马斯克起诉微软：杀“人”诛“芯”，芯片工程师就是下一个目标

    人工智能的战争正愈演愈烈。一封呼吁暂停训练人工智能系统训练的公开信，得到了特斯拉首席执行官马斯克、苹果公司联合创始人史蒂夫·沃兹尼亚克等数千名科技界人士联署。

   4月20日，马斯克在推特上发文称，“（微软）非法利用推特的数据来训练。是时候起诉他们了。马斯克还对人工智能的危险性提出了警告，认为它比汽车、飞机和毒品等其他事物会造成更大的社会风险。他担心如果人工智能失控将会毁灭人类文明、甚至灭绝人类。

     科技大佬们的担心是多余的吗？显然不是。在人工智能大行其道的当下，传统金融、零售、制造业乃至艺术领域都已经出现人工智能的身影，而更为复杂的芯片制造领域目前也已经被人工智能所触及。

   伴随这股热潮而来的，自是“ChatGPT将会取代某些工作”的分析，其中高危就是技术工种，杀“人”诛“芯”，芯片工程师，就是下一个目标。

    首先，这当然不是危言耸听，而是我们芯片制程的现实所迫。当前，全球芯片行业正在重塑。一方面，各国的芯片自主需求提高，人才需求前所未有地增长。

    另一方面，芯片工艺要求提高和需求增长矛盾造成的产能紧缺，导致出现当下的缺芯危机。为了应对行业挑战，产业上下游正积极寻找应对方案。而使用人工智能应对芯片日趋复杂的芯片设计任务，或许是解决当下困局的一种可能。

    其实，在早期的半导体设计的确需要大量人工参与，包括手工绘制电路图、制作掩模、连接器件导线甚至机械切割等操作，需要训练有素的技术工人使用特殊设备进行手动操作。随着芯片制造工艺的不断发展，由最初的3微米逐渐降至0.1微米，90纳米、16纳米、芯片复杂度急剧提高。

   后来，上世纪80年代，电子自动化（EDA）工具诞生，改善了这一现象。开发人员利用计算机辅助设计软件，实现了超大规模集成电路的功能、逻辑、综合验证以及物理设计等复杂流程，取代了之前人工手工设计的方式。

     这种技术的出现，不仅加速了芯片制造的进程，而且提高了芯片产品的质量、可靠性和性能。同时，EDA技术也多次引领了计算机科学和信息技术的发展趋势。这也可以看做是芯片领域，机器替代人工的雏形。

     但是在芯片规划中，需要在几十到数百平方毫米的微型芯片上布局内存、逻辑系统以及计算单元等多个模块，并且要在严格的约束条件下使用细导线将各个模块相连，这带来的提升还远远不够。

     于是，科学家们提出过了基于爬山法、模拟退火算法以及解析解算器的三大类算法方法进行芯片布局规划，但最终都未能达到或超越人类工程师的布局水平。因此，目前为止，芯片布局规划还未实现完全自动化。

     更何况，道高一尺魔高一丈。从最初只有少量晶体管到现在数十亿个晶体管规模，芯片目前正在发展到2纳米。以英伟达新核弹H100为例，集成了800亿个晶体管，想要突破是难上加难。

    因此，虽经过40多年的发展，芯片设计依然是一个成本极高、过程极为复杂、周期非常长，并对人员专业素养要求极高的行业。

    而实现一颗高端芯片的开发往往需要1到2年的周期，并且需要投入成千上百亿计的设计流片的成本，同时需要组建由上百人甚至上千人的工程师团队来完成设计、开发、验证和测试等任务。毫不夸张的说，芯片制造工艺已经接近量子级别难度。

    当然，任何新兴技术都像一个奇点，充满无限可能、无限想象。你永远无法想到它将以怎样的姿态呈现在人们的面前。Ai的出现使得以上的前提，都站不稳脚跟。

    早在21年，谷歌就在《自然》杂志发表了论文《面向快速芯片设计的图布局方法》该论文中公布了谷歌在人工智能驱动芯片设计方面的最新结果。

     论文中描述了如何使用强化学习技术实现高质量的自动芯片floorplan。谷歌团队早在之前就已经成功地运用强化学习技术，在围棋领域创造出震惊世界的佳绩，击败了世界冠军李世石。

     事实上，芯片布局和围棋有着很强的相似性，它们均需要在一个巨大的自由空间中搜索最优解，以达到最大化回报函数的目的。谷歌的研究人员就此提出了基于深度强化学习的芯片布局方法。

    其目标是将电路组件和标准单元的网表节点映射到一个芯片画布上，以实现功率、性能和面积(PPA)的最优化，并遵守布局密度和布线拥塞的限制。

    谷歌表示，他们的系统具备“重大影响”的推广和生成“高质量”解决方案的能力，为芯片设计过程的早期阶段的优化提供了机会。

   与此同时，另一巨头，NVIDIA也研发了一种名为PrefixRL的深度学习方法，用于芯片设计。该模型证明了AI技术可完全自主地进行电路设计，并使用最新的EDA工具制造出更小更快的电路。NVIDIA架构包括13,000个基于人工智能设计的电路。

   英伟达还表示，其自动化工具可以让人工智能不仅模仿人类芯片设计者的风格，积累芯片设计经验，甚至找出人类设计过程中可能存在的错误。借助这个新工具，用户只需提供设计目标和必要参数，即可在最短时间内完成芯片设计。

   那么，除了科技巨头对钞能力的应用，中小企业会在里面分到一杯羹吗？某网站访问了一家芯片公司的创业者。他表示随着ChatGPT的不断完善，其在芯片设计方面的应用对于低级别的设计人员而言将变得不再必要。

    通过在线查找相关数据并进行代码查询等工作，虽然能够在现有文档中完成，但通常需要耗费约10分钟的时间。相比之下ChatGPT只用30s内就可以从网络上获取相关数据。

     因此，从管理者的角度来看，ChatGPT可以成为降低用工成本的重要利器。不过，同时管理者，也强调越具体的工作AI虽容易完成，但是回答总是很抽象。

    让我们回到最初的问题，Ai技术的开展，真的会把芯片工程师取代吗？想必各位看官已经有了自己的答案。

     我们上述的的所有前提都是在工程师提前设定了解题方法的情况下完成的。其所有操作一切都是通过计算学习，并且以现有的资料信息为基础去开展自己的工作。而人会联想、推理，能依靠抽象产生完全新的内容，目前这些AI都还做不到。

   因此，芯片的制造在最终的决策环节,绝不能离开人的参与。芯片工程师还可以在自己的职位上继续发挥人类的创造力。

     人类的创新者如星光闪耀，为我们照亮未来的前路无限。从第一次蒸汽的轰鸣我们走进的工业革命，文化与科技的赋能如分子般渗透进人类社会的每层肌理。相信只要我们合理运用，Ai这个“终结者”，终结的只是我们突破想象力的那面高墙。