产品

AI 芯片全定制设计。

AI 芯片的能耗和面积集中在少数几种重复极多次的电路上,这正是全定制最能发挥作用的地方。面向 AI 推理、训练、大模型、端侧和视觉芯片,提供定制单元、单元库、手工网表、定制时钟树和手工布局布线等设计服务。

设计方法
全定制与半定制结合
关键技术
定制单元、单元库、手工网表、手工 PR、定制时钟树
运算模块
MAC 阵列、乘法器、加法器树、流水线寄存器
合作方式
技术评估、优化方案、设计顾问、全定制设计

AI 芯片类型

全定制技术可以用在哪些 AI 芯片上。

下列芯片的运算核心通常有大量重复的规则结构,是全定制方法常见的应用方向。

  • AI 推理芯片

    运行训练好的模型并回答请求,部署在云端或设备中。重点通常落在每次请求的成本、功耗和延迟。

    了解设计服务
    • 每次推理的能耗
    • 存储带宽
    • MAC 阵列的面积效率
  • AI 训练芯片

    用数据训练模型权重,通常以大规模集群工作。互连和存储与算力同样重要。

    了解设计服务
    • 浮点张量核心的能效
    • 高带宽内存与片间互连
    • 机柜级功耗
  • 大模型推理芯片

    为 Transformer 大模型逐个生成 Token。工作分为计算密集的预填充和受存储带宽限制的解码。

    了解设计服务
    • 每 Token 的能耗与成本
    • KV 缓存与存储带宽
    • 首 Token 延迟
  • 端侧 AI 芯片

    在设备或网关内运行模型,越来越多地运行本地大模型。

    了解设计服务
    • 严格的功耗预算
    • LPDDR 带宽
    • 物料成本
  • NPU 芯片

    专门完成神经网络运算的模块或芯片,已成为手机和 PC 处理器的常见配置。

    了解设计服务
    • MAC 阵列的能效
    • 持续运行时的散热
    • 与软件栈的配合
  • 视觉芯片

    集成图像处理、视频编解码和 NPU,用于摄像头和视觉终端。新一代产品同时运行 Transformer 和 CNN。

    了解设计服务
    • 每路视频的功耗
    • 密闭外壳下的散热
    • 成本
  • 云端定制 ASIC

    云服务商为自身负载定制的 AI 加速器。

    了解设计服务
    • 张量核心的能效
    • 高带宽内存
    • 开发周期
  • 自动驾驶与机器人芯片

    处理感知与规划,有实时和安全要求。人形机器人和无人机对功耗的要求更严格。

    了解设计服务
    • 功能安全
    • 散热
    • 传感器接口

全定制技术如何用于 AI 芯片

方法学中的每一项技术,都能用在 AI 芯片上。

AI 芯片的运算核心由寄存器、组合逻辑和寄存器反复组成,翻转率高,结构规整,正适合全定制。

  1. 定制单元

    按需定制 MAC 阵列和流水线中的寄存器、锁存器、全加器和压缩器。寄存器越多,定制时序单元的收益越明显。

  2. 多比特与动态时序单元

    多比特寄存器让多位共用一个时钟引脚,降低时钟功耗;再根据架构选择静态或动态、触发器或锁存器。

  3. 单元库与 Re-K

    定制单元完成特征化,单元库延伸到实际工作电压,模型可与代工厂单元一起签核。

  4. 手工网表

    把 RTL 中的乘法器、加法器树和流水线级映射到定制单元,命名规整,便于脚本和布局。

  5. 手工 PR

    MAC 阵列按位片规整布局,缩短线长,压缩面积。阵列规模越大,收益越明显。

  6. 定制时钟树

    针对规则阵列设计时钟分布,控制偏斜和时钟功耗。

  7. 低电压设计

    动态功耗与电压的平方成正比。全定制让运算核心工作在更低的电压,提升每瓦算力。

  8. 混合阈值电压单元

    手工布局下,同一单元内可以混用阈值电压,深度优化关键路径和功耗。

  9. 供电与 IR 压降

    高密度算力的电源网络与布局一起设计,完成静态和动态 IR 压降分析。

工艺与可制造性

先把实现路径说清楚。

工艺节点与实现方式取决于产品目标、功耗预算、代工资源和量产计划。以下工作通常在项目评估阶段展开。

  1. 工艺评估

    结合产品定位、性能目标、功耗预算与代工资源,判断适合的工艺方向与实现路径。

  2. 单元库与签核

    准备标准单元库、定制单元与特征化数据,为综合、时序和功耗分析提供依据。

  3. 物理实现

    根据模块特点选择自动布局布线或手工实现,关键数据通路采用定制方法。

  4. 签核与流片准备

    完成时序、功耗、物理验证与签核检查,整理流片所需资料并衔接生产。

合作方式

四个阶段,逐步推进。

  1. 技术评估

    您提交技术问题,我们给出详细解答,并评估全定制的可行性。

  2. 优化方案

    分析您的设计,提出优化方向、技术方案与预期收益。

  3. 设计顾问

    提供流程指导、设计审查和实施支持,协助您的团队落地方案。

  4. 全定制设计

    从优化设计到流片的全流程设计服务,交付完整设计资料。

常见问题

关于 AI 芯片的几点说明。

推理芯片和训练芯片有什么区别?

训练芯片用数据训练模型权重,更看重浮点算力、存储带宽和集群互连。推理芯片运行训练好的模型,更看重每次请求的成本、功耗和延迟。

大模型推理芯片和 AI 推理芯片有什么区别?

大模型推理芯片是 AI 推理芯片的一类,专门为 Transformer 大模型逐个生成 Token,更看重每 Token 的成本和 KV 缓存所需的存储带宽。

端侧 AI 芯片是什么?

端侧 AI 芯片在手机、PC、眼镜、摄像头等设备内运行模型,不依赖云端。它的关键是功耗预算、LPDDR 带宽和物料成本。

什么时候值得做全定制?

当模块重复度很高、翻转率高、对功耗或面积敏感时,全定制通常更有价值。具体收益需要在评估阶段结合模块结构、规模与项目目标判断。

有 AI 芯片项目?

告诉我们模型、算力目标、功耗预算和目标工艺,我们会尽快回复。