产生的任何责任、任何后果。

2、 本号非商业、非营利性，转载的内容并不代表赞同其观点和对其真实性负责，也无意构成任何其他引导。本号不对转载或发布的任何信息存在的不准确或错误，负任何直接或间接责任。

3、本号部分资料、素材、文字、图片等来源于互联网，所有转载都已经注明来源出处。如果您发现有侵犯您的知识产权以及个人合法权益的作品，请与我们取得联系，我们会及时修改或删除。