來源：內(nèi)容由半導(dǎo)體行業(yè)觀察編譯自semiengineering。

人工智能工具的普及似乎完美地填補(bǔ)了人才短缺的空白，但仔細(xì)觀察就會發(fā)現(xiàn)，這些技能并非完全重疊。EDA流程中的某些環(huán)節(jié)仍然需要人類工程師，而且這種情況在可預(yù)見的未來很可能還會持續(xù)下去。

模擬設(shè)計(jì)的深奧藝術(shù)、安全關(guān)鍵功能安全的最終定論、高層架構(gòu)決策、產(chǎn)品創(chuàng)新和創(chuàng)造性問題解決，這些都是人們大放異彩的地方。

盡管有人預(yù)測人工智能會全面取代工程崗位，但人工智能對工程崗位的影響更為微妙，這取決于任務(wù)的性質(zhì)、工作的復(fù)雜性以及人工智能工具在每個領(lǐng)域的成熟度。

Synopsys產(chǎn)品管理高級總監(jiān)Anand Thiruvengadam表示：“像模擬設(shè)計(jì)和概念設(shè)計(jì)這類富有創(chuàng)意、開放式且與具體情境相關(guān)的任務(wù)，人工智能很難完全取代。在復(fù)雜領(lǐng)域，人工智能更有可能起到輔助而非取代設(shè)計(jì)師的作用，成為提高生產(chǎn)力的工具，而不是完全的替代品。”

根據(jù)Thiruvengadam的說法，以下是以人為中心的任務(wù)：

1. 架構(gòu)/概念設(shè)計(jì)（跨領(lǐng)域）：高層次的架構(gòu)決策、創(chuàng)新的產(chǎn)品設(shè)計(jì)和創(chuàng)意方向需要人類的直覺、遠(yuǎn)見和跨領(lǐng)域的推理能力。

2. 架構(gòu)和規(guī)格定義：設(shè)定芯片的目標(biāo)、功能和限制條件需要對市場、客戶和技術(shù)有深刻的理解。人的洞察力能夠確保設(shè)計(jì)符合業(yè)務(wù)需求、監(jiān)管要求和長期戰(zhàn)略。

3. 模擬電路設(shè)計(jì)：這需要深厚的專業(yè)知識、創(chuàng)造性的問題解決能力以及對各種權(quán)衡因素（例如噪聲、線性度、匹配度）的深入理解。人工智能工具可以輔助仿真和布局建議，但由于模擬設(shè)計(jì)的復(fù)雜性和與具體應(yīng)用場景密切相關(guān)，實(shí)現(xiàn)完全自動化仍然是一個挑戰(zhàn)。

4. 安全關(guān)鍵型和高可靠性設(shè)計(jì)決策：任何錯誤都可能導(dǎo)致災(zāi)難性故障。必須由人來驗(yàn)證安全特性、冗余性和容錯性。

5. 驗(yàn)證簽核和質(zhì)量保證：雖然人工智能可以自動執(zhí)行許多驗(yàn)證任務(wù)，但最終簽核需要人工判斷來解釋結(jié)果、評估風(fēng)險并確保完整性，尤其是在特殊情況和非典型場景中。

6. 物理設(shè)計(jì)收斂和制造準(zhǔn)備：關(guān)于良率、可制造性和工藝偏差的決策需要專家的專業(yè)知識。工程師應(yīng)監(jiān)督最終的可制造性設(shè)計(jì) (DFM)，批準(zhǔn)流片，并評估代工廠的反饋。

7. 處理新穎問題和例外情況：無法預(yù)見的設(shè)計(jì)挑戰(zhàn)、錯誤或流程問題需要創(chuàng)造性的問題解決能力和跨學(xué)科專業(yè)知識，而人工智能無法完全自動化。

未來，一種類似達(dá)爾文進(jìn)化論的人工智能系統(tǒng)或許能夠通過隨機(jī)遍歷海量選項(xiàng)，然后選擇最佳方案來解決新問題?！拔也恢肋@是否會成為現(xiàn)實(shí)，但肯定不會高效，”Cadence公司驗(yàn)證軟件產(chǎn)品管理高級總監(jiān)Matthew Graham表示。 “我們?nèi)祟惞こ處熅褪沁@樣做的。我們會說，‘我需要解決這個新問題。讓我想想所有可能有助于我發(fā)揮創(chuàng)造力的方法?！覀儠谀X海中進(jìn)行自我選擇。沿著一條路走，嘗試這條路，如此循環(huán)往復(fù)。至少目前來看，人工智能還無法做到這一點(diǎn)。”

需要人類：驗(yàn)證、監(jiān)控和培訓(xùn)

人類工程師需要了解如何將準(zhǔn)確有用的知識輸入人工智能系統(tǒng)，然后檢查輸出結(jié)果是否正確。

“人工智能不應(yīng)該對你的工作構(gòu)成威脅，因?yàn)楸举|(zhì)上仍然需要人類來驗(yàn)證人工智能所產(chǎn)生的系統(tǒng)是否真的是最優(yōu)的，”西門子EDA汽車和軍工航空混合物理和虛擬系統(tǒng)副總裁David Fritz表示。 “這不僅僅是像大型語言模型那樣閱讀論文和處理大量PDF文件。并非如此。它需要的是微妙的知識。它指的是，你很可能知道A和B之間存在我尚未察覺的依賴關(guān)系。我該如何找到這種依賴關(guān)系？你不可能在某份白皮書或博士論文中找到它。工程師對于使系統(tǒng)達(dá)到能夠?yàn)榻?jīng)驗(yàn)不足的人提供實(shí)用服務(wù)的水平至關(guān)重要。他們?nèi)匀恍枰O(jiān)控系統(tǒng)，并隨著技術(shù)的進(jìn)步不斷訓(xùn)練系統(tǒng)。工程領(lǐng)域前景光明，但你必須理解人工智能的作用，它不僅僅是為我們的命令行工具提供一個自然語言界面。這占據(jù)了目前90%的工作量，但它需要遠(yuǎn)不止于此?！?/span>

驗(yàn)證對于避免代價高昂的錯誤至關(guān)重要，也是設(shè)計(jì)過程中最耗時、成本最高的環(huán)節(jié)。但各方面的成本都在上漲。在集成電路制造中，掩模組和流片成本極其高昂。印刷電路板的成本也相當(dāng)可觀。

“風(fēng)險緩解和上市時間是關(guān)鍵所在，”是德科技高級總監(jiān)Alexander Petr表示?！澳阆Ｍ诘谝淮蔚芯妥龅奖M善盡美，從而節(jié)省成本并搶占市場先機(jī)。假設(shè)你選擇了一個團(tuán)隊(duì)，他們說：‘我們重新設(shè)計(jì)了整個流程。我們有一個人工智能可以生成解決方案?！銜湃稳斯ぶ悄軄砣〈切﹥r值數(shù)百萬美元的項(xiàng)目嗎？你必須審視工作流程，并決定在哪些環(huán)節(jié)引入人工干預(yù)。你想在哪些環(huán)節(jié)加入安全措施？你想在哪些環(huán)節(jié)加入驗(yàn)證步驟？信任固然重要，但驗(yàn)證也是游戲規(guī)則的一部分。如果你遵循這種思路，你會發(fā)現(xiàn)你需要的人員更少。但你也在努力彌補(bǔ)技能缺口。我認(rèn)為不會有任何工作崗位被取代，它們只是會發(fā)生變化。人們不再從事設(shè)計(jì)工作，而是更多地從事驗(yàn)證工作?！?/span>

目前，許多新興創(chuàng)業(yè)公司都專注于RTL驗(yàn)證。“看看信號，告訴我信號是由什么驅(qū)動的，”Petr說道。 “他們已經(jīng)開發(fā)出了人工智能工具，也用它們進(jìn)行過流片，但如果你問問人們這些工具的成果，他們會說它們離生產(chǎn)就緒還差得很遠(yuǎn)。人們還不信任這個系統(tǒng)。建立這種信任需要數(shù)年甚至數(shù)十年的時間，而且需要經(jīng)歷多次迭代。此外，如果你觀察一些人工智能的開發(fā)速度，你會發(fā)現(xiàn)它們采用的是敏捷開發(fā)模式，也就是快速失敗、快速重試。人工智能的早期版本往往會出現(xiàn)問題。它們會產(chǎn)生幻覺，會誤以為自己做對了。就在不久前，就有一篇文章報道說一個完整的數(shù)據(jù)庫被人工智能刪除了。這不是一個好的開始。我們需要重新審視驗(yàn)證輸出所需的技能。我們需要弄清楚可以為這些驗(yàn)證步驟開發(fā)哪些工具，以及哪些步驟可以自動化。哪些可以重新設(shè)計(jì)？哪些可以替換？總而言之，從人員配置的角度來看，人工智能并不會改變現(xiàn)狀?！?/span>

模擬和混合信號設(shè)計(jì)是一門深奧的學(xué)問

模擬設(shè)計(jì)本身就更加復(fù)雜，不僅僅是使用人工智能/機(jī)器學(xué)習(xí)工具解決起來更具挑戰(zhàn)性?！澳M領(lǐng)域要難得多，因?yàn)槭澜缟系囊磺卸际悄M的，”西門子EDA產(chǎn)品負(fù)責(zé)人Sathishkumar Balasubramanian說道?！澳M電路非常接近物理學(xué)，因此存在抽象概念。數(shù)字設(shè)計(jì)中也存在0、1和X的抽象概念，以及系統(tǒng)、軟件等等的抽象概念?！?/span>

對于模擬/混合信號電路，人工智能可以用于分析、優(yōu)化和調(diào)試，還可以作為自然語言訓(xùn)練伙伴，幫助降低學(xué)習(xí)門檻。然而，在轉(zhuǎn)向人工智能工具的過程中，有些東西也隨之丟失了。

“我以前會看書，書里會告訴你如何解決這個問題，”Balasubramanian說道?！拔覀冊趯?shí)驗(yàn)室里做實(shí)驗(yàn)，搭建電路，設(shè)計(jì)電路，最終解決問題，因?yàn)槲覀儗Ｗ⒂诮鉀Q問題本身。但現(xiàn)在的情況是，人們離問題本身越來越遠(yuǎn)，因?yàn)樗麄冊噲D掌握一個可能幫助他們解決問題的工具。他們試圖學(xué)習(xí)這個工具，學(xué)習(xí)一門不同的語言，學(xué)習(xí)一個可能幫助他們解決問題的工具是如何運(yùn)作的。他們并沒有真正關(guān)注問題的核心，也就是如何為這個工藝節(jié)點(diǎn)設(shè)計(jì)出最佳的運(yùn)算放大器或鎖相環(huán)?！?/span>

模擬/混合信號處理變得更加困難，因?yàn)楣こ處焸兺ㄟ^定制工具、定制技能和定制數(shù)據(jù)庫增加了復(fù)雜性?！拔覀冊谝粋€原本就十分復(fù)雜的領(lǐng)域上又增加了一層復(fù)雜性，而現(xiàn)在這個領(lǐng)域變得更加復(fù)雜了，”Balasubramanian說道。

其他人也認(rèn)同AMS領(lǐng)域很棘手。“仍然有人把這當(dāng)成一門藝術(shù)，”彼得說?！八麄冮_始手繪。他們進(jìn)去，看看效果，然后說，‘這看起來不對勁’，這通常意味著，‘它看起來不美觀，它不起作用?！@些問題具有一定的維度，而且維度要高得多，因?yàn)闆]有標(biāo)準(zhǔn)，沒有既定的規(guī)則可以遵循，這主要是因?yàn)樗悄M信號。模擬信號比離散的、二進(jìn)制的信號動態(tài)得多，因此在這個領(lǐng)域做到萬無一失需要花費(fèi)更多的時間?！?/span>

人工智能公司在應(yīng)用數(shù)學(xué)與合成（AMS）領(lǐng)域經(jīng)常承諾進(jìn)行合成，并聲稱合成結(jié)果可以由人工智能工具生成?！暗绻闵钊胩骄浚蜁l(fā)現(xiàn)他們已經(jīng)制定了相應(yīng)的規(guī)則，這極大地限制了自由度，”Petr說道。“要想在這些領(lǐng)域擁有目前所具備的自由度，從而實(shí)現(xiàn)利用人工智能進(jìn)行探索、發(fā)現(xiàn)和自動化，還需要很長時間。你可以簡化問題，嘗試解決一個較小的問題。你可以讓結(jié)果看起來非常令人印象深刻。但這實(shí)際上是一個非常有限的范圍?！?/span>

對于航空航天、國防和汽車等安全關(guān)鍵型應(yīng)用而言，功能安全工程師尤為重要?！凹僭O(shè)我們需要8到10名全職安全工程師，但我們只能找到4到5名。我們嘗試用4到5名工程師，并借助機(jī)器學(xué)習(xí)來實(shí)現(xiàn)同樣的整體效果，”Imagination Technologies公司系統(tǒng)和功能安全工程專家、工程和技術(shù)負(fù)責(zé)人Andrew Johnson說道?！斑@或許可行，但我建議剩下的這4到5名工程師不能是初級工程師。他們需要是經(jīng)驗(yàn)豐富的資深首席技術(shù)專家，而這類人才很難找到。當(dāng)引入人工智能時，你需要足夠聰明且經(jīng)驗(yàn)豐富的人來了解模型是什么，它能告訴你什么，以及是否應(yīng)該否決模型給出的結(jié)論。如果你因?yàn)榻?jīng)驗(yàn)不足或沒有經(jīng)驗(yàn)而不知道，你只會點(diǎn)頭說，‘電腦說可以，所以我們繼續(xù)。’這可能會非常危險?！?/span>

安全關(guān)鍵型應(yīng)用

航空航天/國防領(lǐng)域受人工智能影響的失業(yè)速度可能比其他領(lǐng)域慢?！澳承┬袠I(yè)由于自身特性，采用人工智能的速度自然會較慢，這其中既有合理的文化原因，也有不那么合理的文化原因，”Cadence公司的Graham表示。“更有可能的情況是，這些工具會適應(yīng)這些環(huán)境。我們必然會開發(fā)出一套安全可靠或能夠在安全環(huán)境下有效運(yùn)行的人工智能工具，而不是讓行業(yè)完全忽視它。我認(rèn)為他們別無選擇?！?/span>

這些行業(yè)必須謹(jǐn)慎行事，但不能忽視不可避免的趨勢?！案锌赡艿氖牵ぞ邥m應(yīng)環(huán)境，”Graham說?！澳承┕ぞ呒捌涮囟ò姹緯m應(yīng)環(huán)境，而不是環(huán)境不采用它們?！?/span>

Vibe 編碼主管認(rèn)為，有理由對數(shù)字原生代 Z 世代和 Alpha 世代掌握人工智能并找到新角色的能力保持樂觀，尤其是那些從小就接觸編程的人?！拔矣幸粋€上大學(xué)的孩子，他對人工智能有著非常獨(dú)特的見解，” Arteris首席營銷官 Michal Siwinski 說。 “他對人工智能最終可能會做的那些編程工作感興趣嗎？不，那些編程太枯燥了。都是些底層工作，甚至不需要計(jì)算機(jī)學(xué)位。相反，應(yīng)該想想如何協(xié)調(diào)人工智能，如何用它來做更有趣的事情。如何構(gòu)建機(jī)器人系統(tǒng)？如何確定電氣、機(jī)械等等所有環(huán)節(jié)需要如何協(xié)同工作？這才是真正令人興奮的新領(lǐng)域，而且才剛剛起步。這將是一個不斷發(fā)展的過程。我家有兩個兒子。他們會編程，而且一直在編程，但他們的想法是，他們不一定要寫出能上傳到GitHub上的東西，因?yàn)镚itHub上已經(jīng)有了。編程仍然非常重要。”

另一些人則警告說，無人監(jiān)督的人工智能代碼存在危險。“我自己也經(jīng)常陷入完全依賴人工智能的陷阱，” ChipAgents的創(chuàng)始人工智能工程師 Daniel Rose 說?！叭绻阃耆蕾嚾斯ぶ悄?，它有時確實(shí)有效，但也會有一些時候它出現(xiàn)故障，導(dǎo)致一些你無法解決的問題，除非你真正了解后臺運(yùn)行的機(jī)制，了解編程語言的工作原理。你必須理解你生成的代碼。只不過，人工智能可以幫助你比你自己更快地生成代碼。”

Vibe 編碼利用人工智能根據(jù)自然語言提示生成功能性代碼，這種技術(shù)正日益流行，但它仍不完美?！叭斯ぶ悄艽_實(shí)會犯錯或產(chǎn)生錯覺，你需要具備領(lǐng)域?qū)I(yè)知識和理解力，才能確保生成的代碼可行且能完成預(yù)期功能，”Baya 公司的 Nayampally 表示?！斑@一代迭代速度更快，所以你也必須加快速度，但與此同時，你也要從更高的層面思考你需要完成的任務(wù)。”

結(jié)論

人工智能/機(jī)器學(xué)習(xí)正在半導(dǎo)體設(shè)計(jì)領(lǐng)域取得進(jìn)展。至于哪些任務(wù)可以交給人工智能來完成，則取決于各個設(shè)計(jì)團(tuán)隊(duì)和設(shè)計(jì)基礎(chǔ)設(shè)施管理部門的決定。

人工智能最容易接管的任務(wù)包括功能驗(yàn)證、回歸測試和覆蓋率分析，這些任務(wù)的自動化程度越來越高?！叭斯ぶ悄芄ぞ呖梢陨蓽y試平臺、預(yù)測覆蓋率漏洞，甚至提出新的測試場景，”Synopsys 的 Thiruvengadam 指出。“這是因?yàn)檫@些任務(wù)基于規(guī)則、重復(fù)性高，并且涉及大型數(shù)據(jù)集，因此非常適合人工智能自動化。此外，自動化布局布線工具已經(jīng)相當(dāng)成熟，而人工智能增強(qiáng)的工具正在進(jìn)一步提高效率。常規(guī)的數(shù)字布局任務(wù)也正變得越來越自動化?！?/span>

最后，在最糟糕的情況下，如果電網(wǎng)、互聯(lián)網(wǎng)和人工智能系統(tǒng)長期癱瘓，而我們只剩下只會使用人工智能的勞動力，那該怎么辦？“停電的可能性始終存在，”ChipAgents公司的羅斯說道，“我們在世界各地都看到過這種情況，所以我們需要一些不完全依賴人工智能、即使沒有人工智能也能完成工作的人?！?/span>

Cadence公司的格雷厄姆認(rèn)為人類總會找到辦法?！拔沂莻€樂觀主義者，但我并不認(rèn)為這種情況會發(fā)生。不過，需求確實(shí)是發(fā)明之母，如果我們真的身處那種境地，我們也一定會發(fā)明出解決辦法?！?/span>

最后，正因?yàn)槿藗儗W(xué)會了如何學(xué)習(xí)，他們才能回溯過去，理解各種過程是如何發(fā)生的。“如果合成的概念突然從地球上消失，我們說，‘我們只能通過手工制作才能得到真正的面具’，我們也能找到解決辦法，”格雷厄姆說道。“我們具備這種能力。不僅如此，我們還擁有迄今為止積累的所有數(shù)據(jù)。我們不再像第一次那樣通過反復(fù)試驗(yàn)來發(fā)現(xiàn)它。我們曾經(jīng)到達(dá)過這里，我們絕對可以再次到達(dá)這里，聰明的人就是聰明的人，無論他們的起點(diǎn)在哪里?！?/span>