0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
会员中心
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

AI 破局!中科院团队自研大模型,设计超强芯片

半导体芯科技SiSC 来源:半导体芯科技SiSC 作者:半导体芯科技SiS 2025-06-16 14:43 次阅读
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

在全球芯片产业竞争日益白热化的当下,芯片设计技术的创新成为决定各国在这一领域地位的关键因素。近日,中国科学院计算技术研究所处理器芯片全国重点实验室联合软件研究所,带来了一项震撼性的突破 —— 推出全球首个基于人工智能技术的处理器芯片软硬件全自动设计系统 ——“启蒙”。这一系统的问世,标志着我国在芯片设计领域借助人工智能实现了重大跨越,开启了芯片设计的全新范式。

处理器芯片,作为现代科技当之无愧的 “皇冠明珠”,其设计流程堪称复杂精密的典范。传统的芯片设计模式,高度依赖经验丰富的专家团队。从最初的架构构思,到电路逻辑的细致规划,再到物理层面的布局布线,每个环节都需专业人员精心雕琢。通常,这样的设计过程需要数百名专业人士参与,耗费数月甚至数年的时间,投入的成本更是动辄数亿美元,设计周期漫长且成本高昂。而随着人工智能、云计算、边缘计算等新兴技术如雨后春笋般蓬勃发展,市场对芯片的需求呈现出爆发式增长,并且需求愈发多样化和定制化。不同的应用场景,如智能安防、自动驾驶、工业互联网等,对芯片的性能、功耗、面积等指标有着独特要求,这使得传统芯片设计模式难以满足快速变化的市场需求。与此同时,我国在处理器芯片设计领域面临着人才短缺的严峻挑战,专业从业人员数量远远无法匹配行业的增长速度。在这样的背景下,“启蒙” 系统的诞生犹如一场及时雨,为解决芯片设计难题提供了创新性的解决方案。

“启蒙” 系统的核心竞争力在于其深度融合了大模型等前沿人工智能技术,实现了从芯片硬件到基础软件的全流程自动化设计,真正做到了让 AI 自己设计芯片。在硬件设计方面,“启蒙” 系统展现出了令人惊叹的实力。利用该系统设计的 CPU 芯片 “启蒙 1 号”,成为全球首款由 AI 全自动生成的 32 位 RISC-V CPU。它仅用 5 小时就完成了全部前端设计,这一速度相较于传统设计流程,提升了数倍甚至数十倍。“启蒙 1 号” 集成了超 400 万逻辑门,性能达到了 Intel 486 的水平,并且已经成功完成流片,这意味着它已经具备了进入实际生产环节的条件。其升级版 “启蒙 2 号” 更是将设计能力提升到了新的高度,实现了 1700 万逻辑门超标量处理器的自动设计,性能对标主流智能手机处理器 ARM Cortex A53,能够很好地满足高性能边缘计算场景对芯片的严苛需求。

在基础软件适配方面,“启蒙” 系统同样表现卓越。在操作系统内核设计上,系统能够自动生成定制优化后的内核配置,经测试,其性能相比行业专家手工优化最高可提升 25.6%。在编译工具链设计领域,“启蒙” 系统推出了国际首个自动跨平台张量程序转译工具 QiMeng-Xpiler,它能够在不同的处理器芯片,如英伟达 GPU寒武纪 MLU、AMD MI 加速器、Intel DL Boost,以及不同编程模型,如 SIMT、SIMD 之间自动进行程序转译,生成的代码性能最高达到厂商手工优化算子库的 2 倍,极大地提高了程序在不同芯片平台上的运行效率。在高性能库设计方面,系统提出了国际首个基于大模型的高性能矩阵乘代码自动生成框架 QiMeng-GEMM 和高性能张量算子指令级自动生成框架 QiMeng-TensorOp,在 RISC-V CPU 上,其最高性能分别达到 OpenBLAS 的 211% 和 251%,在 NVIDIA GPU 上,最高性能分别达到 cuBLAS 的 115% 和 124%,显著提升了芯片在复杂计算任务中的处理能力。

从技术架构来看,“启蒙” 系统构建了一套独特且高效的体系。其底层是深入融合处理器芯片领域特点的大模型,该模型通过大量学习处理器芯片设计的专业知识,具备了扎实的软硬件设计基础能力。基于此,系统利用大模型构建了反馈式推理流程,包括正确性反馈和性能反馈。在设计过程中,通过自动功能验证,一旦发现生成结果存在问题,系统能够基于功能正确性反馈迅速进行自动修复,确保设计结果的准确性。同时,系统会自动进行性能评估,并依据性能反馈在庞大的解空间中进行高效搜索,对解空间进行有效裁剪,从而快速找到高性能的设计结果。在处理器芯片大模型的基础之上,“启蒙” 系统分别构建了芯片生成智能体和基础软件智能体。芯片生成智能体能够结合反馈式推理能力,自动完成从功能需求到逻辑电路的设计过程;基础软件智能体则可以自主完成给定基础软件对目标芯片的自动功能适配和性能优化。针对多样化的实际应用场景,基于芯片生成智能体和基础软件智能体,“启蒙” 系统能够在最上层全自动完成处理器芯片软硬件设计的各个步骤。

“启蒙” 系统的出现,对我国乃至全球芯片产业都具有深远的影响和重要意义。对于我国芯片产业而言,它有望极大缓解目前面临的芯片设计人才短缺问题。以往需要大量专业人才耗费数年时间完成的设计工作,现在借助 “启蒙” 系统,少数人员便能在短时间内高效完成,将宝贵的人力资源从繁琐的基础设计工作中解放出来,投入到更具创造性和挑战性的工作中,如芯片架构创新、新型应用场景探索等。同时,该系统将芯片设计周期从以往的数月甚至数年,大幅压缩至数小时,显著降低了研发成本,提高了企业的市场响应速度,有助于我国芯片企业在全球市场竞争中占据更有利的地位。从全球芯片产业的角度来看,“启蒙” 系统的成功研发,为芯片设计提供了全新的思路和方法,推动了芯片设计范式从传统的高度依赖人工经验向 AI 驱动的自动化设计转变,引领了全球芯片设计技术的发展潮流。

当然,“启蒙” 系统目前也面临一些挑战和需要进一步完善的地方。例如,虽然在 CPU 和基础软件设计方面取得了巨大成功,但对于更为复杂的 GPU、AI 加速器等芯片的设计,还需要进一步探索和优化。此外,如何将 “启蒙” 系统与现有的庞大芯片设计生态,如 EDA 工具链、IP 库等进行无缝融合,也是需要解决的关键问题。在大规模工程化落地和商业化推广方面,还需要进一步验证系统在不同应用场景下的稳定性和可靠性,与更多的企业开展合作,共同推动技术的应用和发展。

中科院团队研发的 “启蒙” 系统,在芯片设计领域实现了重大技术突破,为我国芯片产业的发展注入了强大动力。尽管面临一些挑战,但随着技术的不断完善和优化,相信 “启蒙” 系统将在未来的芯片设计中发挥越来越重要的作用,助力我国芯片产业在全球竞争中实现弯道超车,推动全球芯片产业迈向智能化设计的新时代。让我们共同期待 “启蒙” 系统在未来创造更多的辉煌,为人类科技进步做出更大的贡献。

审核编辑 黄宇

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 芯片
    +关注

    关注

    463

    文章

    54686

    浏览量

    471226
  • AI
    AI
    +关注

    关注

    91

    文章

    42158

    浏览量

    303136
  • 大模型
    +关注

    关注

    2

    文章

    3877

    浏览量

    5300
收藏 人收藏
加入交流群
微信小助手二维码

扫码添加小助手

加入工程师交流群

    评论

    相关推荐
    热点推荐

    微软力推Maia 200芯片

    微软于近日正式宣布大力推广AI芯片"迈亚200"(Maia 200),剑指大模型推理场景的成本优化。微软官方数据显示,在处理典型GPT-
    的头像 发表于 05-25 11:05 717次阅读

    直播预告|玄铁 x Canonical:从本地推理到 AI 工厂,基于 RISC-V 的 AI 基础设施创新路径探讨

    AI 算力需求从云端蔓延至终端,RISC-V 如何以一以贯之的开放架构,打通从“本地推理”到“AI 工厂”的全场景链路,实现智算时代下的算力。 核 心 看 点 硬核算力基座|玄铁
    发表于 05-15 12:15

    AI模型微调企业项目实战课

    业、守规矩、可完全掌控的专属 AI 底座,已经成为头部企业的隐性共识。 二、 核心:微调——用极低成本撬动专业能力 很多企业对“自主训练大模型”存在误解,认为这需要像顶级科技巨头那
    发表于 04-16 18:48

    算/存/电/连,AI算力芯片黑马宣布完成新一轮融资

    的发展注入强劲动力。   图灵进化定位于“覆盖云边端全场景AI算力芯片 + 解决方案”,围绕的“算、存、电、连”四大模组,提供让设备在本地完成大
    的头像 发表于 04-15 15:29 5439次阅读
    <b class='flag-5'>自</b><b class='flag-5'>研</b>算/存/电/连,<b class='flag-5'>AI</b>算力<b class='flag-5'>芯片</b>黑马宣布完成新一轮融资

    加快进程!Meta计划2027年底前推出四代AI芯片

    用于支持公司内部的AI训练和推理任务。   AI 芯片的推进进程   目前,MTIA 300已进入量产阶段,主要应用于内容排序和推荐系
    的头像 发表于 03-16 08:57 1.2w次阅读

    阿里AI芯片“真武”亮相 “通云哥”黄金三角浮出水面

    ”首次浮出水面。 阿里巴巴正在将“通云哥”打造成一台AI超级计算机,它同时拥有全栈芯片平头哥、亚太第一的阿里云,以及全球最强的开源模型
    的头像 发表于 01-29 09:42 814次阅读
    阿里<b class='flag-5'>自</b><b class='flag-5'>研</b><b class='flag-5'>AI</b><b class='flag-5'>芯片</b>“真武”亮相 “通云哥”黄金三角浮出水面

    1600TOPS!美国新势力车企5nm芯片,转用激光雷达硬刚特斯拉

    的2025 AI Day上,也首次公布了自动驾驶大模型,以及的5nm定制
    的头像 发表于 12-22 08:02 1.1w次阅读
    1600TOPS!美国新势力车企<b class='flag-5'>自</b><b class='flag-5'>研</b>5nm<b class='flag-5'>芯片</b>,转用激光雷达硬刚特斯拉

    AI业界新闻:OpenAI官宣首颗芯片 黄仁勋时隔9年再次给马斯克“送货”

    给大家带来一些AI业界新闻: OpenAI官宣首颗芯片 OpenAI宣布与博通合作
    的头像 发表于 10-14 18:42 2199次阅读

    【「AI芯片:科技探索与AGI愿景」阅读体验】+AI芯片到AGI芯片

    、分布式群体智能 1)物联网AGI系统 优势: 组成部分: 2)分布式AI训练 7、发展重点:基于强化学习的后训练与推理 8、超越大模型:神经符号计算 三、AGI芯片的实现 1、技术需求 AI
    发表于 09-18 15:31

    【「AI芯片:科技探索与AGI愿景」阅读体验】+AI芯片的需求和挑战

    : 介绍了7家ASIC的新创公司: Tachyum、Cerebras、SambaNova、Graphcore、Esperanto、Groq、Etched AI 还介绍了中国的AI芯片公司:
    发表于 09-12 16:07

    OpenAI将与博通合作量产自AI芯片 博通第四财季AI芯片收入展望超预期

    据外媒《金融时报》的报道称 OpenAI 将与博通公司开启大规模的合作,希望能够借住博通推动OpenAI  AI 芯片的量产落地。 据称,OpenAI 的首款
    的头像 发表于 09-05 11:06 2115次阅读

    集创北方联合发布首颗RRAM AMOLED显示驱动芯片

    近日,集创北方携手清华大学集成电路学院团队与新忆科技共同推出首颗采用RRAM新型存储技术的AMOLED显示驱动芯片(DDIC)“集忆智显”系列首款
    的头像 发表于 08-30 11:50 1995次阅读
    集创北方联合发布首颗<b class='flag-5'>自</b><b class='flag-5'>研</b>RRAM AMOLED显示驱动<b class='flag-5'>芯片</b>

    腾视科技AI模型应用:提效、与落地,重塑智能新生态

    在这场数字化转型的浪潮中,腾视科技AI模型凭借其强大的提效能力、的创新思维以及切实的落地实践,已然成为重塑智能新生态的重要力量。从企业办公中的高效决策支持,到教育科研里的学术探索
    的头像 发表于 08-18 14:06 1934次阅读
    腾视科技<b class='flag-5'>AI</b>大<b class='flag-5'>模型</b>应用:提效、<b class='flag-5'>破</b><b class='flag-5'>局</b>与落地,重塑智能新生态

    Arm CEO:公司正在芯片

    据外媒路透社报道,Arm CEO Rene Haas透露,Arm正在投资开发自有芯片,并计划将部分利润投资于制造自己的芯片和其他组件。与之对应的是Arm预测的下一财季经营业绩也会因为
    的头像 发表于 07-31 11:49 852次阅读

    开普云「开悟智核」:极致性价比的智能体一体机,模型应用难题

    体和AI应用软件支撑,一体机在智能应用搭建、数据管理利用、业务协同运营等方面难以充分发挥效能,大模型应用落地成效远低于预期。开悟智核:极致性价比的之选为解决上
    的头像 发表于 06-09 10:34 1400次阅读
    开普云「开悟智核」:极致性价比的智能体一体机,<b class='flag-5'>破</b><b class='flag-5'>局</b>大<b class='flag-5'>模型</b>应用难题