#物聯網IoT #嵌入式系統 #微控制器MCU #Wi-Fi #藍牙低功耗BLE
【分解挑戰，逐一擊破】
支援物聯網 (IoT) 的產品通常僅包含三個元素：處理器或微控制器 (智慧元素)、網路控制器 (連接元素) 以及確保與雲端安全通訊的方法 (安全元素)。
由於大多數設計人員已經投入了大量時間和精力來打造出色的產品，因此會重複使用大部分現有的設計，如此可帶來極大的優勢。通常，僅需將連接元素和安全元素添加到現有設計中即可實現物聯網連接。無需從頭開始設計解決方案，並且透過快速轉換將現有設計快速的連接到物聯網。這可以使用軟體的設計領域經過驗證的技術以高效率的方式完成這項任務，以簡化和加速開發過程。
嵌入式設計人員著手使現有產品能在物聯網中運行的任務時，可以向軟體設計人員學習一些技巧。面對複雜程式設計挑戰的程式設計人員一直以來都採用自上而下的設計方法或模組化程式設計。這種方法將較大的問題分解為較小的、更易於管理的子問題，而這些子問題又可以分解為更小的待處理任務。這是一種強大且經過驗證的方法，能夠解決單一程式難以處理的挑戰性問題。那麼，如何將這種方法使用到嵌入式硬體系統中呢？
延伸閱讀：
《如何調整現有設計使用於物聯網的應用》
http://www.compotechasia.com/a/tech_application/2020/1231/46828.html
#微芯科技Microchip #AVR-IoT WG #AVR #ATECC608A
mcu程式設計 在 [情報] 中國推出世界首顆無干涉AI全自動設計CPU 的必吃
中國推出世界首顆無干涉 AI全自動設計CPU
https://new.qq.com/rain/a/20230630A07AQ100?no-redirect=1
中科院計算所的處理器晶片全國重點實驗室及其合作單位，
用AI技術設計出了世界上首個無人工干預、全自動生成的CPU晶片啟蒙1號。
這顆完全由AI設計的32位RISC-V CPU，相比GPT-4目前所能設計的電路規模大4000倍，
並可運行Linux作業系統，且性能堪比Intel 486。
啟蒙1號處理器是基於RSIC-V指令集的，32位元架構，
早在2021年12月就已經完成流片驗證，之後中科院計算所還用它點亮了Linux作業系統，
並運行了SPEC CPU2000測試程式，評估後認為性能跟Intel的40486相當。
啟蒙1號晶片版圖及實物圖，其中CPU核部分完全由演算法自動生成，晶片於2021年12月採
用65nm工藝流片，運行頻率300MHz
這是全球首個無人工干預、全自動生成的CPU晶片，65nm工藝，頻率達到了300MHz，
相關研究論文已經發表。
啟蒙1號是中科院研究人員基於BSD二元猜測圖（Binary Speculation Diagram, 簡稱BSD
）演算法設計出來的，5個小時就生成了400萬邏輯門，
這個規模比GPT-4能設計的晶片大4000倍。
雖然啟蒙1號CPU的規模跟當前的頂級CPU還沒法比，但是AI技術的進步飛快，
未來AI設計晶片會成為主流，將極大地提高晶片設計效率。
啟蒙1號晶片可以成功運行Linux作業系統及性能對比（CPU-AI為啟蒙1號）
團隊介紹
自2008年起，中科院計算所便開始長期從事晶片設計和人工智慧的交叉研究。其中一項為
人熟知的產出就是人工智慧晶片寒武紀。
而在面向晶片設計的人工智慧方法上，中科院計算所也已有十多年的積累，並且從未停止
探索如何用人工智慧方法使得晶片設計完全自動化。
依託中國科學院計算技術研究所建立的處理器晶片全國重點實驗室，是中國科學院批准正
式啟動建設的首批重點實驗室之一，並被科技部遴選為首批 20個標杆全國重點實驗室，
2022年5月開始建設。其中，實驗室學術委員會主任為孫凝暉院士，
實驗室主任為陳雲霽研究員。
實驗室近年來獲得了處理器晶片領域首個國家自然科學獎等6項國家級科技獎勵；在處理
器晶片領域國際頂級會議發表論文的數量長期列居中國第一；在國際上成功開創了深度學
習處理器等熱門研究方向；孵化了總市值數千億元的國產處理器產業頭部企業。
使用ChatGPT設計的晶片
日前，國際上也有使用ChatGPT設計晶片的嘗試。紐約大學 Tandon 工程學院的研究人員
使用簡單的英語“對話”與 AI 模型製造了一個微處理晶片，這是一項史無前例的成就，
可以加快晶片開發速度，更重要的是這將允許沒有專業技術技能的個人設計晶片。
兩名硬體工程師使用標準英語與ChatGPT-4“交談”，並設計了一種新型的微處理器架構
。研究團隊和 ChatGPT 設計的晶片並不是一個完整的處理器，它是整個 CPU 的一個部分
：負責創建一個新穎的基於 8 位元累加器的微處理器架構的邏輯。該晶片隨後被送往
Skywater 130 nm 光刻機上進行製造。該團隊聲稱，這項研究標誌著 LLM 設計的 IC 首
次真正投入生產。
該團隊使用 125 條消息成功創建了他們的 IC
累加器本質上是寄存器（記憶體），其中存儲中間計算的結果，直到主計算完成。但它們
是 CPU 工作方式不可或缺的一部分；也許還可以設計其他必要的單元。這一成果表明，
未來成為 EDA 設計師的知識門檻要低得多。也許有一天，足夠多的 CPU 碎片會被公開，
這樣更多的ChatGPT用戶將可以在家裡設計他們的 CPU 架構。
研究人員使用商業和公開可用的大型語言模型 (LLM) 來研究八個硬體設計示例，在工程
師和 LLM 之間的即時來回交互中，通過純英文文本處理其 Verilog (HDL) 等效。
“這項研究產生了我們認為是第一個完全由 AI 生成的 HDL，用於製造物理晶片，”紐約
大學 Tandon 的研究助理教授兼研究團隊成員 Hammond Pearce 博士說。“一些人工智慧
模型，如 OpenAI 的 ChatGPT 和穀歌的 Bard，可以生成不同程式設計語言的軟體代碼，
但它們在硬體設計中的應用尚未得到廣泛研究。這項研究表明 AI 也可以使硬體製造受益
，尤其是當它被用於對話時，你可以通過一種有來有往的方式來完善設計。”
從這個實驗中，該團隊得出結論，
ChatGPT 確實可以將功能晶片設計為現實世界的解決方案。
==
心得:
有人說 2023年 才做出 486 有什麼好怕?
但這是在無人干涉下 讓 AI 自動迭代出來
就如同深度學習一樣 目標(準度)沒達到 再加更多迭代就好
怕了吧
User: 在 AI 極度普及的未來，有沒有可能用類似 chatGPT 的使用方式，
設計出比美現在頂極效能的 CPU?
chatGPT: 在 AI普及的未來，技術的發展可能會帶來一些突破，但是要設計出比現今頂尖效能的CPU
更加困難。ChatGPT是一種基於GPT-3.5模型的語言模型，並不是設計用於處理通用計算或
執行特定任務的處理器。
現在的頂尖效能CPU（例如在超級電腦或數據中心使用的處理器）是由專業的半導體公司
進行設計和製造的，他們投入了大量的時間、資源和專業知識，並且依賴於多個特殊化的
設計技術和流程。這些頂級CPU的設計需要考慮到高性能運算、能耗效率、散熱管理、並
且要兼容各種軟體和硬體。
AI技術的發展確實可能會對未來處理器的設計和性能產生影響。例如，將來可能會出現專
為AI運算優化的處理器架構，以更好地支援AI相關任務。已經有一些類似的產品，如
Google的TPU（Tensor Processing Unit）和NVIDIA的GPU（Graphics Processing Unit）
，專為加速機器學習和深度學習任務而設計。這些專用的硬體設計在處理AI相關工作時通
常比通用CPU更有效率。
因此，未來的處理器可能會利用AI技術和相關的硬體加速器進行優化，以提供更好的性能
和效能。但是，要設計出比現在頂尖效能的CPU更加困難，因為它涉及到眾多複雜的工程
和物理問題。無論如何，技術的進步和創新總是令人期待的，未來可能會帶來一些意想不
到的突破和改變。
Bing: 您好，這是必應。感謝您的提問。
根據我的搜索結果，目前還沒有用類似 chatGPT 的方式設計出比現在頂級效能的 CPU 的
案例。但是，有一些研究和專案正在探索 AI 在 CPU 設計中的應用和潛力。
例如，中科院計算所等機構推出了世界首個完全由 AI 設計的 CPU 晶片，不僅比目前
GPT-4 所能設計的電路規模大了 4000 倍，而且性能也達到了與 Intel 486 相當的水準1
。
另外，英特爾® 至強® 可擴展處理器配備了內置的 AI 引擎，可以全面提升 AI 流水線
性能，支援從資料預處理、經典機器學習，到語言處理和圖像識別等深度學習模型。它們
還利用了英特爾® 高級矩陣擴展（Intel®Advanced Matrix Extensions，英特爾® AMX
）和英特爾® 深度學習加速技術（Intel®Deep Learning Boost，英特爾® DL Boost）
等技術來加速深度學習訓練和推理2。
我認為，在 AI 極度普及的未來，使用類似 chatGPT 的方式設計 CPU 是有可能的，但也
需要解決一些技術和成本的挑戰。我希望這些資訊對您有説明。如果您有其他問題，請隨
時提問。
Claude: 這是一個很有趣的想法。理論上,如果AI系統具有足夠的計算能力和對半導體設計的深入
理解,它就有可能設計出比目前最高效能的CPU更強大的處理器。但是,實現這一目標還面
臨著許多挑戰:
處理器設計是一項非常複雜的工程,需要對電子工程,物理和計算機架構等領域有深入的理
解。目前的AI系統的知識還遠遠不能滿足這些要求。
處理器設計需要大量的創造性和直覺,需要在不同的設計選擇和取捨中作出判斷。這需要
一種更加通用和靈活的人工智能,而不是像GPT這樣靠大量數據訓練的模型。
處理器的設計和驗證過程需要對真實世界的理解。例如需要考慮製造工藝,測試處理器的
可靠性和性能等,這需要機器具有對實際世界更好的理解能力。
目前的AI系統都只能在軟件層面運作,實際的硬件設計和驗證還需要人類工程師的參與。
要實現全自動的AI晶片設計,還需要突破AI系統與物理世界的聯繫。
所以,儘管這是一個非常有前景的方向,但要實現像GPT那樣的AI系統設計超高效能的處理
器,還有很長的路要走。需要AI技術在許多方面的進步,特別是通用學習,對真實世界的理
解,以及與物理系統的結合等。
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.228.222.170 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/PC_Shopping/M.1688217618.A.780.html
※ 編輯: giorno78 (36.228.222.170 臺灣), 07/01/2023 21:25:42
... <看更多>