在去年于美國硅谷舉辦的 CadenceLIVE Silicon Valley 2023 用戶大會(huì)上，生成式 AI 小組的討論備受關(guān)注。前幾篇文章里，我們提到了生成式 AI 能夠推動(dòng)變革（第一篇），以及如何處理可能出現(xiàn)的錯(cuò)誤及其對(duì)芯片/系統(tǒng)設(shè)計(jì)的影響（第二篇）。本文是第三篇文章，聚焦點(diǎn)是：

“生成式 AI 能否緩解人才短缺，促進(jìn)多元化的芯片設(shè)計(jì)”？

討論主持人強(qiáng)調(diào)，電子設(shè)計(jì)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(jìn)行自主芯片設(shè)計(jì)，對(duì)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(duì)電路、芯片或系統(tǒng)設(shè)計(jì)感興趣的人入行？由 AI 驅(qū)動(dòng)的工具能否協(xié)助工程師設(shè)計(jì)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(jié)。

1. 芯片設(shè)計(jì)應(yīng)用會(huì)更簡(jiǎn)單、快速

Meta 公司

在不久的將來，芯片設(shè)計(jì)應(yīng)用會(huì)變得更簡(jiǎn)單、更快速，側(cè)重于增強(qiáng)現(xiàn)有的設(shè)計(jì)，而不是創(chuàng)造全新的設(shè)計(jì)。當(dāng)前的生成式 AI 技術(shù)可能無法給設(shè)計(jì)帶來根本性的改變，因?yàn)榧夹g(shù)還沒有普及。

但簡(jiǎn)化芯片設(shè)計(jì)流程有據(jù)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(huì)反復(fù)經(jīng)歷相同的設(shè)計(jì)流程，分辨出重復(fù)任務(wù)中的細(xì)微差別，可以更有效地預(yù)測(cè)和優(yōu)化每個(gè)步驟。在這一點(diǎn)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(shè)計(jì)的過程中，AI 將發(fā)揮關(guān)鍵作用。我們可能會(huì)見證一個(gè)不斷自我重復(fù)的循環(huán)：設(shè)計(jì)出專門支持生成式 AI 的 AI 芯片，用于自動(dòng)設(shè)計(jì)更加先進(jìn)、更加高效的芯片。隨著時(shí)間的推移，這一過程會(huì)不斷自我改善，打造出性能更強(qiáng)、更先進(jìn)的 AI 芯片。

2. 芯片開發(fā)的重點(diǎn)會(huì)轉(zhuǎn)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(yīng)用可能基本上保持不變，但開發(fā)的重點(diǎn)將轉(zhuǎn)移到芯片功能的算法上。人們對(duì) AI 的理解越來越深入，從而推動(dòng) AI 技術(shù)的發(fā)展，這是一個(gè)不斷產(chǎn)生正向反饋的循環(huán)。

專業(yè)的計(jì)算結(jié)構(gòu)將有助于形成這種循環(huán)，讓 AI 與更多問題都能夠相關(guān)聯(lián)。最終，芯片的計(jì)算推理將有利于加速機(jī)器學(xué)習(xí)，促進(jìn)創(chuàng)新，催生出各種不同的芯片類別。

3. AI 提升生產(chǎn)力的進(jìn)一步意義

Cadence 公司

AI 有可能將我們的生產(chǎn)力提升 10 倍以上?；贑isco 公司的觀點(diǎn)，如果沒有 AI 帶來的大幅生產(chǎn)力提升，特定的芯片或技術(shù)將難以開發(fā)，或者盡管技術(shù)上可行，但生產(chǎn)力沒有同步提高，因此在經(jīng)濟(jì)上沒有可行性。AI 將催生出新型芯片的創(chuàng)造，并促進(jìn)芯片的開發(fā)工作。

加州大學(xué)伯克利分校

在過去，無論是從經(jīng)濟(jì)角度還是技術(shù)角度，使用生成式 AI 解鎖各種應(yīng)用都不可能實(shí)現(xiàn)。過去因成本過高、或開發(fā)過于復(fù)雜而擱置的各種應(yīng)用，現(xiàn)在都有可能實(shí)現(xiàn)。我們可以加速工具流程中那些難度大、對(duì)經(jīng)驗(yàn)要求高的步驟，從而進(jìn)行更多實(shí)驗(yàn)。這樣我們就可以大膽試錯(cuò)，有的可能一舉成功，創(chuàng)造億萬美金的價(jià)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(jī)會(huì)。例如，3D 技術(shù)和工程學(xué)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(xiàn)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(xiàn)象，那么，在芯片或系統(tǒng)設(shè)計(jì)中使用生成式 AI 會(huì)遇到哪些類似的陷阱？

從人工智能驅(qū)動(dòng)的 IC 和 SoC 設(shè)計(jì)、人工智能驗(yàn)證、PCB 設(shè)計(jì)到基于 AI 的多物理場(chǎng)分析，Cadence 正在利用 AI 的變革性力量，打造更高生產(chǎn)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(chǎng)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(fèi)人力的這一限制，在不影響精確度的情況下可將生產(chǎn)力提升10倍。