人工智能设计芯片，还需要工程师吗？

1年前浏览2235

大家好，这里是【射频学堂】

今天分享一篇关于人工智能对芯片设计的影响。

集成化是硬件设计的一个最主要的发展趋势，从房子一样大小的计算机到现在的手持智能手机，电子产品在功能日趋丰富完善的情况下，集成化程度也越来越高。一个很重要的技术就是芯片设计复杂性的提高。IC技术作为硬件设计的皇冠，在人工智能的大趋势下，很多人觉得芯片设计应该是工程师最后的堡垒。但目前看来，这个堡垒也很可能很快被人工智能攻克。

NVDIA在2020年9月份公开了一篇研究文章《Accelerating Chip Design with Machine Learning》介绍了利用人工智能AI来进行芯片IC设计的可行性。文章中介绍了“机器学习的最新进展为改变芯片设计工作流程提供了机会。我们回顾了最近在自动设计空间探索、功耗分析、VLSI 物理设计和模拟设计领域应用深度卷积神经网络和基于图的神经网络等技术的研究。我们还提出了人工智能辅助自动化芯片设计工作流程的未来愿景，以帮助设计人员提高生产力并自动执行优化任务。”

另外Cadance在电路仿真工具中也在使用人工智能技术AI来进行改进设计和功耗分析。

Cadence Design Systems在2021年6月2日宣布，专注于人工智能 (AI) 驱动的软件和硬件加速解决方案、专为边缘计算场景设计的领先创新者EdgeCortix, Inc.已部署多项 Cadence ®验证和数字工具，以加速其边缘 AI 芯片的设计和验证。特别是，Arm ® AMBA ® 3/4 AXI 标准的 Cadence 验证 IP (VIP)和使用 Cadence Xcelium TM逻辑仿真的更快仿真性能，使 EdgeCortix 能够将其验证环境的开发时间缩短到不到一个月，而 Cadence Genus TM合成溶液和焦耳TM RTL 电源解决方案将功耗分析时间缩短了 2 倍，同时具有更好的功耗、性能和面积 (PPA)。

利用人工智能进行AI设计最典型的公司就是Google，作为研制出阿尔法狗的公司，其在人工智能领域的地位也是无人能出其右的。

任何 IC 设计中最耗时的方面之一是芯片布局规划，即在满足设计约束的同时优化功率、面积、性能和信号完整性的各个电路块的布局。

最近，谷歌关于在芯片布局中使用“深度强化学习”的论文发表在《自然》上，这是一种加速 IC 设计的解决方案。

谷歌的解决方案使用专门开发的基于边缘的图神经网络，将芯片的网表作为输入，生成边缘和宏嵌入作为输出。然后将此输出传递给前馈神经网络，该网络输出有用芯片特征的学习表示。这个过程不断重复，优化平均线长、拥塞、面积、功率和性能。

在《Placement Optimization with Deep Reinforcement Learning》文章中，谷歌发现这个过程可以在人类所需时间的一小部分内完成芯片布局规划。此外，这项技术还可以分析比人类更多的设计可能性，使其能够在更短的时间内推出更便宜、更小的芯片设计。

这对我们工程师的影响到底有多大呢？

人工智能的应用对设计人员的冲击肯定是有的，但也不必太过担忧。人工只能通常会取代较低级别的设计问题，比如谷歌论文中指出的layout问题。类似于传统的自动化一样，凡是具有自动化潜力的设计，一般也不需要工程师去花费太多的时间和知识去进行深入研究设计。

这样呢，可以让设计工程师腾出时间来专注于更为重要的设计方面。IC 设计流程中更多涉及的阶段通常需要更深厚的专业知识、特定于应用的知识和多年的培训，这使得人工智能不太可能将其自动化，但至少目前还不会，将来，谁知道呢？

参考文献：

Entering the Era of AI IC Design: Where Do EEs Fit In? www.allaboutcircuits.com
Google Proposes AI as Solution for Speedier AI Chip Design， www.allaboutcircuits.com
Accelerating Chip Design with Machine Learning，https://research.nvidia.com
EdgeCortix Collaborates with Cadence to Accelerate AI Chip Design，www.cadence.com

注释：【射频学堂】转载，原创的所有文章皆归原作者所有，分享旨在学习，如有异议，请联系射频学堂删除或者更改。祝您在射频学堂，学习多多，收获多多！

来源：射频学堂

System 化学电源电路信号完整性电子芯片 Cadence 人工智能

著作权归作者所有，欢迎分享，未经许可，不得转载

首次发布时间：2023-03-14