Trung Quốc vừa đạt bước đột phá trong thiết kế chip tự động hóa bằng AI 

Một nhóm nghiên cứu Trung Quốc đã đạt được bước tiến vượt bậc trong lĩnh vực tự động hóa thiết kế bán dẫn, vượt xa các công cụ truyền thống: hệ thống thiết kế chip tự động sử dụng trí tuệ nhân tạo (AI) mang tên QiMeng, có khả năng tạo ra kiến trúc bộ vi xử lý hoàn chỉnh với sự can thiệp tối thiểu từ con người.

Theo trang Techwiseasia, được phát triển bởi Viện Hàn lâm Khoa học Trung Quốc, QiMeng đánh dấu lần đầu tiên một hệ thống AI thành công trong việc tự động hóa toàn bộ quy trình thiết kế bộ vi xử lý, mở ra một kỷ nguyên mới cho ngành công nghiệp bán dẫn.

VƯỢT QUA GIỚI HẠN CỦA TỰ ĐỘNG HÓA TRUYỀN THỐNG

Ngành công nghiệp bán dẫn từ lâu đã sử dụng các công cụ tự động hóa thiết kế điện tử (Electronic Design Automation - EDA) để hỗ trợ các nhiệm vụ cụ thể như tổng hợp logic, bố trí mạch, và định tuyến. Tuy nhiên, việc tự động hóa hoàn toàn quá trình thiết kế kiến trúc bộ vi xử lý – từ ý tưởng ban đầu đến phần cứng hoạt động – vẫn là một thách thức lớn. Các công cụ EDA truyền thống chỉ giải quyết từng phần của quy trình, trong khi thiết kế bộ vi xử lý đòi hỏi sự tích hợp phức tạp giữa hiệu suất, mức tiêu thụ năng lượng, khả năng sản xuất, và tính chính xác chức năng qua nhiều tầng trừu tượng.

Hệ thống QiMeng, được phát triển bởi các nhóm nghiên cứu từ Phòng thí nghiệm Quốc gia về Bộ vi xử lý, Trung tâm Nghiên cứu Phần mềm Thông minh, và Đại học Viện Hàn lâm Khoa học Trung Quốc, đã vượt qua những rào cản này bằng cách tự động hóa toàn bộ chuỗi thiết kế. Hệ thống giải quyết ba thách thức chính của ngành bán dẫn: giới hạn vật lý của công nghệ sản xuất, yêu cầu chuyên môn sâu của con người, và sự phức tạp ngày càng tăng của các hệ sinh thái tính toán đa dạng.

QiMeng đã thể hiện năng lực ấn tượng với hai sản phẩm vi xử lý: QiMeng-CPU-v1 và CPU-v2. Phiên bản đầu tiên, hoàn thành trong 5 giờ vào năm 2021 với 4 triệu cổng logic, đạt hiệu suất tương đương Intel 486 – bước tiến lớn so với các thiết kế mạch tự động trước đó. QiMeng-CPU-v2 nâng cấp mạnh mẽ, ứng dụng thiết kế siêu vô hướng và đạt hiệu suất tương đương ARM Cortex A53, với khả năng xử lý song song cao gấp 380 lần v1 nhờ kỹ thuật dự đoán phụ thuộc lệnh.

Ở mảng phần mềm, AutoOS giúp tối ưu kernel Linux chỉ trong một ngày, tăng hiệu suất tới 25,6% bằng cách tự động loại bỏ cấu hình dư thừa từ hơn 15.000 tham số. CodeV-R1 – công cụ sinh mã HDL – đạt độ chính xác cao trên các bộ benchmark, vượt trội các mô hình mã nguồn mở nhờ chuyển đổi mã hiệu quả hơn.

GIẢI QUYẾT BÀI TOÁN PHỨC TẠP CỦA THIẾT KẾ CHIP

Thiết kế chip là một bài toán siêu phức tạp. Một CPU 32-bit có khoảng 10^3840 cấu hình thiết kế khả thi – con số lớn hơn số nguyên tử trong vũ trụ quan sát được. Các kỹ sư truyền thống phải đưa ra quyết định dựa trên kinh nghiệm tích lũy, cân bằng giữa hiệu suất, tiêu thụ năng lượng, ràng buộc sản xuất, và tính năng chính xác chức năng qua nhiều tầng trừu tượng.

QiMeng giải quyết vấn đề này bằng kiến trúc ba tầng, tập trung vào Mô hình Chip Lớn Chuyên biệt (Large Processor Chip Model - LPCM). Không giống các mô hình AI lớn thông thường xử lý văn bản, LPCM xử lý dữ liệu dạng đồ thị, bao gồm cây cú pháp trừu tượng, sơ đồ luồng dữ liệu, và sơ đồ luồng điều khiển – những yếu tố cốt lõi trong thiết kế bán dẫn.

Hệ thống khắc phục hạn chế về dữ liệu huấn luyện. Trong khi các mô hình AI tổng quát được huấn luyện trên dữ liệu văn bản quy mô petabyte từ internet, dữ liệu thiết kế chip chỉ tồn tại trong các kho lưu trữ terabyte trên nền tảng như GitHub. Nhóm nghiên cứu đã phát triển phương pháp huấn luyện hợp tác đa giai đoạn, kết hợp các mô hình riêng lẻ cho từng giai đoạn thiết kế – từ phần mềm cấp cao đến bố trí vật lý – để tạo ra dữ liệu huấn luyện toàn diện một cách tự động.

THÁCH THỨC TRIỂN KHAI TRONG THỰC TẾ

Dù đạt nhiều thành tựu, việc triển khai QiMeng vào sản xuất công nghiệp vẫn đối mặt với nhiều rào cản. Thiết kế chip không chỉ yêu cầu tính đúng chức năng mà còn phải tối ưu hóa các yếu tố như hiệu suất sản xuất, quản lý nhiệt, tương thích điện từ, và độ bền trong hàng thập kỷ hoạt động. Các hệ thống AI hiện tại khó tích hợp toàn diện những yêu cầu này.

Về kinh tế, tự động hóa có thể giảm chi phí và thời gian thiết kế, nhưng cơ sở hạ tầng tính toán khổng lồ cần thiết cho QiMeng có thể hạn chế khả năng tiếp cận, tập trung vào các tổ chức có nguồn lực mạnh, đi ngược mục tiêu dân chủ hóa thiết kế chip. Các công ty bán dẫn lớn đã đầu tư nhiều vào quy trình và chuỗi công cụ hiện tại, trong khi các ứng dụng quan trọng về an toàn đòi hỏi quy trình kiểm chứng quy mô lớn mà các hệ thống tự động chưa đạt được.

Ví dụ, bộ vi xử lý Intel Core i7 yêu cầu độ chính xác chức năng lên tới 99,99% – tiêu chuẩn mà các hệ thống AI như QiMeng đang tiến gần nhưng chưa đạt được một cách ổn định. Nhóm nghiên cứu thừa nhận rằng QiMeng vẫn đang trong giai đoạn phát triển ban đầu, với lộ trình ba giai đoạn kéo dài nhiều năm là tích hợp từ trên xuống dưới bằng các mô hình chuyên biệt; Tái cấu trúc từ dưới lên với các mô hình được huấn luyện; Xây dựng khả năng tự cải thiện lặp đi lặp lại.

Sự phát triển của QiMeng diễn ra trong bối cảnh cạnh tranh địa chính trị về công nghệ bán dẫn và độc lập chuỗi cung ứng. Hệ thống này có tiềm năng giảm sự phụ thuộc vào các công cụ EDA truyền thống từ các công ty phương Tây như Synopsys, Cadence, và Mentor Graphics, tăng cường khả năng tự chủ công nghệ của Trung Quốc.

Tuy nhiên, hiệu suất hiện tại của QiMeng vẫn còn khoảng cách so với các thiết kế thương mại tiên tiến, cho thấy tác động chiến lược ngắn hạn còn hạn chế. Các bộ vi xử lý do QiMeng tạo ra hiện chủ yếu bổ sung, thay vì thay thế, các phương pháp thiết kế truyền thống. Thành công dài hạn sẽ phụ thuộc vào việc đạt được hiệu suất ngang bằng với các bộ vi xử lý do con người thiết kế, đồng thời đáp ứng các tiêu chuẩn triển khai thương mại.

Các ứng dụng ban đầu của QiMeng có thể tập trung vào các bộ vi xử lý chuyên dụng cho các lĩnh vực cụ thể, thay vì cạnh tranh trực tiếp với các CPU đa năng như Intel Core hay AMD Ryzen. Dù vậy, QiMeng là một cột mốc quan trọng, cung cấp bằng chứng khả thi cho thiết kế bộ vi xử lý tự động hóa từ đầu đến cuối, đồng thời nêu bật những thách thức kỹ thuật và thực tiễn cần vượt qua để sánh ngang với các đội ngũ thiết kế truyền thống.