Rohit Sharma是Pairpath的创始人兼首席执行官，这是一家EDA公司，使命明确:

“通过高效地提供精确的模型，让客户充分利用每一皮秒的性能和每毫瓦的功率。”

在最近的电子工艺设计研讨会(EDPS)在SEMI位于米尔皮塔斯的总部举行，Sharma讨论了AI在EDA中可能发挥的作用。他首先指出，AI/ML研究目前消耗了全球研发预算的1%以上。(其他EDPS发言人指出，人工智能研究论文的数量呈指数级增长，用其他一些与人工智能研究相关的定律取代了半导体的摩尔定律。)

夏尔马说，AI在EDA中最有可能的用途是添加新功能。换句话说，他预计AI加入EDA不会带来颠覆性的影响，但它肯定有一席之地。最适合人工智能的可能是取代那些不成功或不够成功的算法。

Sharma给出的例子是关于细胞分类的——例如，将一个特定的晶体管布局描述为一个完整的加法器。Sharma说，这是一个常见的EDA问题，也是一个np完全问题。虽然“NP”代表“非确定性多项式”，NP完全是最难解决的NP问题，但在我看来，“NP完全”是“不可能完成的”。至少在任何商业上可行的时间内都不会。

这有点像《星际迷航4:归航》(又名《星际迷航拯救鲸鱼》)中新重组的斯波克所面临的困境。下面是电影中的一段对话片段来提醒你:

柯克:斯波克先生，在你的时间再入计划中你考虑过鲸鱼和水的质量变化吗?

斯波克:斯科特先生不能给我确切的数字，上将，所以我只能猜一下。

柯克:猜一猜?你,斯波克?这是非凡的。

np完全问题就是这样。它们具有“高维”(Sharma的话)，所以很难将它们编码到确定性算法中。用于模式匹配的人工智能推理在这里没有困境。人工智能推理引擎将很高兴地提供它们最好的“猜测”。

Sharma还列出了将AI添加到EDA的相关挑战(适用于任何AI应用):

1. 明确的价值主张。(仅仅因为你可以使用人工智能并不意味着这样做是一个好主意。)
2. AI使用模型适用于任何特定的应用
3. 工程数据。在尝试应用ML之前，一定要查看数据集。
4. 高维度。(斯波克困境。)
5. ML技术选择
6. 将人工智能集成到遗留系统中
7. 接受概率结果(AI的最佳“猜测”是否足够?)

在总结发言中，Sharma表示，尽管面临这些挑战，但他预计AI/ML很可能会改变EDA软件的编写方式。

• 
• 
• 
• 
•