原标题：用人工智能设计芯片及对IC设计就业市场的影响

来源：EETOP编译整理

集成电路 (IC) 设计是一项复杂的工作，不断突破密度和性能的界限。现在，人工智能 (AI)在 IC 设计中的作用越来越大。

虽然 AI 最近因其在 ChatGPT 等自然语言处理器方面的惊人能力而受到更多关注，但该工具也被用于 IC 设计的各个阶段，包括设计优化、布局、仿真和验证。人工智能算法还可以帮助更有效地探索设计空间，比传统方法更快地发现最佳设计配置。

随着设计变得比以往任何时候都更加复杂，人工智能可以成为 IC 设计师的强大资产。

本文重点介绍了AI如何被用作IC设计的工具，以及这项技术如何影响IC设计工程师的专业价值。

利用 AI 来实现严格的设计约束

由于数十亿个晶体管被限制在一个很小的芯片区域，IC 设计师的任务是在严格约束的情况下优化设计。

首先，芯片面积必须最小，以适应当今设备的小尺寸，并降低制造成本。布局的功耗也是值得关注的；功耗同样会影响部署成本以及芯片对环境的影响。某些密集区域和配置容易过热，需要冷却机制或更巧妙的布局。考虑到这些因素和许多其他因素，IC设计人员大约需要八到九个月的时间来生成一个满足每个严格要求的芯片布局。

为了加快和优化 IC 设计流程，许多公司（包括科技行业的一些最大公司）现在都在投资 AI 工具来完成一些繁重的工作。

谷歌人工智能在几个小时内设计出芯片

据谷歌称，谷歌的深度学习强化学习 (RL) 方法可以在比人类工程师少得多的时间内生成有效的布局，而且结果在质量上也不相上下。

谷歌表示，谷歌的深度学习强化学习（RL）方法可以在比人类少得多的时间内产生有效的布局，而且结果在质量上也不相上下。2022年3月，谷歌研究院推出了PRIME，这是一种深度学习方法，利用现有的数据，如功率和延迟来创建加速器设计，比用传统方法设计的芯片更快、更小。

谷歌的PRIME实现了记录加速器数据来训练设计加速器的保守模型。

谷歌研究人员使用 10,000 个芯片平面图来训练他们的模型。人工智能生成的芯片设计时间不到六个小时。谷歌表示，这种方法已经被利用来实现谷歌的张量处理单元（TPU），这是谷歌基于云的机器学习应用的一部分。

EDA公司在AI设计系统上加倍投入

不仅仅是谷歌转向机器学习模型。像Synopsys和Cadence这样的EDA公司也在其最新工具中使用到AI技术。比如最近，Synopsys凭借其 Synopsys DSO.ai 自主芯片设计系统注册了 100 个商业流片。该系统最近的客户包括 意法半导体（ST)和 SK Hynix。

没有先验知识的 DSO.ai 案例研究（左）与有先验知识的 DSO.ai 案例研究。图片由Synopsys提供

ST 和 Synopsys 于 2022 年 2 月初首次在微软的云端使用 DSO.ai 来设计工作芯片。使用 Synopsys 的 DSO.ai 设计系统，结合 Microsoft Azure 上的 Synopsys Fusion Compiler 和 IC Compiler，该工具将功耗、性能和面积 (PPA) 指标提高了 3 倍以上，总功耗降低了 25%，并且显著缩小了芯片尺寸。

除了芯片设计，人工智能还在芯片测试和验证中找到了应用——芯片制造商在这两个领域花费了大量时间。为了解决这一设计阶段的问题，西门子发布了Questa Verification IQ，这是一个帮助IC设计工程师加快验证过程的软件平台。

英伟达用GPU设计GPU

NVIDIA（英伟达）为芯片设计设计了另一种深度学习方法。该公司制作了一个名为PrefixRL的 RL 模型，证明 AI 可以从头开始学习电路设计，并使用最新的 EDA 工具制造更小、更快的电路。NVIDIA 的架构由 13,000 个使用 AI 技术设计的电路组成。

PrefixRL 流程的描述。图片由NVIDIA提供

针对自动化单元迁移，该公司开发了NVCell，可以无错迁移92%的单元库。人类工程师可以对剩下的 8% 没有自动迁移的单元进行处理。NVIDIA 首席科学家 Bill Dally 表示：

“所以这就像一个 Atari 视频游戏，但它是一个用于修复标准单元中的设计规则错误的视频游戏。通过强化学习来研究和修复这些设计规则错误，我们能够基本完成我们标准的设计单元。”

人工智能对 IC 设计就业市场的影响

虽然人工智能可以自动执行传统上由IC设计人员执行的某些任务，例如布局设计和优化，但它也减少了设计过程中对手动方面的需求。虽然这提高了整体效率，但也可能导致IC设计的某些领域的最终工作被取代。

另一方面，人工智能还可以帮助 IC 设计人员更高效、更有效地开展工作。例如，AI 可以分析大量数据并提供见解，建议工程师以前可能没有考虑过的设计替代方案。这种趋势可以提高 IC 设计人员在行业中的价值，使他们能够专注于更复杂和更具创造性的设计方面，并最终生产出更好的产品。

不过人工智能不太可能完全取代对熟练IC设计师的需求。随着人工智能在行业中越来越普遍，对这类工程师的需求甚至可能会增加，因为在设计过程中，将需要能够准确验证和利用人工智能工具和算法的个人。