中科院ChipGPT攻克AI芯片设计 代码量减少近 10 倍

近日，纽约大学团队的 Chip-Chat 项目和中科院计算所的 ChipGPT项目都引起了人们的关注。这两个项目都是利用大语言模型自动生成芯片设计，标志着芯片自动设计领域迈出了重要一步。

虽然目前这些技术仍需要解决一些挑战，但它们对于提高芯片设计生产力和创新能力具有巨大潜力。

ChipGPT 与 Chip-Chat 在芯片自动生成的方法上存在一些差异。ChipGPT 使用芯片规范说明作为输入，通过提取有用的信息，并通过多个轮次的提示输入，逐步生成设计方案。而 Chip-Chat 则更加自由，通过聊天的方式输入，但需要更多的人工干预和反馈。

论文地址:https://arxiv.org/abs/2305.1401

在 ChipGPT 的研究中，还提到了三个关键问题:如何选择模型的输入内容、如何通过 Prompt Engineering 提升生成结果的质量、以及如何控制生成的硬件描述语言 （HDL） 在性能、功耗和面积之间达到最佳平衡。解决这些问题将是芯片自动设计的关键。

ChipGPT 的作者还指出，与传统的敏捷方法相比，使用大语言模型的芯片自动设计方法可以减少代码量5.32-9.25倍，并且在面积优化方面取得了47% 的提升。这意味着利用大语言模型可以显著加速芯片开发，并且可以实现设计的优化。

然而，芯片自动设计领域仍然面临一些困难，例如大模型的随机性和鲁棒性较差，缺乏全流程优化算法，以及芯片数据库的短缺等问题。解决这些难题将是实现大模型在芯片自动设计中深入应用的关键。

总体而言，中科院的 ChipGPT 项目为芯片自动设计领域带来了新的希望和机遇。虽然还有一些挑战需要克服，但利用大语言模型的芯片自动设计方法有着巨大的潜力，可以提高芯片设计的生产力和创新能力。