ChatGPT強勢加入芯片設計！

來(lái)源：量子位

和ChatGPT聊聊天，就可解決CPU開(kāi)發(fā)過(guò)程中的一大難題？

紐約州立大學(xué)（NYU）研究人員完成了一件看似不可能的事情：

無(wú)需專(zhuān)業(yè)的硬件描述語(yǔ)言（HDL），僅靠說(shuō)人話(huà)就能設計芯片！

在ChatGPT的幫助下，他們不僅設計出CPU上的一個(gè)組件，甚至還通過(guò)了有效性驗證環(huán)節。

這個(gè)組件主要負責創(chuàng )造出一種基于八位累加器的微處理器架構的邏輯。而累加器本質(zhì)上是寄存器（存儲器），是專(zhuān)門(mén)存放算術(shù)或邏輯運算的一個(gè)操作數和存儲運算結果的。而這是CPU運作中不可或缺的一部分。

所以，還有什么是大語(yǔ)言模型不能做的？

有網(wǎng)友表示：

芯片設計的部分流程實(shí)現自動(dòng)化無(wú)疑是個(gè)好消息。

也有網(wǎng)友表現出對在芯片設計中使用AI編寫(xiě)HDL的擔憂(yōu)：

通常，設計和制造芯片的過(guò)程中會(huì )經(jīng)歷幾個(gè)階段。

其中一個(gè)階段是用硬件描述語(yǔ)言（HDL）（例如Verilog）描述芯片內不同部件的實(shí)際幾何形狀、密度和整體布局。

在此前，作為一個(gè)極其專(zhuān)業(yè)化和復雜的領(lǐng)域，HDL編寫(xiě)一直是一項相對罕見(jiàn)且非常難以掌握的工作。

研究團隊成員之一、也是研究助理教授的Hammond Pearce博士更是認為：

硬件描述語(yǔ)言的最大挑戰就是沒(méi)有多少人知道如何編寫(xiě)它們，很難成為這方面的專(zhuān)家。

這也就意味著(zhù)，即使是最好的工程師也還是經(jīng)常需要用這種語(yǔ)言做一些瑣碎的事情。

而ChatGPT作為一種模式識別器，可以在各種類(lèi)型的語(yǔ)言中轉換自如，這就可以幫助工程師們跳過(guò)HDL階段。

在這項研究中，研究人員分別使用LLM對八個(gè)具有代表性的硬件設計示例進(jìn)行了研究。工程師與LLM之間實(shí)時(shí)來(lái)回交互，將純英文文本逐步轉化為Verilog（HDL）的等效代碼。

其中一位硬件工程師與LLMs共同設計了一種新穎的基于八位累加器的微處理器體系結構。他們將這些基準測試和處理器發(fā)送到Skywater 130納米Shuttle進(jìn)行流片（tapeout）。

這個(gè)過(guò)程中，研究人員評估了ChatGPT-4、ChatGPT-3.5、Bard、HuggingChat四個(gè)不同LLM創(chuàng )建硬件設計的Verilog能力：

此外，研究人員還針對8位移位寄存器進(jìn)行了基準測試。告訴大模型正在嘗試為一個(gè)「測試名稱(chēng)」創(chuàng )建一個(gè)Verilog模型。然后提供規范說(shuō)明，定義輸入和輸出端口以及其他所需的具體信息。最后詢(xún)問(wèn)他該如何編寫(xiě)一個(gè)滿(mǎn)足這些規范的設計。

下面是不同大模型給出的設計方案：

如上圖所示，雖然ChatGPT都能夠滿(mǎn)足規格要求并開(kāi)始進(jìn)行設計流程，但Bard和HuggingChat都未能滿(mǎn)足規格要求的初始標準。

研究人員又基于Bard和HuggingChat的初始提示，讓它們重新生成了五次回答，但兩者還是都失敗了。Bard一直無(wú)法滿(mǎn)足給定的設計規格要求，而HuggingChat的Verilog輸出在模塊定義之后就不符合語(yǔ)法規范。

鑒于Bard和HuggingChat在初始的挑戰基準測試中表現不佳，研究人員決定后續完整測試僅對ChatGPT-4和ChatGPT-3.5進(jìn)行。

與此同時(shí)，順便讓大模型進(jìn)行了Testbench（測試臺）的設計：

你能為這個(gè)設計編寫(xiě)一個(gè)Verilog測試臺嗎？測試臺應該具備自檢功能，并且能夠與iverilog一起用于仿真和驗證。如果測試用例失敗，測試臺應該能夠提供足夠的信息，以便找到并解決錯誤。

最終結果表明ChatGPT-4的表現較為出色。大多數基準測試都通過(guò)了，并且大部分只需要工具反饋即可。

與創(chuàng )建可運行設計相比，ChatGPT-4在創(chuàng )建可運行的測試臺上遇到了更多困難，往往還是需要人類(lèi)的反饋意見(jiàn)。

而與ChatGPT-4相比，ChatGPT-3.5的表現明顯較差，大多數基準測試都失敗了，而那些通過(guò)測試臺的對話(huà)大多數也不符合規范。與ChatGPT-4相比，ChatGPT-3.5每次對話(huà)和基準測試之間會(huì )出現各種各樣的問(wèn)題，在設計和測試臺方面需要更頻繁地進(jìn)行修正。

隨著(zhù)大語(yǔ)言模型（LLM）的繼續發(fā)展，未來(lái)從構想到功能設計，LLM或許都可以輕松實(shí)現。

研究人員認為：

盡管我們強調了模型的單步性能（即一步完成設計），但對于硬件應用來(lái)說(shuō)，讓它們以“共同設計師”的身份加入，可能會(huì )表現得更好。

當與經(jīng)驗豐富的工程師協(xié)同工作時(shí)，它們可以成為一種“力量倍增器”。工程師可以根據模型提供的“初版設計方案”，進(jìn)行微調和快速迭代。

Hammond Pearce博士說(shuō)道：

這項研究成果是我們認為首次完全由人工智能生成的硬件描述語(yǔ)言（HDL）轉化為物理芯片的案例。

一些人工智能模型，比如OpenAI的ChatGPT和谷歌的Bard，可以生成不同編程語(yǔ)言的軟件代碼，但它們在硬件設計領(lǐng)域的應用尚未被廣泛研究。

而這項研究表明，人工智能在硬件制造方面也具有潛力，尤其是在對話(huà)式應用中，通過(guò)反復交流可以完善設計。

并且，這樣一來(lái)HDL編寫(xiě)過(guò)程中人為引起的錯誤就會(huì )減少，從而可縮短設計時(shí)間和上市時(shí)間，也可允許更多創(chuàng )造性的設計。

不知一些HDL工程專(zhuān)家聽(tīng)到這里是否會(huì )略感緊張。

研究人員認為如果這個(gè)過(guò)程能夠實(shí)現自動(dòng)化，不僅可以加快現在的工作速度，還可以減輕人為瓶頸。

但是，完全依靠類(lèi)似于ChatGPT這種大模型或者依賴(lài)電力運行的軟件機器也存在一定的風(fēng)險。用于芯片設計的LLM在訓練階段也存在難解的黑盒子等一系列問(wèn)題。

對此，你有什么看法？

參考鏈接：
[1]https://arxiv.org/abs/2305.13243（論文鏈接）
[2]https://www.tomshardware.com/news/conversation-with-chatgpt-was-enough-to-develop-part-of-a-cpu