Google 正式定名 AlphaChip 並開源權重：數小時完成晶片佈局，已用於三代 TPU

AlphaChip 是 Google 開源的強化學習晶片佈局工具。這次 Google 正式給它定名，並在 Nature 上釋出補充說明，同時公開了預訓練模型權重。它的核心作用，是把晶片工程師原本要耗費數週甚至數月的電路模組佈局（Floorplanning）工作，壓縮到幾個小時內跑出超越人類水平的方案。

在晶片設計流程中，底層的平面規劃極其繁瑣。成千上萬個電路模組和極細的連線需要層層堆疊，同時還要兼顧功耗、散熱、延遲和晶片面積。六十多年來，半導體行業一直很難把這一步徹底自動化。

AlphaChip 做的事，就是自動在空白畫布上給這些宏單元排定座次。它不僅速度快，跑出來的佈局在很多指標上比資深工程師手工調優還要好。

怎麼把佈局當成下棋

AlphaChip 的核心思路承襲自 AlphaGo 和 AlphaZero，直接把晶片佈局當成一盤棋來下。

演算法從一張空白網格開始，每次往畫布上放置一個電路元件。當所有元件全部擺放完畢後，系統會根據走線長度、擁擠度和功耗等綜合質量給出獎勵評分。

為了讓模型看懂電路，Google 配備了一種基於邊的圖神經網路（edge-based GNN）。這個網路能理解晶片內部元件之間錯綜複雜的連線關係，並且具備跨晶片的泛化能力。

這意味著它不用每次從零開始摸索。只要在上一代晶片的網路模組、記憶體控制器和資料緩衝區上完成預訓練，換到全新晶片架構時就能直接套用經驗，而且越用越聰明。

已經落地的實戰戰績

這套工具並不是停留在實驗室裡的概念演示，它已經在多個頂級晶片專案中落地。

在 Google 內部，它參與設計了過去三代 TPU 的晶片佈局，其中包括最新發布的第 6 代 Trillium TPU，幫助執行 Gemini、Imagen 和 Veo 等主力模型。Google 首款基於 Arm 架構的資料中心 CPU Axion，核心模組同樣由它佈局。

在 Google 之外，晶片設計大廠聯發科（MediaTek）也引入了 AlphaChip 的技術路線，用來最佳化自家先進製程晶片的功耗、效能和麵積。

開放程度與使用方式

Google 這一次正式放出了預訓練檢查點（checkpoint）和模型權重。配合此前已經開源的程式碼，晶片研究人員和工程師可以直接在 GitHub 倉庫中獲取權重和程式碼，不用自己燒海量算力去從頭訓練一個強化學習智慧體。

不過對於使用者來說，想要把它接入實際生產流程，依然需要配合現有的開源或商業 EDA 工具鏈，來完成設計規則檢查與物理驗證。

為什麼重要

對半導體工程師和 EDA 研究團隊來說，這套權重的開放意義很大。此前用強化學習最佳化硬體設計，最大的門檻就是冷啟動成本過高，很少有團隊能燒得起算力去從零訓練基礎模型。現在有了預訓練權重，團隊可以直接在已有經驗上做微調，甚至遷移到邏輯綜合、宏單元選擇等其他晶片設計階段。

從行業來看，AlphaChip 跑通了一個標誌性的技術閉環：最先進的 AI 依賴先進製程晶片提供算力，而 AI 反過來在數小時內幫人類造出更強的晶片。當晶片設計週期的底層瓶頸被演算法打碎，硬體迭代的步伐會被大幅加快。