用于芯片設計的人工智能可能是未來芯片創(chuàng)新的關(guān)鍵

芯片行業(yè)的資深人士已經(jīng)習慣了半導體供需的周期性，但持續(xù)的芯片短缺對許多人來說尤其困難。供應鏈中斷可能會在未來幾年持續(xù)存在，半導體行業(yè)不太可能恢復到舊常態(tài)。

然而，一場更緊迫的危機即將來臨，這將把半導體行業(yè)帶到下一個轉(zhuǎn)折點：除非我們優(yōu)化芯片設計流程，否則工程吞吐量的缺乏將繼續(xù)存在。

持續(xù)的芯片短缺似乎是由于相對短期的經(jīng)濟因素。但是，如果我們開始以不同的方式思考芯片設計，它可能會為芯片生產(chǎn)的進步提供新的機會。半導體設計的中斷當然不會引發(fā)全球芯片短缺，但它正在盡其所能加劇危機。

人才危機

供需經(jīng)濟學表明，當出現(xiàn)供應短缺時，需求將迅速推動新的投資以填補供應缺口。為什么當前的供應危機不是這種情況？

部分原因是每個芯片都針對制造工藝的規(guī)格進行了專門設計和優(yōu)化。用于在基板上產(chǎn)生圖案的光掩模非常堅硬，不能輕易地重新設計以適應不同的規(guī)格。想想模擬黑膠唱片：一旦將音樂刻在漆盤上，您就無法修改黑膠唱片來播放不同的曲調(diào)。

為多個目標過程優(yōu)化設計所涉及的努力至少是不經(jīng)濟的，實際上是不可行的。原因是它不僅需要將設計團隊中的勞動力增加一倍，而且還需要獲得專業(yè)知識。這是芯片行業(yè)正在碰壁的地方。

技術(shù)人才的嚴重短缺正在趕上芯片行業(yè)及其所驅(qū)動的一切，而人手不足的團隊則面臨著更加復雜的挑戰(zhàn)。從移動設備、家用電器和汽車到制造商用來制造這些機器的工業(yè)設備，在我們的日常生活中看似實現(xiàn)一切的芯片正在變得越來越復雜。

這些不斷進步的技術(shù)給芯片設計人員帶來了越來越大的壓力，要求他們跟上消費者、市場領(lǐng)導者、企業(yè)競爭和利益相關(guān)者的需求，從而擴大了制造商生產(chǎn)產(chǎn)品和生產(chǎn)速度的極限。摩爾定律的預測潛伏著，一種新的基于人工智能的方法可能是避免清算所需要的。

用于芯片優(yōu)化的人工智能

人工智能正在推動自動駕駛汽車和智能設備等新技術(shù)領(lǐng)域。許多這些人工智能驅(qū)動的應用程序需要耗電和復雜的芯片。設計這些設備所需的研究、實驗和管理水平超過了人類的能力。

隨著客戶不斷發(fā)現(xiàn)工程團隊超負荷和資源不足的情況，我們必須找到方法讓他們擺脫人工智能可以處理的任務。

工程師們繼續(xù)開發(fā)基于人工智能的工具，獨立運行，分析巨大的數(shù)據(jù)流并從經(jīng)驗中學習。這些開發(fā)自動駕駛汽車、智能設備和復雜統(tǒng)計計算的工程師，使用機器學習以閃電般的速度處理數(shù)據(jù)，現(xiàn)在正依賴于他們生產(chǎn)的技術(shù)：這是自主設計芯片的曙光。自主芯片設計可以消除工程團隊的一些壓力并最大限度地提高生產(chǎn)力。

將芯片設計從手動流程轉(zhuǎn)變?yōu)樽詣踊鞒滩⒉皇且粋€新概念。自 1980 年代以來，工程師一直使用軟件工具來部署自動化和改進芯片設計。EDA 工具是現(xiàn)代芯片設計的必需品，但對更大更好技術(shù)的需求——這反過來又需要更大更好的芯片——繼續(xù)增長。設計工程師正在學習人工智能可以幫助他們滿足這一需求。

以數(shù)字實現(xiàn)為例，這是IC 設計過程中最復雜的方面之一。布局布線工具大多保持了先進技術(shù)的步伐，確定邏輯和 IP 塊的放置位置以及如何布線走線和互連。

布局布線工具的輸入涉及潛在解決方案的巨大搜索空間。這些跨越功能（宏觀架構(gòu)）、形式（微觀架構(gòu)）和適合（硅技術(shù)）。手動處理和分析所有這些數(shù)據(jù)需要大量的時間和資源。人工智能技術(shù)可以通過發(fā)現(xiàn)優(yōu)化設計的新方法來顯著減少負載。

一種方法是實施設計空間優(yōu)化 (DSO)，這是一種利用 ML 評估芯片以改進設計解決方案的模型。在 DSO 之前，人類工程師將使用設計空間探索，即手動梳理來自各種輸入的數(shù) TB 數(shù)據(jù)的過程。

這種手動工作很費力，需要進行詳盡的實驗，通常會受到人為限制的阻礙。數(shù)據(jù)可用于優(yōu)化設計，但對于工程師而言，數(shù)據(jù)太多且太復雜，無法處理。工程師最終對數(shù)據(jù)進行分區(qū)以使其更易于管理，從而限制了設計潛力。

AI 可以使用強化學習技術(shù)生成穩(wěn)健的優(yōu)化并持續(xù)分析結(jié)果，以比人類設計師高得多的速度進一步增強。隨著 AI 從經(jīng)驗中學習并擴展其能力，它成為工程團隊的催化劑，用于滿足功率、性能和PPA 目標的早期流片。

人工智能正在成為工程師的理想助手，能夠完成任務、生成和分析設計數(shù)據(jù)，并產(chǎn)生比人類更快的結(jié)果。這讓工程師可以將更多時間用于增值工作、提高芯片效率、發(fā)現(xiàn)錯誤和差異化設計。利用人工智能，設計團隊還可以專注于減少功率泄漏和提高芯片性能。

人工智能的實施已經(jīng)開始，導致創(chuàng)紀錄的設計生產(chǎn)力。由于人工智能，通常需要整個團隊幾個月才能完成的任務，單個工程師可以在幾周內(nèi)完成。

科幻小說？好吧，三星已經(jīng)宣布了在 Synopsys 的基于 AI 的系統(tǒng) DSO.ai 的幫助下由 AI 設計的芯片。日本的瑞薩電子還使用人工智能工具實現(xiàn)了以前無法實現(xiàn)的 PPA，提前數(shù)周滿足時間限制，同時將最大頻率提高數(shù)百兆赫茲。

人工智能不僅可以提高速度。一家北美集成設備制造商通過用 AI 工具代替手動方法，在短短幾周內(nèi)就將 SoC 級別的總功率提高了 10%。

這讓我們回到了芯片短缺問題。如果人工智能能夠幫助彌合生產(chǎn)力差距，讓設計團隊不僅針對不同的市場需求，而且針對不同的工藝技術(shù)優(yōu)化內(nèi)容，會怎樣？今天的剛性光掩模能否很容易被人工智能重新定位，以滿足同樣由人工智能應用驅(qū)動的動態(tài)全球經(jīng)濟的需求？訓練有素的 AI 助手能否像將唱片轉(zhuǎn)化為多軌數(shù)字媒體一樣重新制作創(chuàng)意硅內(nèi)容？

小型和大型公司的潛在好處包括降低勞動力需求。人工智能還解決了不斷增長的芯片設計需求和普遍的人才短缺問題。隨著自動化的普及，我們越來越愿意將隱喻和有形的鑰匙交給人工智能。有點詩意的對稱，用于芯片設計的人工智能可能是未來芯片創(chuàng)新的關(guān)鍵。