生成式 AI （3/4）：如何缓解人才短缺，促进芯片

在去年于美国硅谷举办的 CadenceLIVE Silicon Valley 2023 用户大会上，生成式 AI 小组的讨论备受关注。前几篇文章里，我们提到了生成式 AI 能够推动变革（第一篇），以及如何处理可能出现的错误及其对芯片/系统设计的影响（第二篇）。本文是第三篇文章，聚焦点是：

“生成式 AI 能否缓解人才短缺，促进多元化的芯片设计”？

讨论主持人强调，电子设计开发亟需更多掌握完备技能的人才。目前众多公司都在进行自主芯片设计，对人才的需求旺盛；在这种背景下，生成式 AI 能否降低行业门槛，帮助那些对电路、芯片或系统设计感兴趣的人入行？由 AI 驱动的工具能否协助工程师设计不同类型的芯片，催生出新的创造发明？

以下为小组各方代表的回答总结。

1. 芯片设计应用会更简单、快速

Meta 公司

在不久的将来，芯片设计应用会变得更简单、更快速，侧重于增强现有的设计，而不是创造全新的设计。当前的生成式 AI 技术可能无法给设计带来根本性的改变，因为技术还没有普及。

但简化芯片设计流程有据可循——语言模型可以很好地按顺序处理步骤或词语。这些模型会反复经历相同的设计流程，分辨出重复任务中的细微差别，可以更有效地预测和优化每个步骤。在这一点上，人工难以企及，而语言模型可以轻松胜任。

在塑造未来芯片设计的过程中，AI 将发挥关键作用。我们可能会见证一个不断自我重复的循环：设计出专门支持生成式 AI 的 AI 芯片，用于自动设计更加先进、更加高效的芯片。随着时间的推移，这一过程会不断自我改善，打造出性能更强、更先进的 AI 芯片。

2. 芯片开发的重点会转向何方？

Cisco 公司

在未来，芯片中集成的元器件将发生重大变化。最终应用可能基本上保持不变，但开发的重点将转移到芯片功能的算法上。人们对 AI 的理解越来越深入，从而推动 AI 技术的发展，这是一个不断产生正向反馈的循环。

专业的计算结构将有助于形成这种循环，让 AI 与更多问题都能够相关联。最终，芯片的计算推理将有利于加速机器学习，促进创新，催生出各种不同的芯片类别。

3. AI 提升生产力的进一步意义

Cadence 公司

AI 有可能将我们的生产力提升 10 倍以上。基于Cisco 公司的观点，如果没有 AI 带来的大幅生产力提升，特定的芯片或技术将难以开发，或者尽管技术上可行，但生产力没有同步提高，因此在经济上没有可行性。AI 将催生出新型芯片的创造，并促进芯片的开发工作。

加州大学伯克利分校

在过去，无论是从经济角度还是技术角度，使用生成式 AI 解锁各种应用都不可能实现。过去因成本过高、或开发过于复杂而搁置的各种应用，现在都有可能实现。我们可以加速工具流程中那些难度大、对经验要求高的步骤，从而进行更多实验。这样我们就可以大胆试错，有的可能一举成功，创造亿万美金的价值，有的也可能完全失败。

Arm 公司

业界都在努力提高效率，我们可以尝试从新的来源获得答案，解锁之前难以想象的机会。例如，3D 技术和工程学的融合带来了许多人类工程师难以解决的挑战。在生成式 AI 的帮助下，我们可以发现之前从未考虑过的解决方案。

我们可能听说过或者目睹过大型语言模型的“幻觉(hallucination)”现象，那么，在芯片或系统设计中使用生成式 AI 会遇到哪些类似的陷阱？

从人工智能驱动的 IC 和 SoC 设计、人工智能验证、PCB 设计到基于 AI 的多物理场分析，Cadence 正在利用 AI 的变革性力量，打造更高生产效率、更具创新可能与智能系统化的解决方案，如用于多物理场分析优化的Cadence Optimality Intelligent System Explorer，其突破了传统优化过程耗费人力的这一限制，在不影响精确度的情况下可将生产力提升10倍。