人工智能如何帮助芯片设计？
人工智能无处不在。它支撑着你在工作场所使用的工具，它决定着你去杂货店购物时提供给你的优惠，你联系的客服代表可能就是一个聊天机器人，而且它越来越多地尝试涉足新闻业（尽管在这种情况下不是）。
芯片制造业是人工智能日益普及的另一个领域。目前，设计一款芯片可能需要18个月到两年的时间，而且随着计算需求的增加，这一过程变得越来越昂贵和耗时。
制造过程虽然耗时较少，但同样复杂，可能涉及数百个步骤，从设计到量产的转变非常耗时。因此，芯片公司开始涉足人工智能领域，看看这项技术能否为行业带来效率，这并不奇怪。
谈到芯片设计，Gartner副总裁分析师Alan Priestley表示，从非常简单的层面来说，有很多事情需要考虑，即你希望芯片做什么，这取决于逻辑块的功能；芯片的布局以及这些逻辑块到硅表面晶体管的转换；然后测试和验证芯片以确保它能够实现预期的功能。
他表示，在几乎所有这些步骤中，理论上都可以部署人工智能工具来加速设计过程，例如自动执行布局规划和布线等布局优化任务，或模拟芯片在不同场景下的行为，从而减少对物理原型的需求。
Priestley认为，使用新兴技术协助芯片设计并不是一个新概念，并指出当今用于开发芯片的技术与过去的技术相比极其复杂。Priestley也拥有工程学位，曾在国际计算机公司和英特尔工作过，对事物的变化有着一些实际经验。
“如果回顾过去，我设计的第一款芯片是手工在纸上绘制的，当他们制作掩模时，所有这些都是手工裁剪的。因此，我们已经添加了计算机技术来协助布局设计等工作。”
Priestley提到了现代CPU，它包含的晶体管数量从几百万到数十亿不等。他补充道：“你不能用30或40年前的技术来设计当前一代的芯片；你需要当今先进的计算机技术来设计它。将人工智能技术添加到该设计过程中只是下一步。”
2023年7月，AMD首席执行官苏姿丰博士在上海举行的世界人工智能大会(WAIC)上表示，公司已经开始使用人工智能进行芯片设计，并补充说，随着现代处理器的复杂性继续呈指数级增长，她预计人工智能工具最终将主导芯片设计。
AMD GPU技术和工程软件高级副总裁兼首席软件官Andrej Zdravkovic在向DCD评论时详细阐述了该公司对AI芯片设计的兴趣。
“AMD工程团队一直在寻找新方法，在我们的设计过程中使用尖端技术。多年来，我们已经使用预测性人工智能模型，事实证明它们在识别模式方面非常有用，并帮助我们提高生产力并缩短开发时间，”他说。
Zdravkovic解释说，AMD一直在部署这些模型，以帮助在硬件和软件设计过程的早期发现潜在问题，为公司提供做出明智决策的额外工具。
“随着大型语言模型的发展和生成式人工智能的爆炸式增长，我们开始考虑将人工智能融入到硅片和软件设计流程的工作流程中，以更有效地提供更快、更具创新性的设计，”他表示。他同时补充说，AMD还在研究人工智能如何帮助自动化和优化重复性任务，包括检查和纠正RTL或软件代码的最佳实践、架构和安全标准。
EDA的作用
如果你深入研究，就会发现在很多用例中，AI只是被用来自动执行那些无可否认的枯燥任务。从这个角度来看，AI驱动的芯片设计并不是一个全新的概念。
电子设计自动化(EDA)公司已经存在了几十年，最早的EDA流程归功于20世纪50年代的IBM。然而，随着半导体的不断扩展，EDA越来越受到芯片制造商的欢迎。
Synopsys成立于1986年，是一家为半导体制造公司提供工具和服务的EDA公司。2020年，该公司首次涉足人工智能芯片设计领域，推出了一款名为DSO.ai的云端人工智能软件工具，该工具使用强化学习来自动决定如何在芯片上最佳地放置和布线电路块。
Synopsys EDA集团产品线管理执行总监Arvind Narayanan解释说，以前，不使用计算就无法探索设计空间，因为时间限制意味着人类能够运行的迭代次数是有限的。
然而，该公司意识到，通过将人工智能引入这一流程，它将为客户提供在更短时间内在设计空间内运行数百万种组合的能力，从而使设计人员能够以更少的人工实现更高的性能、更低的功耗和更小的芯片面积。
继DSO.ai发布之后，该公司于2023年3月推出了Synopsys.ai，这是一款由AI驱动的设计自动化套件，可在整个EDA堆栈中部署生成式AI。该套件包括用于验证的VSO.ai、用于测试的TSO.ai和用于模拟设计的ASO.ai，该公司基本上采用了用于构建其DSO.ai产品的架构，并针对不同的工作流程和参数对其进行了扩展和优化。
Synopsys的全套AI工具现在形成了端到端解决方案，其中包括系统架构、设计捕获、验证、实施、签署、测试和硅片制造。
该公司已与AMD、英特尔和Nvidia建立合作关系，其客户群涵盖设计从高性能计算芯片到人工智能、移动处理器、汽车和电子产品等各个领域的组织。
芯片设计师面临的挑战
Priestley表示，EDA公司传统上都与小公司合作，因为大公司已经拥有自己的内部开发能力。
然而，Narayanan表示，半导体行业目前面临的挑战可以说比以往任何时候都更加复杂，这意味着各种规模和各个行业的公司现在都转向EDA组织和AI工具来帮助他们解决其中的一些问题。
大多数有关行业面临的最大挑战的讨论都会涉及芯片可以缩小到什么程度。目前，最小的芯片在生产中是3nm，但量产2nm的竞赛已正式开始，预计将于2025年开始供应。
然而，传统的光刻工艺（在硅晶片上创建微小图案的动作）已经达到了极限，因为随着晶体管变得越来越小，该过程需要越来越复杂的计算才能确定如何在如此小的规模下运行。
一家试图解决这一问题的公司是Nvidia，它在2023年3月的GTC会议上推出了cutLitho，这是一个用于缩短芯片设计开发时间的计算光刻软件库。
该公司在发布会上表示，cutLitho将促进晶体管和导线比目前更小的芯片的开发，同时加快产品上市时间并提高与半导体晶圆厂一起运行的数据中心的能源效率。
Nvidia在2024年大会上表示，其cutLitho库目前已被台积电和新思科技用于生产芯片开发。该公司还声称，生成式AI使cutLitho在原有的加速计算基础上实现了2倍的性能提升；而这本身就是比当前光刻技术性能提升高达40倍的飞跃。
另外，2023年10月，英伟达宣布开发了大型语言模型(LLM)ChipNeMo，以帮助其员工设计芯片。
人工智能可以帮助解决半导体行业面临的另一个挑战是人才短缺。
和大多数科技行业一样，半导体行业也极度缺乏人才，波士顿咨询集团（BCG）2022年的一份题为《半导体设计领导力日益严峻的挑战》的报告指出，按照目前的增长速度，到2030年，半导体行业对设计人员的需求将超过供应量近35%。
因此，BCG指出，设计领导者必须利用对设计创新至关重要的“新技术和未来技术”，包括人工智能。
“设计师可以利用基于人工智能的工具，更快、更有效地满足功耗、性能和面积目标。强化学习和其他人工智能算法可以自动执行不太重要的设计任务，让工程师可以专注于更高级的任务和决策，”报告中写道。
纳拉亚南表示，人工智能在芯片设计方面已经取得了重大进展，但他相信这项技术还可以实现更多的目标，不仅仅是在工作流程优化方面，还可以为行业带来更广泛的好处。
Narayanan引用了BCG的报告并表示人才短缺是新思科技客户目前正在努力解决的一个非常现实的问题。
他说：“他们认为人工智能在提高生产率方面具有巨大潜力，这也是大多数公司努力的方向。”
“[芯片公司]都面临着同样的挑战。他们设计什么并不重要，他们面临的挑战都是一样的。因此，当你拥有可以提高现有劳动力生产率的技术时，不去关注和采用它是愚蠢的。”
“我不认为[AI]很难推广。他们都已经相信它了，”Narayanan说道。
人工智能带来的好处是否会比炒作更持久？
与大多数新兴技术一样，很难判断其寿命是否会超过其炒作的持续时间。
然而，目前看来，人工智能泡沫不会很快破裂，但这并不意味着就可以不顾一切。
Gartner的Priestly比大多数人更为悲观，他表示，我们正达到炒作周期的顶峰，而且正如通常的情况一样，一切都可能崩溃。
虽然他承认人工智能无疑会加速设计过程，但他警告称，这项技术就像一个黑匣子，因此挑战在于结果。他说，正如生成式人工智能产生的大量可疑内容的例子所证明的那样，你无法总是保证你提出的请求会产生正确的响应。
“这是个大问题，因为芯片设计成本高昂，”Priestly说道。“将理论设计转化为实用设计需要花费数亿美元，因此你需要提前做尽可能多的工作，这样你才能确保一切正常，不会出现意外。尤其是芯片越复杂，测试起来就越困难。”
AMD的Zdravkovic赞同Priestly的观点，即人工智能将通过加快设计过程的完成速度来改善设计过程，但他警告说，人机交互仍应是解决方案的一部分，因为芯片设计需要“深入了解完整的设计空间以及所有系统参数之间明确定义的交互和依赖关系”。
然而，从长远来看，他的言论反映了苏姿丰在2023年所发表的言论。他表示，尽管人工智能的最新进展和人工智能提供的新功能堪称惊人，但感觉该行业才刚刚开始触及表面。
他说道：“我坚信，多年来，我们将把大部分重复的设计工作转移到先进的人工智能工具上，同时让我们的工程师有更多的时间去完成创造性的任务，并发明新的先进的硅片和软件架构。”
对于Narayanan来说，杯子不是半满的，而是满的。他说，至少在Synopsys的客户中，曾经可能存在一些怀疑（任何新技术通常都是这样），但随着客户看到AI可以为芯片制造商带来的价值，这种怀疑似乎已经消失了。
他说，各组织现在意识到，他们无需增加员工就可以做更多的事情，并且可以在相同时间甚至更短的时间内完成这些不断增长的工作量。
他说，新思科技看到AI发挥了最关键的作用，缩小了客户需要做的事情和他们能做的事情之间的差距。
