人工智能如何推动电子设计的下一波创新浪潮?

如果现在人工智能似乎无处不在，那不是你的想象。从我们的智能音箱和网络搜索，到气候变化建模和疫苗发现等艰巨的追求，人工智能正在优化和加速众多领域的流程。在芯片设计领域，智能为半导体行业面临的复杂挑战提供了答案，从硅工程人才短缺到日益增长的芯片设计复杂性和积极的上市时间目标。

最近在圣克拉拉举行的SNUG硅谷2023大会上，不乏对人工智能在半导体行业面临的挑战和机遇的深刻见解。在其中一场名为“人工智能如何推动EDA的下一波创新浪潮”的午餐座谈会上，Cambrian-AI Research的创始人兼首席分析师卡尔•弗伦德(Karl Freund)主持了一场热烈的讨论，内容包括:

• Thomas Andersen, Synopsys EDA集团工程副总裁
• Monica Farkash, AMD的主要技术人员
• Savita Banerjee, Meta的DFT经理和SNUG技术委员会主席
• NVIDIA的工程总监Vikas Agrawal说

请继续阅读，了解这些专家如何设想人工智能在解决芯片开发周期中的关键挑战中的作用。

在EDA工具中开拓AI

Thomas Andersen首先强调了影响当今半导体领域的一些挑战:向埃级扩展的进军、将功耗降低1000倍的需求、多芯片架构和其他日益增长的设计复杂性——所有这些都发生在半导体人才短缺的情况下。一个德勤的研究预计到2030年，该行业需要超过100万名额外的技术工人，相当于每年超过10万名。然而，该咨询公司也指出，每年在美国注册电气工程和计算机科学专业的研究生不到10万人。

安德森说，提高生产率是顺理成章的，而人工智能提供了一个自然的答案。在SNUG硅谷会议的第一天，新思科技介绍了Synopsys.ai是业界首个人工智能驱动的全栈EDA设计套件，涵盖系统架构、验证、实施、签署、测试和硅制造。2020年，新思科技在电子设计自动化(EDA)工具中引领了人工智能的发展Synopsys对此DSO.ai™这是第一个用于芯片设计的人工智能应用。现在,Synopsys对此。人工智能带来了新的能力:

• 下一代DSO。Ai的周转时间提高了2倍，结果质量提高了20%，并通过自动机器学习置换优化减少了计算工作量。
• Synopsys对此VSO.aiai驱动的验证解决方案，更快，更好的验证覆盖和调试。
• Synopsys对此TSO.ai用于半导体测试的自主AI应用程序，以更快，更优化的测试程序生成。
• 随着人工智能在模拟设计、掩模合成、架构优化、工程变更顺序关闭、RTL设计和过程空间优化等领域的发展，更多的人工智能正在开发中。

人工智能在芯片设计中的挑战与机遇

注意到人工智能已经在EDA和其他领域产生了巨大的影响(比如基于ChatGPT生成的人工智能聊天机器人的迅速普及)，Freund想听听小组成员对未来挑战和机遇的看法。

Banerjee是公司测试部门的代表，他说:“更重要的是，我们如何利用从过程制造数据中获得的知识来影响我们做出的一些设计决策，从而优化整体设计空间。”

Farkash强调，知识既是一个关键的挑战，也是一个机遇。毕竟，将人工智能应用于不同的芯片设计解决方案需要对其工作原理有深刻的理解。与此同时，这也为探索人工智能和机器学习的应用领域提供了一个机会。“无论你往哪里看，都是机会，”她说。“这是无处不在。”

阿格拉瓦尔指出，如果六个月前有人问他同样的问题，他可能会有不同的答案。然而，他说，ChatGPT已经证明了人工智能的发展超出了我们的预期。“人工智能还能做什么?”Agrawal问道。“对我来说，天空才是极限。不管我今天说什么，两三年后就会错的!”他说，挑战在于找到对EDA感兴趣并有动力的人才，特别是在人工智能涉及如此多领域的情况下，并为EDA算法优化计算平台。

安德森指出，EDA行业面临的另一个挑战是，它没有无限的人工智能训练数据。为了克服这个问题，Synopsys专注于将强化学习应用于实际设计中，从而消除了对数据进行预训练的需要。安德森说，另一个障碍是反对者，他们对人工智能如何取得比他们更好的结果持怀疑态度，但那些采用人工智能的人最终会取得成功。他补充说，事实上，人工智能也为人们离开组织时出现的知识差距提供了解决方案。

聊天是帮助还是伤害原因?

虽然像ChatGPT这样的工具正在蓬勃发展，但关于这项技术的影响也存在相当多的争论。Freund要求小组成员就生成式人工智能是否可能成为未来芯片设计生产力提高的来源进行权衡。

法卡什指出，即使有像准确性这样的重大问题需要解决，人工智能对提高生产力和让工程师专注于解决更复杂的问题也有很大的帮助。她表示，总会有其他事情需要做，所以我们只能为人工智能帮助我们达到不同的成就水平而感到高兴。

Agrawal指出，虽然现在有工具可以将C代码编译成机器码，但工程师们仍然在编写C代码。芯片工程师仍然存在，并将继续存在。然而，现在有一些方法可以真正实现更高的目标。“我能说，‘嘿，英伟达，给我造个芯片吧?“我认为这是登月计划，”阿格拉瓦尔说。“ChatGPT改变了我们对人工智能及其局限性的一切看法。”

安德森对生成式人工智能在芯片设计中的作用持谨慎乐观态度，他解释说:“在我们的世界里，存在着多种挑战。GPT需要大量的训练数据。而且数据的‘质量’还不清楚，所以训练数据和质量是我们需要克服的两个问题。”Farkash指出，生成式人工智能工具可以生成芯片设计和验证的不同阶段所需的东西，但需要能够优化它的人。

纵观全局，Andersen认为优化整个芯片设计堆栈是正确的方向。“利用人工智能和优化技术做出决策的潜力很大，这些决策可能会产生更广泛的影响，而你可能只会在以后看到。这就像盖房子一样，在优化细节之前，你必须做出正确的建筑决策，”他说。

与科技携手共创新科技

总体而言，专家组对人工智能如何提高芯片开发的生产率和成果持乐观态度。如果工程师感到进步的威胁，也许他们就不会使用今天常见的一些工具了。也许他们甚至希望在几十年内以同样的方式做同样的工作。

“但我们不是真正的工程师，”班纳吉说。她说，关键是利用新技术，同时为工程师找到增加价值的方法。在她看来，技术“需要在不打击人类创造力的情况下进行制衡。我们怎样才能共存，激发人类的生产力和创造力，而不是把它们全部外包给机器人?”

人类的创造力很可能是这一切的大赢家。工程师牺牲一种利益来获得另一种利益的情况并不罕见;例如，额外的功率、性能和面积(PPA)优势带来的生产力。如果他们不再需要做这种权衡呢?想象一下可能性。

万一你错过了

了解Synopsys董事长兼首席执行官Aart de Geus in在SNUG硅谷的演讲亮点这篇博文．