在去年于美國硅谷舉辦的 CadenceLIVE Silicon Valley 2023 用戶大會上，生成式 AI 小組的討論備受關注。前幾篇文章里，我們提到了生成式 AI 能夠推動變革（第一篇），以及如何處理可能出現的錯誤及其對芯片/系統(tǒng)設計的影響（第二篇）。本文是第三篇文章，聚焦點是：

“生成式 AI 能否緩解人才短缺，促進多元化的芯片設計”？

討論主持人強調，電子設計開發(fā)亟需更多掌握完備技能的人才。目前眾多公司都在進行自主芯片設計，對人才的需求旺盛；在這種背景下，生成式 AI 能否降低行業(yè)門檻，幫助那些對電路、芯片或系統(tǒng)設計感興趣的人入行？由 AI 驅動的工具能否協(xié)助工程師設計不同類型的芯片，催生出新的創(chuàng)造發(fā)明？

以下為小組各方代表的回答總結。

1. 芯片設計應用會更簡單、快速

Meta 公司

在不久的將來，芯片設計應用會變得更簡單、更快速，側重于增強現有的設計，而不是創(chuàng)造全新的設計。當前的生成式 AI 技術可能無法給設計帶來根本性的改變，因為技術還沒有普及。

但簡化芯片設計流程有據可循——語言模型可以很好地按順序處理步驟或詞語。這些模型會反復經歷相同的設計流程，分辨出重復任務中的細微差別，可以更有效地預測和優(yōu)化每個步驟。在這一點上，人工難以企及，而語言模型可以輕松勝任。

在塑造未來芯片設計的過程中，AI 將發(fā)揮關鍵作用。我們可能會見證一個不斷自我重復的循環(huán)：設計出專門支持生成式 AI 的 AI 芯片，用于自動設計更加先進、更加高效的芯片。隨著時間的推移，這一過程會不斷自我改善，打造出性能更強、更先進的 AI 芯片。

2. 芯片開發(fā)的重點會轉向何方？

Cisco 公司

在未來，芯片中集成的元器件將發(fā)生重大變化。最終應用可能基本上保持不變，但開發(fā)的重點將轉移到芯片功能的算法上。人們對 AI 的理解越來越深入，從而推動 AI 技術的發(fā)展，這是一個不斷產生正向反饋的循環(huán)。

專業(yè)的計算結構將有助于形成這種循環(huán)，讓 AI 與更多問題都能夠相關聯(lián)。最終，芯片的計算推理將有利于加速機器學習，促進創(chuàng)新，催生出各種不同的芯片類別。

3. AI 提升生產力的進一步意義

Cadence 公司

AI 有可能將我們的生產力提升 10 倍以上。基于Cisco 公司的觀點，如果沒有 AI 帶來的大幅生產力提升，特定的芯片或技術將難以開發(fā)，或者盡管技術上可行，但生產力沒有同步提高，因此在經濟上沒有可行性。AI 將催生出新型芯片的創(chuàng)造，并促進芯片的開發(fā)工作。

加州大學伯克利分校

在過去，無論是從經濟角度還是技術角度，使用生成式 AI 解鎖各種應用都不可能實現。過去因成本過高、或開發(fā)過于復雜而擱置的各種應用，現在都有可能實現。我們可以加速工具流程中那些難度大、對經驗要求高的步驟，從而進行更多實驗。這樣我們就可以大膽試錯，有的可能一舉成功，創(chuàng)造億萬美金的價值，有的也可能完全失敗。

Arm 公司

業(yè)界都在努力提高效率，我們可以嘗試從新的來源獲得答案，解鎖之前難以想象的機會。例如，3D 技術和工程學的融合帶來了許多人類工程師難以解決的挑戰(zhàn)。在生成式 AI 的幫助下，我們可以發(fā)現之前從未考慮過的解決方案。

我們可能聽說過或者目睹過大型語言模型的“幻覺(hallucination)”現象，那么，在芯片或系統(tǒng)設計中使用生成式 AI 會遇到哪些類似的陷阱？

從人工智能驅動的 IC 和 SoC 設計、人工智能驗證、PCB 設計到基于 AI 的多物理場分析，Cadence 正在利用 AI 的變革性力量，打造更高生產效率、更具創(chuàng)新可能與智能系統(tǒng)化的解決方案，如用于多物理場分析優(yōu)化的Cadence Optimality Intelligent System Explorer，其突破了傳統(tǒng)優(yōu)化過程耗費人力的這一限制，在不影響精確度的情況下可將生產力提升10倍。