用于芯片设计的人工智能可能是未来芯片创新的关键

芯片行业的资深人士已经习惯了半导体供需的周期性，但持续的芯片短缺对许多人来说尤其困难。供应链中断可能会在未来几年持续存在，半导体行业不太可能恢复到旧常态。

然而，一场更紧迫的危机即将来临，这将把半导体行业带到下一个转折点：除非我们优化芯片设计流程，否则工程吞吐量的缺乏将继续存在。

持续的芯片短缺似乎是由于相对短期的经济因素。但是，如果我们开始以不同的方式思考芯片设计，它可能会为芯片生产的进步提供新的机会。半导体设计的中断当然不会引发全球芯片短缺，但它正在尽其所能加剧危机。

人才危机

供需经济学表明，当出现供应短缺时，需求将迅速推动新的投资以填补供应缺口。为什么当前的供应危机不是这种情况？

部分原因是每个芯片都针对制造工艺的规格进行了专门设计和优化。用于在基板上产生图案的光掩模非常坚硬，不能轻易地重新设计以适应不同的规格。想想模拟黑胶唱片：一旦将音乐刻在漆盘上，您就无法修改黑胶唱片来播放不同的曲调。

为多个目标过程优化设计所涉及的努力至少是不经济的，实际上是不可行的。原因是它不仅需要将设计团队中的劳动力增加一倍，而且还需要获得专业知识。这是芯片行业正在碰壁的地方。

技术人才的严重短缺正在赶上芯片行业及其所驱动的一切，而人手不足的团队则面临着更加复杂的挑战。从移动设备、家用电器和汽车到制造商用来制造这些机器的工业设备，在我们的日常生活中看似实现一切的芯片正在变得越来越复杂。

这些不断进步的技术给芯片设计人员带来了越来越大的压力，要求他们跟上消费者、市场领导者、企业竞争和利益相关者的需求，从而扩大了制造商生产产品和生产速度的极限。摩尔定律的预测潜伏着，一种新的基于人工智能的方法可能是避免清算所需要的。

用于芯片优化的人工智能

人工智能正在推动自动驾驶汽车和智能设备等新技术领域。许多这些人工智能驱动的应用程序需要耗电和复杂的芯片。设计这些设备所需的研究、实验和管理水平超过了人类的能力。

随着客户不断发现工程团队超负荷和资源不足的情况，我们必须找到方法让他们摆脱人工智能可以处理的任务。

工程师们继续开发基于人工智能的工具，独立运行，分析巨大的数据流并从经验中学习。这些开发自动驾驶汽车、智能设备和复杂统计计算的工程师，使用机器学习以闪电般的速度处理数据，现在正依赖于他们生产的技术：这是自主设计芯片的曙光。自主芯片设计可以消除工程团队的一些压力并最大限度地提高生产力。

将芯片设计从手动流程转变为自动化流程并不是一个新概念。自 1980 年代以来，工程师一直使用软件工具来部署自动化和改进芯片设计。EDA 工具是现代芯片设计的必需品，但对更大更好技术的需求——这反过来又需要更大更好的芯片——继续增长。设计工程师正在学习人工智能可以帮助他们满足这一需求。

以数字实现为例，这是IC 设计过程中最复杂的方面之一。布局布线工具大多保持了先进技术的步伐，确定逻辑和 IP 块的放置位置以及如何布线走线和互连。

布局布线工具的输入涉及潜在解决方案的巨大搜索空间。这些跨越功能（宏观架构）、形式（微观架构）和适合（硅技术）。手动处理和分析所有这些数据需要大量的时间和资源。人工智能技术可以通过发现优化设计的新方法来显着减少负载。

一种方法是实施设计空间优化 (DSO)，这是一种利用 ML 评估芯片以改进设计解决方案的模型。在 DSO 之前，人类工程师将使用设计空间探索，即手动梳理来自各种输入的数 TB 数据的过程。

这种手动工作很费力，需要进行详尽的实验，通常会受到人为限制的阻碍。数据可用于优化设计，但对于工程师而言，数据太多且太复杂，无法处理。工程师最终对数据进行分区以使其更易于管理，从而限制了设计潜力。

AI 可以使用强化学习技术生成稳健的优化并持续分析结果，以比人类设计师高得多的速度进一步增强。随着 AI 从经验中学习并扩展其能力，它成为工程团队的催化剂，用于满足功率、性能和PPA 目标的早期流片。

人工智能正在成为工程师的理想助手，能够完成任务、生成和分析设计数据，并产生比人类更快的结果。这让工程师可以将更多时间用于增值工作、提高芯片效率、发现错误和差异化设计。利用人工智能，设计团队还可以专注于减少功率泄漏和提高芯片性能。

人工智能的实施已经开始，导致创纪录的设计生产力。由于人工智能，通常需要整个团队几个月才能完成的任务，单个工程师可以在几周内完成。

科幻小说？好吧，三星已经宣布了在 Synopsys 的基于 AI 的系统 DSO.ai 的帮助下由 AI 设计的芯片。日本的瑞萨电子还使用人工智能工具实现了以前无法实现的 PPA，提前数周满足时间限制，同时将最大频率提高数百兆赫兹。

人工智能不仅可以提高速度。一家北美集成设备制造商通过用 AI 工具代替手动方法，在短短几周内就将 SoC 级别的总功率提高了 10%。

这让我们回到了芯片短缺问题。如果人工智能能够帮助弥合生产力差距，让设计团队不仅针对不同的市场需求，而且针对不同的工艺技术优化内容，会怎样？今天的刚性光掩模能否很容易被人工智能重新定位，以满足同样由人工智能应用驱动的动态全球经济的需求？训练有素的 AI 助手能否像将唱片转化为多轨数字媒体一样重新制作创意硅内容？

小型和大型公司的潜在好处包括降低劳动力需求。人工智能还解决了不断增长的芯片设计需求和普遍的人才短缺问题。随着自动化的普及，我们越来越愿意将隐喻和有形的钥匙交给人工智能。有点诗意的对称，用于芯片设计的人工智能可能是未来芯片创新的关键。