人工智能無處不在。它支撐著你在工作場所使用的工具，它決定著你去雜貨店購物時提供給你的優惠，你聯系的客服代表可能就是一個聊天機器人，而且它越來越多地嘗試涉足新聞業（盡管在這種情況下不是）。

芯片制造業是人工智能日益普及的另一個領域。目前，設計一款芯片可能需要 18 個月到兩年的時間，而且隨著計算需求的增加，這一過程變得越來越昂貴和耗時。

制造過程雖然耗時較少，但同樣復雜，可能涉及數百個步驟，從設計到量產的轉變非常耗時。因此，芯片公司開始涉足人工智能領域，看看這項技術能否為行業帶來效率，這并不奇怪。

談到芯片設計，Gartner 副總裁分析師 Alan Priestley 表示，從非常簡單的層面來說，有很多事情需要考慮，即你希望芯片做什么，這取決于邏輯塊的功能；芯片的布局以及這些邏輯塊到硅表面晶體管的轉換；然后測試和驗證芯片以確保它能夠實現預期的功能。

他表示，在幾乎所有這些步驟中，理論上都可以部署人工智能工具來加速設計過程，例如自動執行布局規劃和布線等布局優化任務，或模擬芯片在不同場景下的行為，從而減少對物理原型的需求。

Priestley認為，使用新興技術協助芯片設計并不是一個新概念，并指出當今用于開發芯片的技術與過去的技術相比極其復雜。Priestley也擁有工程學位，曾在國際計算機公司和英特爾工作過，對事物的變化有著一些實際經驗。

“如果回顧過去，我設計的第一款芯片是手工在紙上繪制的，當他們制作掩模時，所有這些都是手工裁剪的。因此，我們已經添加了計算機技術來協助布局設計等工作。”

Priestley 提到了現代 CPU，它包含的晶體管數量從幾百萬到數十億不等。他補充道：“你不能用 30 或 40 年前的技術來設計當前一代的芯片；你需要當今先進的計算機技術來設計它。將人工智能技術添加到該設計過程中只是下一步。”

2023 年 7 月，AMD 首席執行官蘇姿豐博士在上海舉行的世界人工智能大會 (WAIC) 上表示，公司已經開始使用人工智能進行芯片設計，并補充說，隨著現代處理器的復雜性繼續呈指數級增長，她預計人工智能工具最終將主導芯片設計。

AMD GPU 技術和工程軟件高級副總裁兼首席軟件官 Andrej Zdravkovic 在向DCD評論時詳細闡述了該公司對 AI 芯片設計的興趣。

“AMD 工程團隊一直在尋找新方法，在我們的設計過程中使用尖端技術。多年來，我們已經使用預測性人工智能模型，事實證明它們在識別模式方面非常有用，并幫助我們提高生產力并縮短開發時間，”他說。

Zdravkovic 解釋說，AMD 一直在部署這些模型，以幫助在硬件和軟件設計過程的早期發現潛在問題，為公司提供做出明智決策的額外工具。

“隨著大型語言模型的發展和生成式人工智能的爆炸式增長，我們開始考慮將人工智能融入到硅片和軟件設計流程的工作流程中，以更有效地提供更快、更具創新性的設計，”他表示。他同時補充說，AMD 還在研究人工智能如何幫助自動化和優化重復性任務，包括檢查和糾正 RTL 或軟件代碼的最佳實踐、架構和安全標準。

EDA 的作用

如果你深入研究，就會發現在很多用例中，AI 只是被用來自動執行那些無可否認的枯燥任務。從這個角度來看，AI 驅動的芯片設計并不是一個全新的概念。

電子設計自動化 (EDA) 公司已經存在了幾十年，最早的 EDA 流程歸功于 20 世紀 50 年代的 IBM。然而，隨著半導體的不斷擴展，EDA 越來越受到芯片制造商的歡迎。

Synopsys 成立于 1986 年，是一家為半導體制造公司提供工具和服務的 EDA 公司。2020 年，該公司首次涉足人工智能芯片設計領域，推出了一款名為 DSO.ai 的云端人工智能軟件工具，該工具使用強化學習來自動決定如何在芯片上最佳地放置和布線電路塊。

Synopsys EDA 集團產品線管理執行總監 Arvind Narayanan 解釋說，以前，不使用計算就無法探索設計空間，因為時間限制意味著人類能夠運行的迭代次數是有限的。

然而，該公司意識到，通過將人工智能引入這一流程，它將為客戶提供在更短時間內在設計空間內運行數百萬種組合的能力，從而使設計人員能夠以更少的人工實現更高的性能、更低的功耗和更小的芯片面積。

繼 DSO.ai 發布之后，該公司于 2023 年 3 月推出了 Synopsys.ai，這是一款由 AI 驅動的設計自動化套件，可在整個 EDA 堆棧中部署生成式 AI。該套件包括用于驗證的 VSO.ai、用于測試的 TSO.ai 和用于模擬設計的 ASO.ai，該公司基本上采用了用于構建其 DSO.ai 產品的架構，并針對不同的工作流程和參數對其進行了擴展和優化。

Synopsys 的全套 AI 工具現在形成了端到端解決方案，其中包括系統架構、設計捕獲、驗證、實施、簽署、測試和硅片制造。

該公司已與 AMD、英特爾和 Nvidia 建立合作關系，其客戶群涵蓋設計從高性能計算芯片到人工智能、移動處理器、汽車和電子產品等各個領域的組織。

芯片設計師面臨的挑戰

Priestley 表示，EDA 公司傳統上都與小公司合作，因為大公司已經擁有自己的內部開發能力。

然而，Narayanan表示，半導體行業目前面臨的挑戰可以說比以往任何時候都更加復雜，這意味著各種規模和各個行業的公司現在都轉向 EDA 組織和 AI 工具來幫助他們解決其中的一些問題。

大多數有關行業面臨的最大挑戰的討論都會涉及芯片可以縮小到什么程度。目前，最小的芯片在生產中是 3nm，但量產 2nm 的競賽已正式開始，預計將于 2025 年開始供應。

然而，傳統的光刻工藝（在硅晶片上創建微小圖案的動作）已經達到了極限，因為隨著晶體管變得越來越小，該過程需要越來越復雜的計算才能確定如何在如此小的規模下運行。

一家試圖解決這一問題的公司是 Nvidia，它在 2023 年 3 月的 GTC 會議上推出了 cutLitho，這是一個用于縮短芯片設計開發時間的計算光刻軟件庫。

該公司在發布會上表示，cutLitho 將促進晶體管和導線比目前更小的芯片的開發，同時加快產品上市時間并提高與半導體晶圓廠一起運行的數據中心的能源效率。

Nvidia 在 2024 年大會上表示，其 cutLitho 庫目前已被臺積電和新思科技用于生產芯片開發。該公司還聲稱，生成式 AI 使 cutLitho 在原有的加速計算基礎上實現了 2 倍的性能提升；而這本身就是比當前光刻技術性能提升高達 40 倍的飛躍。

另外，2023 年 10 月，英偉達宣布開發了大型語言模型 (LLM) ChipNeMo，以幫助其員工設計芯片。

人工智能可以幫助解決半導體行業面臨的另一個挑戰是人才短缺。

和大多數科技行業一樣，半導體行業也極度缺乏人才，波士頓咨詢集團（BCG）2022 年的一份題為《半導體設計領導力日益嚴峻的挑戰》的報告指出，按照目前的增長速度，到 2030 年，半導體行業對設計人員的需求將超過供應量近 35%。

因此，BCG 指出，設計領導者必須利用對設計創新至關重要的“新技術和未來技術”，包括人工智能。

“設計師可以利用基于人工智能的工具，更快、更有效地滿足功耗、性能和面積目標。強化學習和其他人工智能算法可以自動執行不太重要的設計任務，讓工程師可以專注于更高級的任務和決策，”報告中寫道。

納拉亞南表示，人工智能在芯片設計方面已經取得了重大進展，但他相信這項技術還可以實現更多的目標，不僅僅是在工作流程優化方面，還可以為行業帶來更廣泛的好處。

Narayanan 引用了 BCG 的報告并表示人才短缺是新思科技客戶目前正在努力解決的一個非常現實的問題。

他說：“他們認為人工智能在提高生產率方面具有巨大潛力，這也是大多數公司努力的方向。”

“[芯片公司] 都面臨著同樣的挑戰。他們設計什么并不重要，他們面臨的挑戰都是一樣的。因此，當你擁有可以提高現有勞動力生產率的技術時，不去關注和采用它是愚蠢的。”

“我不認為 [AI] 很難推廣。他們都已經相信它了，”Narayanan 說道。

人工智能帶來的好處是否會比炒作更持久？

與大多數新興技術一樣，很難判斷其壽命是否會超過其炒作的持續時間。

然而，目前看來，人工智能泡沫不會很快破裂，但這并不意味著就可以不顧一切。

Gartner 的 Priestly 比大多數人更為悲觀，他表示，我們正達到炒作周期的頂峰，而且正如通常的情況一樣，一切都可能崩潰。

雖然他承認人工智能無疑會加速設計過程，但他警告稱，這項技術就像一個黑匣子，因此挑戰在于結果。他說，正如生成式人工智能產生的大量可疑內容的例子所證明的那樣，你無法總是保證你提出的請求會產生正確的響應。

“這是個大問題，因為芯片設計成本高昂，”Priestly 說道。“將理論設計轉化為實用設計需要花費數億美元，因此你需要提前做盡可能多的工作，這樣你才能確保一切正常，不會出現意外。尤其是芯片越復雜，測試起來就越困難。”

AMD 的 Zdravkovic 贊同 Priestly 的觀點，即人工智能將通過加快設計過程的完成速度來改善設計過程，但他警告說，人機交互仍應是解決方案的一部分，因為芯片設計需要“深入了解完整的設計空間以及所有系統參數之間明確定義的交互和依賴關系”。

然而，從長遠來看，他的言論反映了蘇姿豐在 2023 年所發表的言論。他表示，盡管人工智能的最新進展和人工智能提供的新功能堪稱驚人，但感覺該行業才剛剛開始觸及表面。

他說道：“我堅信，多年來，我們將把大部分重復的設計工作轉移到先進的人工智能工具上，同時讓我們的工程師有更多的時間去完成創造性的任務，并發明新的先進的硅片和軟件架構。”

對于 Narayanan 來說，杯子不是半滿的，而是滿的。他說，至少在 Synopsys 的客戶中，曾經可能存在一些懷疑（任何新技術通常都是這樣），但隨著客戶看到 AI 可以為芯片制造商帶來的價值，這種懷疑似乎已經消失了。

他說，各組織現在意識到，他們無需增加員工就可以做更多的事情，并且可以在相同時間甚至更短的時間內完成這些不斷增長的工作量。

他說，新思科技看到 AI 發揮了最關鍵的作用，縮小了客戶需要做的事情和他們能做的事情之間的差距。

參考鏈接

https://www.datacenterdynamics.com/en/analysis/how-ai-can-be-used-to-help-chip-design/