الرقاقة التي بدت خاطئة كانت الأفضل التي رأيناها على الإطلاق
كنت أحدّق في تخطيط أرضي لرقاقة على شاشتي في الثانية صباحاً، وكان حدسي الأول أن شيئاً ما قد جرى على نحو فادح.
كانت وحدات الذاكرة الكبيرة (macros) مبعثرة وكأن أحدهم عطس على اللوحة. وشكّلت تجمّعات المنطق كتلاً عديمة الشكل تنتهك كل مبدأ تصميمي استوعبته عبر سنوات من دراسة معماريات السيليكون. لم تكن هناك أعمدة مرتّبة، ولا صفوف متناظرة، ولا شبكة «مانهاتن» يمكن تمييزها — مجرد ما بدا كأنه فوضى منظّمة.
ثم شغّلت المحاكاة. طول الأسلاك: انخفاض كبير. الازدحام: يكاد يكون معدوماً. إغلاق التوقيت: أنظف من أي شيء أنتجه فريقنا بالأدوات التقليدية. كان التخطيط الذي بدا معطوباً — وفق كل مقياس فيزيائي يهمّ فعلاً — أفضل.
كانت تلك اللحظة التي فهمت فيها — بالفطرة، لا بالعقل وحده — أن عصر تصميم الرقاقات بالحدس البشري يقترب من نهايته. وأن الشركة التي كنت أبنيها، Veriprajna، كانت مصوّبة نحو المشكلة الصحيحة تماماً. لأن قانون مور لا يحتضر بسبب غياب اختراقات فيزيائية. إنه يحتضر بسبب غياب الخيال. وتعلّم التعزيز يملك خيالاً لا نملكه نحن.
لماذا توقّف قانون مور عن العمل فعلاً؟
السردية الشائعة بسيطة: الترانزستورات لا يمكن أن تصغر أكثر. وهذا صحيح جزئياً — عند عقدتَي التصنيع 3nm و2nm، أنت تصارع النفق الكمومي، وتيارات التسرّب، والفيزياء الحرارية التي تجعل كل تقليص إضافي أصعب وأكثر كلفة أُسّياً.
لكن إليك ما يغفله معظم الناس: لم يعد الترانزستور هو عنق الزجاجة. بل السلك.
في الرقاقات الحديثة، يمكن للإشارة أن تعبر بوابة منطقية في بيكوثوانٍ. أما عبورها خلال الوصلات النحاسية الدقيقة التي تربط المكوّنات معاً؟ فذلك يستغرق نانوثوانٍ — أطول بمراتب من حيث المقدار. وباتت مقاومة تلك الأسلاك المجهرية وسعتها تهيمنان على كل من التأخير واستهلاك الطاقة. ما يعني أن الترتيب الهندسي للمكوّنات على الرقاقة — أي التخطيط الأرضي — قد أصبح العامل الأوحد الأهم في مدى سرعة تلك الرقاقة وكفاءتها.
لا يمكن لترانزستورات أسرع أن تنقذ تخطيطاً أرضياً رديئاً. فالتخطيط هو الأداء.
هذا هو الجزء الذي صدمني أشدّ الصدمة حين بدأنا التنقيب في الأبحاث. لعقود، تعاملت الصناعة مع التخطيط الأرضي بوصفه مهمة لاحقة — مهمة، لكنها ثانوية أمام بطولات التقليص الليثوغرافي. والآن وقد تعثّر ذلك التقليص، صار التخطيط الأرضي هو اللعبة بأكملها. والأدوات التي نستخدمها للعبها تعود إلى ثمانينيات القرن الماضي.
الخوارزمية ذات الأربعين عاماً التي تُشغّل هاتفك
عليّ أن أحدّثك عن التلدين المحاكى (Simulated Annealing)، لأن فهم حدوده هو فهم لماذا يهمّ الذكاء الاصطناعي هنا.
التلدين المحاكى — واختصاراً SA — هو الخوارزمية الأساسية وراء توظيب مكوّنات الرقاقة في معظم أدوات أتمتة التصميم الإلكتروني (EDA) التجارية. طُوّرت في الثمانينيات، مستوحاةً من العملية المعدنية المتمثّلة في تسخين المعدن وتبريده ببطء لإزالة العيوب. تخلط الخوارزمية المكوّنات عشوائياً، «مبرِّدةً» تدريجياً لتستقرّ على حل.
يبدو ذلك أنيقاً. لكن عملياً، فيه مشكلتان قاتلتان.
أولاً، إنها بلا ذاكرة. في كل مرة تشغّل فيها SA على رقاقة جديدة، تبدأ من الصفر. لم تتعلّم شيئاً من الرقاقة الأخيرة التي صمّمتها، ولا من التي سبقتها. تخيّل لو أن لاعب شطرنج نسي — في كل مرة يجلس فيها إلى الرقعة — كل مباراة لعبها في حياته. هذه هي SA.
ثانياً، إنها تنحبس. إن مشهد التحسين لرقاقة حديثة — مليارات الترانزستورات، وآلاف القيود، وأهداف متضاربة للطاقة والأداء والمساحة — تضاريس وعرة مليئة بالوديان والحواف. تجد SA وادياً وتستقر فيه، عاجزةً عن إدراك وجود وادٍ أعمق بكثير خلف الحافة مباشرة. تكتفي بـ«الجيد بما يكفي» لأنها حرفياً لا تستطيع رؤية «العظيم».
أتذكّر حديثاً مع مهندس تصميم فيزيائي مخضرم — أكثر من عشرين عاماً في الصناعة — قال لي بإحباط ظاهر: «أقضي ثلاثة أسابيع بعد كل تشغيل لـ SA أنقل الوحدات الكبيرة يدوياً لأصلح ما أخطأت فيه الأداة. أنا طاقم التنظيف وراء خوارزمية لم تتغيّر جوهرياً منذ كنت في الجامعة.»
هذا هو السقف المعرفي. ليست حدود الأداة وحدها، بل الكلفة البشرية لتعويضها. فِرق من المهندسين الخبراء تقضي أسابيع في ضبط التخطيطات يدوياً، محرقةً أشهراً من الوقت وملايين من الرواتب، لأن محرّك التحسين في صميم سير عملها عاجز بنيوياً عن إيجاد الإجابة الأفضل.
ماذا لو كان تصميم الرقاقات لعبة؟
هذه هي إعادة التأطير التي غيّرت كل شيء بالنسبة لي.
في عام 2021، نشرت Google ورقة بحثية في مجلة Nature تصف AlphaChip — وهو وكيل تعلّم تعزيز عميق يتعامل مع التخطيط الأرضي للرقاقة لا كمشكلة تحسين، بل كلعبة. الرقعة هي شريحة السيليكون. والقطع هي مكوّنات قائمة التوصيل (netlist) — كتل الذاكرة، وتجمّعات المنطق، وواجهات الإدخال/الإخراج. وكل نقلة هي وضع مكوّن عند إحداثية محدّدة. والنتيجة مزيج من الخصائص الفيزيائية للتخطيط النهائي: طول الأسلاك، والازدحام، والتوقيت، والكثافة الحرارية.
يلعب الوكيل هذه اللعبة ملايين المرات. وهو يتعلّم.
ليست قواعد تقريبية. ولا استدلالات تجريبية. بل يتعلّم سياسة — حدساً عميقاً مبنياً على مطابقة الأنماط بشأن أين ينبغي أن توضع الأشياء، متطوّراً عبر تجربة خام مع فيزياء دالة الكلفة. يتعلّم أن وضع متحكّمات الذاكرة قرب الإدخال/الإخراج يقلّل زمن الوصول. ويتعلّم أن أنماط تجميع معيّنة لوحدات الحساب تقلّل الازدحام. لم يبرمج أي إنسان هذه الرؤى. اكتشفها الوكيل لأنه كوفئ على فعل ذلك.
كتبت عن المعمارية التقنية وراء هذا — الشبكات العصبية الرسومية القائمة على الحواف (Edge-based Graph Neural Networks)، وصياغة عملية اتخاذ القرار لماركوف (Markov Decision Process)، ودوال المكافأة — في ورقتنا البيضاء التفاعلية. لكن التفصيل الذي أذهلني لم يكن الرياضيات. بل كان التعلّم بالنقل.
حين درّبت Google الوكيل مسبقاً على مجموعة متنوّعة من كتل الرقاقات — نوى TPU، ومتحكّمات الذاكرة، وواجهات PCIe، وتصاميم RISC-V المفتوحة المصدر — لم يُتقن الوكيل تلك الرقاقات المحدّدة فحسب. بل طوّر مبادئ عامة للتخطيط الأرضي. وحين عُرضت عليه كتلة TPU جديدة كلياً لم يرها من قبل، لم يبدأ من الصفر. بدأ بالحدس. وتقارب نحو تخطيط يفوق البشري في ساعات، لا أسابيع.
ينسى التلدين المحاكى كل شيء بعد كل تشغيل. أما وكيل تعلّم التعزيز فيزداد ذكاءً مع كل رقاقة يصمّمها.
هذا ليس تحسيناً تدريجياً. إنه نوع مختلف كلياً من الأدوات.
التخطيطات الغريبة التي تعمل فعلاً
هنا تصبح القصة غريبة حقاً.
يفضّل مصمّمو الرقاقات البشر ما تسمّيه الصناعة تخطيطات «مانهاتن» — شبكات مستقيمة الزوايا ومرتّبة، وكتل ذاكرة في أعمدة منظّمة، ومنطق في مناطق مستطيلة. نصمّم بهذه الطريقة لأن أدمغتنا تحتاج إلى نظام بصري لإدارة التعقيد. الشبكة ليست مثلى لتدفّق الإلكترونات؛ بل هي مثلى للفهم البشري.
وكلاء تعلّم التعزيز لا يخضعون لهذا القيد. ولاؤهم للفيزياء، لا للجماليات. والتخطيطات التي ينتجونها تبدو، بصراحة، غريبة. وحدات كبيرة مبعثرة في تجمّعات غير منتظمة. وسُحب منطق بلا نمط هندسي يمكن تمييزه. النوع من الترتيب الذي قد يستدعي مهندساً مبتدئاً إلى مكتب مديره.
لكن حين تحاكي هذه التخطيطات الغريبة، فإنها تتفوّق باستمرار على التصاميم البشرية. فـ«الفوضى» في الحقيقة شكل أرقى من النظام — تحسين فائق يقلّص المسافة الإقليدية الفعلية لشبكات الإشارة الحرجة بطرق يعجز عنها الهندسة البشرية الصارمة.
خضت جدالاً مع أحد أعضاء فريقي حول هذا في وقت مبكر. نظر إلى أحد هذه التخطيطات وقال: «هذه هلوسة. الوكيل مشوّش.» قلت: «شغّل تحليل التوقيت.» ففعل. صفر مسارات ذات هامش سلبي. كان الوكيل قد وجد حلاً متفوّقاً فيزيائياً في كل بُعد قابل للقياس، لكنه غير مفهوم جمالياً لمهندس مدرَّب.
تلك هي اللحظة التي بدأنا فيها نسمّي هذا أثر «مزيل الرجفان». لم يمت قانون مور لأننا نفدت منا الفيزياء. بل تعثّر لأننا نفد منا خيال التصميم البشري. يحقن وكيل تعلّم التعزيز حيويةً غير حدسية ومثلى فيزيائياً في عملية ظلّت محبوسة في الأنماط المعرفية البشرية لعقود.
مَن يستخدم هذا بالفعل — وما النتائج؟
نتائج Google الداخلية مع AlphaChip لافتة. عبر أجيال متعدّدة من تصميم TPU — v5e وv5p وأحدث جيل Trillium — استُخدم الوكيل على نسبة متزايدة من كتل التصميم. تفيد Google بأن AlphaChip أسهم في زيادة قدرها 4.7x في ذروة أداء الحوسبة وتحسّن بنسبة 67% في كفاءة الطاقة في وحدات Trillium TPU مقارنةً بالجيل السابق.
لكن التحقّق الأهم للصناعة الأوسع جاء من MediaTek.
MediaTek شركة أشباه موصّلات تجارية بلا مصانع (fabless) — لا تملك ميزانية الحوسبة اللامتناهية لدى Google ولا برنامج رقاقات خاصاً بها. تبيع في سوق هواتف Android الذكية الشرسة التنافسية، حيث يحدّد تحسّن بنسبة 5% في عمر البطارية أو تقليص بنسبة 2% في مساحة الشريحة ما إذا كنت ستفوز بمقعد تصميم أو تخسره. وحين اعتمدت MediaTek التخطيط الأرضي القائم على تعلّم التعزيز لرقاقة النظام Dimensity 9400 SoC وأبلغت عن +35% في أداء النواة الواحدة، و+40% في كفاءة الطاقة، و2x في حوسبة الذكاء الاصطناعي عند طاقة أقل بنسبة 33%، انتبهت الصناعة. ونسب مسؤولو MediaTek صراحةً الفضل إلى «EDA الذكية» وخوارزميات تعلّم التعزيز في تمكين التخطيطات الأرضية التي حقّقت هذه الأرقام — وتحديداً التوظيب المُحسَّن لذاكرة التخزين المؤقت L3 وتراتُبِيّات متحكّمات الذاكرة.
أبلغت Samsung Foundry عن استخدام تدفّقات مماثلة مدفوعة بالذكاء الاصطناعي لخفض الطاقة بنسبة 8% على الكتل الحرجة وتحسين التوقيت بأكثر من 50% — في أسابيع بدلاً من أشهر. واستشهد أساتذة من Harvard وNYU وGeorgia Tech بنهج AlphaChip بوصفه «حجر زاوية» في أبحاث تصميم الرقاقات الحديثة.
هذه ليست طرفة مخبرية. إنها سيليكون إنتاجي يُشحن في ملايين الأجهزة.
ماذا يحدث على المستوى المجهري؟
ثورة تعلّم التعزيز لا تتوقّف عند توظيب الوحدات الكبيرة. إنها تمضي كسورياً — وصولاً إلى الوحدات الذرّية للتصميم الرقمي.
يطبّق إطار عمل NVCell من NVIDIA تعلّم التعزيز على تخطيط الخلية القياسية — أي الترتيب الداخلي للترانزستورات والأسلاك داخل اللبنات الأساسية مثل بوابات NAND والقلّابات (flip-flops). عند عقدتَي 3nm و2nm، تكون قواعد تصميم هذه الخلايا معقّدة إلى حد مؤلم. تولّد NVCell تخطيطات أصغر بنسبة 92% أو مساوية في المساحة للتصاميم الخبيرة المصنوعة يدوياً، بلا أي تدخّل بشري.
الأثر التراكمي هنا هائل. فإن قلّصت مكتبة الخلايا القياسية نفسها، صارت كل رقاقة تُبنى بتلك المكتبة أصغر وأكفأ. إنها ميزة تضاعفية تنتشر عبر منظومة التصميم بأكملها.
للاطّلاع على التفصيل التقني الكامل للمعمارية — بما في ذلك صياغات Edge-GNN، وفضاءات حالات MDP، وجبهة التوجيه (routing) — راجع ورقتنا البحثية.
لماذا لا يمكنك ببساطة شراء هذا من Synopsys؟
يسألني الناس هذا باستمرار. لدى Synopsys منتج DSO.ai. ولدى Cadence منتج Cerebrus. أليست الشركات القائمة تحلّ هذا بالفعل؟
إليك الفارق المهم: تلك الأدوات تحسّن مقابض التحكّم في المحرّكات القائمة. لكنها لا تستبدل المحرّك.
DSO.ai من Synopsys أداة لاستكشاف فضاء التصميم — تشغّل أداة التوظيب القياسية مرات كثيرة بإعدادات معاملات مختلفة وتنتقي أفضل نتيجة. ويستخدم Cerebrus من Cadence التعلّم الآلي لتحسين خطوات تدفّق RTL-to-GDSII. وكلاهما قيّم. لكن أياً منهما لا يولّد تخطيطات جديدة جذرياً. إنهما يضبطان محرّك احتراق داخلي. أما نحن فنبني محركاً كهربائياً.
تعلّم التعزيز العميق في تصميم الرقاقات يعني أن الوكيل هو أداة التوظيب نفسها. فهو لا يهيّئ خوارزمية قديمة؛ بل يتّخذ قرارات التوظيب مباشرةً، ملايين منها، مسترشداً بسياسة متعلَّمة مدرَّبة على فيزياء التصميم. هكذا تحصل على التخطيطات الغريبة. وهكذا تفلت من الحدود الدنيا المحلية التي حبست الصناعة لعقود.
الفرق بين EDA المدعومة بالذكاء الاصطناعي وEDA الأصيلة في الذكاء الاصطناعي هو الفرق بين نظام GPS يقترح مسارات وسيارة ذاتية القيادة.
ستصل الشركات القائمة إلى هناك في نهاية المطاف — لا بد لها من ذلك. لكن الآن، ثمة نافذة تكسب فيها الشركات التي تبني قدرة تعلّم تعزيز عميق في تدفّقات تصميمها ميزةً بنيوية تتراكم مع كل جيل من الرقاقات.
مشكلة الثقة التي لا يتحدّث عنها أحد
سأكون غير صادق إن لم أتناول أصعب جزء في هذا التحوّل، وهو ليس تقنياً. بل ثقافياً.
ينظر مهندس مخضرم بعقدين من الخبرة إلى تخطيط غريب ويسأل: «لماذا وضع الوكيل مقسِّم الساعة هناك؟ هل هذه هلوسة؟» ذلك سؤال مشروع. ففي صناعة يمكن أن يكلّف فيها تسليمُ تصميم واحد معيب (tape-out) عشرات الملايين من الدولارات، لا يُعدّ «ثِق بالصندوق الأسود» جواباً مقبولاً.
أمضينا أشهراً في بناء ما أعتبره طبقة القابلية للتفسير — لوحات معلومات لا تعرض التخطيط النهائي فحسب، بل تصوّر مسار مكافأة الوكيل. خرائط حساسية تكشف أيّ القيود — الازدحام، التوقيت، الحرارة — قادت قرارات توظيب بعينها. حين يستطيع مهندس أن يرى أن التوظيب «الغريب» لمقسّم الساعة كان استجابة محسوبة لبؤرة ازدحام على بُعد ثلاث طبقات توجيه للأعلى لم يكن قد لاحظها، ينتقل الحوار من «لا أثق بهذا» إلى «أرِني ماذا وجد أيضاً».
هذا هو العمل الحقيقي في إدخال الذكاء الاصطناعي إلى تصميم الرقاقات. ليست الخوارزميات — فتلك منشورة. ولا الحوسبة — فتلك مسألة بطاقة ائتمان. العمل الحقيقي هو كسب ثقة الأشخاص الذين ظلّوا يؤدّون هذا ببراعة، يدوياً، طوال مسيرتهم المهنية بأكملها. لا تفعل ذلك بإخبارهم أنهم عفا عليهم الزمن. بل تفعله بأن تُريهم ما لم يستطيعوا رؤيته.
مشكلة البيانات القذرة
الحاجز الآخر الذي لا يتحدّث عنه أحد هو البيانات. وكلاء تعلّم التعزيز نهِمون. تمتّعت Google بترف مستودع موحّد لكل TPU صُمّمت على الإطلاق. أما معظم شركات أشباه الموصّلات فلديها تصاميم قديمة مبعثرة عبر الخوادم، بصيغ ملفات مختلفة — LEF/DEF، وGDSII — مع أعراف تسمية غير متّسقة وتوثيق ناقص.
في Veriprajna، جزء كبير مما نبنيه هو البنية التحتية للبيانات: استيعاب ملفات التصميم القديمة، وتنظيفها وتطبيعها، وتحويلها إلى مجموعات بيانات تدريب. إن تاريخ الشركة من عمليات تسليم التصميم (tape-outs) — كل قرار تصميمي، وكل إصلاح توقيت، وكل حلّ بديل للازدحام من العقد الماضي — يصبح أصلاً تنافسياً حين يُهيكَل على نحو سليم. نسمّيه الدماغ المؤسسي، وهو الخندق الذي يجعل التعلّم بالنقل ينجح لدى المؤسسات التي ليست Google.
كيف يبدو عصر ما بعد مور فعلاً
إليك قناعتي، بوضوح تام: إن لم نستطع جعل الترانزستورات أصغر بكثير، فعلينا أن نرتّبها بذكاء أكبر بكثير. هذا هو قانون التوسّع الجديد. ليس التوسّع الليثوغرافي. بل توسّع التعقيد. والأداة الوحيدة القادرة على التنقّل في الانفجار التوافيقي لتصميم الرقاقات الحديثة هي ذكاء يتعلّم، ويتذكّر، وينقل المعرفة عبر التصاميم.
فريق التصميم النخبوي في المستقبل ليس خمسين مهندساً يؤدّون التخطيط يدوياً. بل خمسة مهندسين يوجّهون أسطولاً من وكلاء تعلّم التعزيز على عنقود GPU، يراجعون تخطيطات غريبة تتفوّق على أي شيء قد يرسمه إنسان، ويبنون قاعدة المعرفة المؤسسية التي تجعل كل رقاقة متعاقبة أفضل من سابقتها.
لم يمت قانون مور من فشل في الفيزياء. بل تعثّر من فشل في خيال التصميم. تعلّم التعزيز هو الخيال الذي كان ينقصنا.
شاهدت هذا التحوّل من مسافة قريبة بما يكفي لأشعر بالمقاومة والحماس بالقدر ذاته. المهندسون الذين يتبنّونه ليسوا مَن كانوا سيّئين في عملهم — بل هم الأفضل، أولئك الذين طالما عرفوا أن الأدوات كانت تعيقهم. ينظرون إلى تخطيط غريب فلا يرون فوضى. بل يرون الإجابة التي طالما بحثوا عنها، مرسومةً بهندسة ما كانت أيديهم لترسمها أبداً.
الرقعة مهيّأة. والقطع تتحرّك. حان وقت أن نترك الوكيل يلعب.