ChatGPT开启CPU设计新纪元？AI助工程师实现硬件自动验证?

和ChatGPT聊聊天，就可解决CPU开发过程中的一大难题？

纽约州立大学（NYU）研究人员完成了一件看似不可能的事情：

无需专业的硬件描述语言（HDL），仅靠说人话就能设计芯片！

在ChatGPT的帮助下，他们不仅设计出CPU上的一个组件，甚至还通过了有效性验证环节。

💡🚀掌握核心！这款组件乃微处理器设计中的关键🔥——八位累加器架构大师！👨‍💻它以寄存器为灵魂，专为算术与逻辑运算是生，承载着至关重要的运算任务。在CPU的高速运转中，这小小积木发挥着无可替代的作用💡💪。无论是基础算术还是复杂逻辑，它的精准和效率都是革命性的！🌍🚀让科技更智能，世界因你而不同！🏆

所以，还有什么是大语言模型不能做的？

有网友表示：

芯片设计的部分流程实现自动化无疑是个好消息。

打开凤凰新闻，查看更多高清图片

也有网友表现出对在芯片设计中使用AI编写HDL的担忧：

ChatGPT对芯片设计干了啥？

通常，设计和制造芯片的过程中会经历几个阶段。

其中一个阶段是用硬件描述语言（HDL）（例如Verilog）描述芯片内不同部件的实际几何形状、密度和整体布局。

在此前，作为一个极其专业化和复杂的领域，HDL编写一直是一项相对罕见且非常难以掌握的工作。

研究团队成员之一、也是研究助理教授的Hammond Pearce博士更是认为：

硬件描述语言的最大挑战就是没有多少人知道如何编写它们，很难成为这方面的专家。

这也就意味着，即使是最好的工程师也还是经常需要用这种语言做一些琐碎的事情。

而ChatGPT作为一种模式识别器，可以在各种类型的语言中转换自如，这就可以帮助工程师们跳过HDL阶段。

△使用 LLM 创建 IC（集成电路）的设计流程。

在这个深入的研究项目中，专家们运用了先进的LLM技术，对八款极具代表性的硬件设计方案进行了详尽的分析。通过高效的互动，工程师能即时与LLM无缝对接，将原本的英文指令逐步转化为行业标准的Verilog代码，这是一种高级的HDL语言。这项过程不仅展示了LLM的强大功能，也强调了其在软件到硬件转换中的精确性和效率。

🌟💡一位顶尖硬件专家携手LLM精英，巧妙构思出一款创新的八位累加器微处理器架构🌟🚀。他们的智慧结晶在Skywater 130纳米的-Shuttle芯片工厂得以实践，经历了严谨的tapeout流程，即将震撼亮相！🚀💪 #微处理器设计 #技术创新 #Skywater130纳米

在这个关键环节，四位AI语言模型的表现备受关注——ChatGPT-4、升级版的ChatGPT-3.5、创新的Bard以及HuggingChat，它们各自在生成Verilog代码的技能上进行了深度评估。通过细致入微的比较，我们可以洞察这些LLM在硬件设计领域的技术实力和潜力。

🌟研究深入！🚀我们专注于8个移位寄存器的基准验证，让顶尖的大模型在Verilog建模之旅中，以「测试名称」为核心，展开一场技术挑战。💡首先，详尽的指导来，我们引导用户，定义一个精确的模型目标——创建一个高度功能化的Verilog原型。🛠️接着，规范之路不可或缺，端口定义、输入输出参数，乃至所有关键细节，都严谨呈现，确保设计的无缝对接。🌐最后，关键环节来了，我们询问，如何巧妙地运用这些规范，编写出满足规格要求的设计？💡编码技巧与工程智慧在此刻交汇，等待解答。👨‍💻👩‍💻

△8位移位寄存器的设计提示

下面是不同大模型给出的设计方案：

△左图是ChatGPT-4的八位移位寄存器设计，右图是ChatGPT-3.5

△左图是Bard（第4行的「红色」输入过宽），右图是HuggingChat（截断，格式化）

如上图所示，虽然ChatGPT都能够满足规格要求并开始进行设计流程，但Bard和HuggingChat都未能满足规格要求的初始标准。

研究人员对Bard和HuggingChat进行了进一步的测试，尝试让它们再次产出五个回复。然而，两位AI的表现并不理想，Bard始终未能达到预设的设计标准，而HuggingChat的Verilog代码在模块声明后出现了语法规则上的瑕疵。尽管它们基于初始提示有所生成，但这些努力并未带来预期的成功。

鉴于Bard和HuggingChat在初始的挑战基准测试中表现不佳，研究人员决定后续完整测试仅对ChatGPT-4和ChatGPT-3.5进行。

与此同时，顺便让大模型进行了Testbench（测试台）的设计：

你能为这个设计编写一个Verilog测试台吗？测试台应该具备自检功能，并且能够与iverilog一起用于仿真和验证。如果测试用例失败，测试台应该能够提供足够的信息，以便找到并解决错误。

最终结果表明ChatGPT-4的表现较为出色。大多数基准测试都通过了，并且大部分只需要工具反馈即可。

与创建可运行设计相比，ChatGPT-4在创建可运行的测试台上遇到了更多困难，往往还是需要人类的反馈意见。

而与ChatGPT-4相比，ChatGPT-3.5的表现明显较差，大多数基准测试都失败了，而那些通过测试台的对话大多数也不符合规范。与ChatGPT-4相比，ChatGPT-3.5每次对话和基准测试之间会出现各种各样的问题，在设计和测试台方面需要更频繁地进行修正。

ChatGPT是芯片设计中的“力量倍增器”

随着大语言模型（LLM）的继续发展，未来从构想到功能设计，LLM或许都可以轻松实现。

△研究人员用ChatGPT-4设计的基于累加器的数据通路（图是人绘制的），控制信号用虚线表示

研究人员认为：

尽管我们强调了模型的单步性能（即一步完成设计），但对于硬件应用来说，让它们以“共同设计师”的身份加入，可能会表现得更好。

当与经验丰富的工程师协同工作时，它们可以成为一种“力量倍增器”。工程师可以根据模型提供的“初版设计方案”，进行微调和快速迭代。

Hammond Pearce博士说道：

这项研究成果是我们认为首次完全由人工智能生成的硬件描述语言（HDL）转化为物理芯片的案例。

一些人工智能模型，比如OpenAI的ChatGPT和谷歌的Bard，可以生成不同编程语言的软件代码，但它们在硬件设计领域的应用尚未被广泛研究。

而这项研究表明，人工智能在硬件制造方面也具有潜力，尤其是在对话式应用中，通过反复交流可以完善设计。

并且，这样一来HDL编写过程中人为引起的错误就会减少，从而可缩短设计时间和上市时间，也可允许更多创造性的设计。

不知一些HDL工程专家听到这里是否会略感紧张。

研究人员认为如果这个过程能够实现自动化，不仅可以加快现在的工作速度，还可以减轻人为瓶颈。

但是，完全依靠类似于ChatGPT这种大模型或者依赖电力运行的软件机器也存在一定的风险。用于芯片设计的LLM在训练阶段也存在难解的黑盒子等一系列问题。

对此，你有什么看法？