芯片制造商AMD近日表示,计划把用于芯片设计的部分电子设计自动化(EDA)工作负载转移到谷歌云上,对自身数据中心能力进行扩展。

EDA是芯片设计过程的一个重要组成部分,涉及到使用计算机辅助设计软件来创建印刷电路板、集成电路和微处理器。芯片制造商需要复杂的设计以极高的密度,把元件封装到电路板上,而EDA提供的标准化流程和自动化可以加快开发的速度。
芯片制造商使用EDA软件可以设计、建模、模拟、测试和分析新的电路设计,用于评估性能,并在投入生产之前发现潜藏的任何问题。
AMD表示,EDA的重要性不言而喻,因此也就不难理解为什么AMD希望在谷歌云上运行其中一些工作负载,谷歌云提供的先进的网络、存储和人工智能功能将让AMD从中受益。
AMD进一步解释说,规模、弹性和资源的有效利用在芯片设计过程中至关重要,因此AMD还打算采用谷歌最新的、计算优化的C2D虚拟机实例,这些实例都是运行在AMD第三代AMD EPYC处理器上的。AMD相信,AMD通过采用这些虚拟机可以并性地运行更多设计,从而在管理短期计算需求的方式上,提供更大的灵活性,而不会减少长期项目的资源分配。
AMD公司芯片设计工程副总裁Mydung Pham表示,谷歌云的C2D实例提供了一种新的高性能资源途径,让他的团队能够将计算解决方案与每个EDA工作流程进行混搭和匹配。
谷歌方面强调,AMD将从中受益,例如AMD可以提高灵活性,以最有效的方式运行应用,通过谷歌人工智能和机器学习工具改进设计和操作,以及提供成本和资源消耗方面的透明度。
谷歌云总经理、基础设施副总裁Sachin Gupta表示,云的速度、规模和安全性为AMD等芯片设计公司带来了他们急需的灵活性。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。