这是一个过渡时期,每个人都在思考接下来会发生什么,以及 AI 在何处能发挥最佳作用。到目前为止,未来似乎是现在的增强版,仍有许多技术挑战需要克服,但这种情况可能会以尚未确定的方式发生变化。
Alphawave Semi 的 CTO Tony Chan Carusone 指出,芯片设计行业面临着大量的需求、竞争和复杂问题,AI 可以成为该行业的福音,使工程师能够专注于创新,而不是重复任务。这种转变将推动开发更好、更高效的产品,并降低风险。
许多增强 EDA 工具的活动都源于这样一种预期:与其他行业中工人担心 AI 会夺走他们的工作不同,过度劳累的芯片设计和验证工程师会欢迎 AI 的帮助。Siemens EDA 的 IC 验证解决方案战略总监 Neil Hand 表示,EDA AI 将消除工程师们今天不喜欢的许多繁忙工作,并减少设计中涉及的猜测。AI 还将使我们能够以所需的速度继续创新,因为根本没有足够的工程师来满足需求。它并不会从根本上改变工程师的技能组合,只是让他们有更多的时间进行创新。
ChipStack 的联合创始人兼 CEO Kartik Hegde 认为,为了真正取得显著进展,EDA 工具行业应优先减少芯片设计周期。他指出,如今设计一款芯片需要两到三年的时间,动用数百人,这是不可接受的。我们需要将这个时间减少两个数量级。我们的目标应该是在不到一个月的时间内,由不到 10 人完成设计。这样才能提高创新能力。
Silimate 的联合创始人兼 CTO Akash Levy 认为,EDA AI 可以帮助更多的环节向左移动。我们需要让设计阶段相互重叠,在进行后端设计的同时进行前端设计。真正的关键是尽早提供见解,并迅速将其贯穿到整个过程的结尾。这也意味着要为工程师提供他们原本需要等待三个月或更长时间才能获得的信息。
Synopsys 的杰出架构师兼生成式 AI 卓越中心负责人 Stelios Diamantidis 在今年的 Hot Chips 会议上表示,设计空间如此巨大,以至于很难确定因果关系,这增加了解决问题的时间和成本。因此,另一个目标是让 AI 帮助减少这些繁重的任务,从而提高生产力并降低成本。
Siemens 的 Hand 也认为,AI 在验证和向左移动方面将具有重要意义。在传统的验证方法中,AI 将帮助回答需要测试什么以及尚未测试什么的问题。这超越了覆盖率的限制,因为覆盖率只能衡量您认为需要衡量的内容。对于向左移动,我们可以利用 AI 在设计过程的早期为工作负载、需求、建模等提供指导。因此,我们现在拥有了一种从构思到实现的连接方法,使用了 AI 支持的设计数字孪生。
在实际应用中,这意味着当前大多数 EDA 新创企业项目都专注于基于自然语言的 AI 副驾驶,它们能够比通用的生成式 AI 更快、更准确地将英语指令转化为可用代码,并且具有更高的交互性。
AI 副驾驶是一类基于生成式 AI 的设计助手的一部分,其中还包括提供技术指导的聊天机器人,例如代码分析和验证总结。副驾驶作为基于 AI 的代码完成工具,更先进的方法能够实现交互式建议。Google Trends 显示,“AI 副驾驶”一词在 2021 年 6 月下旬首次达到峰值,不久之后,GitHub 宣布了其 GitHub Copilot,该产品是基于最初为微软的 Visual Studio 所做的工作开发的。它已经成为其他类似工具的模板。
然而,Quadric 的首席营销官 Steve Roddy 指出,除了时间和人才的巨大开销外,AI 在 EDA 中的新角色还可能遇到一些障碍。乍一看,EDA 工具——特别是综合、布局布线和逻辑验证——似乎是明显可以从 AI 技术中受益匪浅的候选者。一个基于 AI 算法的 EDA 工具,根据数千个以前设计的经验来放置逻辑单元,很可能会比每次都从第一原理开始更快地收敛到一个可接受的布局/放置。但关键问题是用于训练该 AI 的数据是什么,以及谁拥有这些数据。拥有数百个先前设计的大型半导体公司是会将其数据保密,仅用于增强其物理设计过程,从而使竞争的新创企业更加落后,还是 EDA 公司有权从数千个先前的客户设计中“学习”,并将这些知识“转移”给其他用户?在使用 GenAI 根据之前看到的验证套件编写验证测试时,也可能会出现类似的问题。
Siemens 的 Hand 补充说,最大的挑战是数据共享、模型训练和 API 的协议。这是 Si2 和 Siemens 正在进行一些工作的方面。为了使 EDA AI 取得成功,它需要是开放的、独立于供应商的,并允许在不暴露知识产权的情况下安全地交换数据。实施封闭解决方案的公司将限制可能的发展,并更令人担忧的是,为创新创造巨大的障碍。
关于 AI 副驾驶是否会继续成为 AI EDA 未来的模板,或者是否会有全新的 EDA AI 工具颠覆整个行业,存在着一些猜测。
Hand 表示,副驾驶的作用是提高用户的效率,在我们考虑如何使设计师的效率提高几个数量级时,它将是至关重要的。然而,在流程的每个环节上,都会有新的解决方案从根本上改变设计和验证的各个方面。我们已经在一些解决方案中看到了这一点,它们正在改变需要验证的内容,并使用 AI 来预测结果,而不仅仅是指导用户。
EDA 行业资深人士、Verific 全球销售副总裁 Rick Carlson 对推动新创企业和老牌企业的兴奋之情进行了反思。他说:“这个行业已经经历了各种迭代。我们处于一个全新的空间,没有人确切知道 AI 将对芯片设计产生的结果或影响。我们知道,例如,在生产力方面将会有一些显著的重大改进。还记得围棋冠军被打败的事情吗?他们说这是不可能的。然后它发生了。如果将这个类比应用到我们的行业,我不想错过这一章。这将是一个惊人的基础。”
无论是否有 AI 协助,在这个不断变化的目标时代,保持灵活性是很重要的。Quadric 的 Roddy 说:“AI 网络的变化速度如此之快,以至于使用任何支持一小部分 ML 操作符和当今参考基准中发现的一部分 ML 网络拓扑的硬连线加速器,几乎可以保证,当芯片从晶圆厂回来时,它已经过时了。将加速器与传统的可编程 CPU 和 DSP 配对同样是鲁莽的,因为这些类型的架构本质上计划让加速器变得无用,工作负载默认在 CPU 上运行,这意味着对于新的工作负载没有‘加速’。完全且适当的可编程性是最有可能成功的路径。”
最后,事实可能证明,EDA 中的 AI 只是该行业众多挑战的一个开端。Hand 指出:“半导体是一个无情的任务主管,其复杂性不断增加,3D-IC 将进一步加速这一趋势。不仅仅是 AI 需要新的解决方案来创新。许多新的‘软件定义、硅支持’的产品也需要帮助。许多这些解决方案将基于 AI。我们可以使用 AI 来提高生产力。我们可以使用 AI 来创建新的抽象模型来加速设计。我们可以使用 AI 来连接现在需要通信的许多领域。在许多方面,我们有太多的选择,这变成了一个优先级问题。哪些 EDA AI 解决方案将提供最大的好处,同时带来最小的干扰?”