我们已经看到很多人为摩尔定律即将消亡而苦恼。这是英特尔联合创始人兼前首席执行官戈登摩尔的观察结果，即在当前迭代中，芯片上的晶体管数量每两年翻一番。以 Apple 的 A 系列芯片组为例，A13 Bionic 于 2019 年推出，为iPhone 11系列提供动力。
A13 Bionic 使用 7nm 工艺节点构建，每平方毫米有不到 9000 万个晶体管，包含 85 亿个晶体管。A14 仿生芯片组出现在iPhone 12系列和 iPad Air (2020) 中，每平方毫米带有 1.34 亿个晶体管。该芯片的晶体管数量为 118 亿个;芯片内的晶体管越多，它就越强大，越节能。
下个季度，全球顶级代工厂台积电预计将测试4nm芯片，并于明年下半年开始量产3nm工艺节点。台积电和三星都在研究 2nm 工艺节点，最快可能在 2024 年量产。人们对摩尔定律的未来感到担忧，尤其是在 2nm 工艺节点之后。
但人工智能 (AI) 可能会提供一些帮助。一篇讨论在为芯片创建“平面图”过程中使用人工智能的文章指出，使用人工智能，构建平面图的时间可能需要长达数月才能完成，将在不到6 小时使用 AI。芯片布局规划是设计计算机芯片布局的行为。
谷歌已经使用人工智能来帮助设计张量处理单元
为Nature撰写该技术的 Google 员工是 Azalia Mirhoseini 和 Anna Goldie。谷歌在现实生活中使用了这个系统来帮助为其张量处理单元 (TPU) 创建平面图，该单元用于“加速其搜索引擎、公共云、AlphaGo 和 AlphaZero 以及其他项目和产品中的神经网络”。文章指出，“在不到 6 小时的时间内，我们的方法会自动生成在所有关键指标(包括功耗、性能和芯片面积)上都优于或可与人类生成的芯片布局图相媲美的芯片布局图。”
Mirhoseini 和 Goldie 在他们的文章中写道：“我们的方法被用于设计下一代谷歌人工智能加速器，并且有可能为每一代人节省数千小时的人力。最后，我们相信更强大的人工智能-设计的硬件将推动人工智能的进步，在这两个领域之间建立共生关系。”
随着时间的推移，神经网络在设计芯片方面变得越来越好，并且“能够在芯片之间进行泛化——这意味着它可以从经验中学习，在放置新芯片时变得更好更快——允许芯片设计人员得到人工智能的帮助，并提供更多比任何人类都可以获得的经验。”该论文总结道，“我们表明，我们的方法可以在不到六小时的时间内生成与人类专家相当或优于人类专家的芯片平面图，而人类则需要几个月的时间才能为现代加速器生成可接受的平面图。我们的方法已在生产中用于设计下一代 Google TPU。”
希望使用 AI 来设计即将推出的芯片将产生将工艺节点降低到 1nm 以下的解决方案。目前，正如 Mirhoseini 和 Goldie 指出的那样，“我们的方法利用过去的经验来更好更快地解决问题的新实例，使芯片设计能够由比任何人类设计师都更有经验的人工智能来执行。我们的方法用于设计下一代谷歌的人工智能 (AI) 加速器，并且有可能为每一代人节省数千小时的人力。”
订阅我们的新闻!
标签： 谷歌员工