人工智能既是進化性的，也是革命性的，因此很難評估它將被用于何處、如何使用以及可能出現(xiàn)哪些問題。

EDA 供應(yīng)商正在加緊在其工具中使用 AI/ML，以幫助芯片制造商和系統(tǒng)公司實現(xiàn)產(chǎn)品差異化。在某些情況下，這意味著使用人工智能來設(shè)計人工智能芯片，而人工智能芯片的功能和潛在問題在數(shù)量和廣度上都呈爆炸式增長。

還有待觀察的是，這些人工智能設(shè)計的芯片隨著時間的推移表現(xiàn)如何，以及人工智能究竟能在哪些方面為設(shè)計團隊帶來益處。所有這些都需要與沒有使用人工智能增強工具、進行標準計算的設(shè)計進行比較。

在某些方面，人工智能是對 EDA 供應(yīng)商已經(jīng)提供的軟件的進化改進。Cadence 數(shù)字與簽核集團產(chǎn)品管理副總裁 Kam Kittrell 說："我們過去所說的'計算軟件'已經(jīng)變成了人工智能。我們非常擅長創(chuàng)建這類與人工智能相關(guān)的算法，因此我們可以掌握并開發(fā)人工智能技術(shù)，從而使我們的產(chǎn)品變得更好。"

在這一點上，如果說人工智能的能力有局限性的話，那么局限性并不明顯。Kittrell 說：通過使用大型語言模型，我們可以讀取規(guī)范，并確定特定設(shè)計的問題所在。這就好比你的團隊中多了一位工程師來審查規(guī)格，從而大大縮短了調(diào)試時間。這可以推廣到許多不同的領(lǐng)域，因為使用 LLM 技術(shù)可以自動生成大量由規(guī)范生成的附帶資料。它可以大大縮短你的日程安排。

Quadric 首席營銷官 Steve Roddy 說：我們認為 EDA 是使用模式匹配和機器學習的完美目標。這是一種經(jīng)典的類固醇最小切割算法。你要放置數(shù)十億件東西，而且要盡量減少電線越界。不同世代的 EDA 工具所采用的算法都在不斷迭代，它們都使用一些復(fù)雜的啟發(fā)式算法來計算，如果我放置所有這些東西，怎樣才能獲得最短的平均導線長度以及最少的導線和交叉數(shù)量。當我們只有兩到四層金屬時，這很容易做到。現(xiàn)在，你可能有 14 層金屬和 82 個掩膜。這太瘋狂了。

盡管如此，EDA 行業(yè)仍然小心翼翼，因為這事關(guān)重大。發(fā)現(xiàn)設(shè)計中的非法線路交叉或錯誤是一回事。而假定所有重大問題都已被發(fā)現(xiàn)則是另一回事。與其他 EDA 工具一樣，所有這些都需要集成到現(xiàn)有的流程和模型中，而這并非易事。

Synopsys 公司產(chǎn)品線管理高級總監(jiān) Arvind Narayanan 說：我們著眼于從架構(gòu)到制造的整個 EDA 堆棧，以找出瓶頸所在。在存在大量人工迭代循環(huán)的地方，人工智能有很多機會幫助提高生產(chǎn)率。例如，從項目周期來看，數(shù)字實現(xiàn)是設(shè)計流程的關(guān)鍵部分，設(shè)計人員需要花費大量時間從 RTL 設(shè)計到物理實現(xiàn)和簽核。人工智能可以自動分析解決方案空間并優(yōu)化設(shè)計 QoR 目標，而不是設(shè)計人員手動迭代，這一步可以大大受益于人工智能。

一些客戶擁有自己的高級人工智能/ML 方案。Keysight 的 EDA 產(chǎn)品經(jīng)理 SteveSlater 說：他們想要做的是用一組新數(shù)據(jù)調(diào)用仿真器，這就會稍微改變當前的狀態(tài)?？蛻糇约旱?AI/ML 基礎(chǔ)架構(gòu)取代了 EDA 工具的主導地位。你可以想象他們試圖對所有可能的角情況進行巨大的參數(shù)掃描，而現(xiàn)在他們正在使用 AI/ML 進行更好的預(yù)測。

這是 Keysight 勾畫出的五級層次結(jié)構(gòu)中的第一級，為他們思考人工智能的潛力提供了基礎(chǔ)。第二種方法是將 LLM 置于 EDA 工具中，創(chuàng)建特定領(lǐng)域的聊天機器人，以支持實時客戶互動。第三種方法是人工智能輔助設(shè)計和路由。"要知道，自動路由器已經(jīng)存在了很長時間，"Slater說。"真正的問題是，技術(shù)是否有飛躍性的進步，使人們能夠以更快的速度進行設(shè)計。也許這意味著你需要建立一個巨大的優(yōu)秀設(shè)計實例庫，人工智能可以根據(jù)這些實例進行訓練。"

此外，人工智能還可用于建立更好的模型，并通過利用更多的人工神經(jīng)網(wǎng)絡(luò)來加快模擬器的速度。Slater說：有基于物理學的分析模型，但你必須獲取大量測量數(shù)據(jù)才能達到目的。"如果你能利用人工智能啟發(fā)式網(wǎng)絡(luò)創(chuàng)建一個在曲線擬合方面同樣出色的模型，但關(guān)鍵是不需要那么多輸入數(shù)據(jù)，而且由于模型是基于神經(jīng)網(wǎng)絡(luò)而不是復(fù)雜的網(wǎng)表，因此執(zhí)行速度更快，那會怎么樣呢？"

人工智能的一個好處是，它可以讓工具運行模擬，并決定哪種方法是每種情況下的最佳選擇，從而省去了在啟發(fā)式方法上花費的一些時間。西門子 EDA 項目總監(jiān) Russell Klein 說：這個過程可以變得更加智能、更加正確，這將使工程師更容易描述算法，并在高級綜合過程的另一端獲得良好的電路。

但是，這其中也有取舍。雖然人工智能可以提高模擬速度，但卻要以犧牲準確性為代價。此外，雖然大型語言模型能夠理解向其提出的問題，但其返回的實際答案需要結(jié)合上下文。Slater說："它仍然需要 EDA 供應(yīng)商或軟件供應(yīng)商來提供和整理上下文語境。如果你利用的是一個非常龐大的信息數(shù)據(jù)庫，那么生成式人工智能就能給你帶來驚人的效果，但當涉及到設(shè)計時，這些信息可能并不是現(xiàn)成的"。

芯片層面的挑戰(zhàn)

在人工智能芯片方面，數(shù)據(jù)中心使用的芯片與邊緣使用的芯片存在巨大差異。在數(shù)據(jù)中心，生成式人工智能會產(chǎn)生 "幻覺"，而高級定制硬件則會導致無聲數(shù)據(jù)錯誤。眾所周知，兩者都會產(chǎn)生錯誤的結(jié)果，這在一般的搜索引擎中可能不是問題，但在軍事或金融行動中可能是災(zāi)難性的。

更糟糕的是，人工智能解決方案是依賴于領(lǐng)域的。在企業(yè)界，金融機構(gòu)和保險公司等較為成熟的行業(yè)都在試圖加速并盡快進入人工智能領(lǐng)域，領(lǐng)導zSystems架構(gòu)開發(fā)的IBM研究員克里斯蒂安-雅各比（Christian Jacobi）說。然而，這些公司的客戶和監(jiān)管機構(gòu)對他們的行為方式有著截然不同的期望。你不會想向銀行的聊天機器人提問，然后讓它宣布愛上你吧。

HPE人工智能首席產(chǎn)品官埃文-斯帕克斯（Evan Sparks）說，這是復(fù)雜性之一。"我們正在與許多客戶合作，他們的架構(gòu)正在從重 CPU 轉(zhuǎn)向更重 GPU。我認為不會就此止步。還有一種替代方案－－我們稱之為 AI 原生架構(gòu)--這是一種超越微處理器芯片的系統(tǒng)，專門用于解決這些工作負載。在人工智能原生架構(gòu)中，你確實需要考慮堆棧的所有層次，從芯片的選擇（可能是用于模型訓練和評估問題的定制芯片）到互連、存儲，再到位于頂層并幫助最終用戶實際對這些東西進行編程并使其應(yīng)用程序高效運行的軟件。我們?nèi)蕴幱谶~向未來的初期階段。"

在邊緣領(lǐng)域，人工智能被內(nèi)置到更小更不復(fù)雜的系統(tǒng)中，潛在的隱患可能會截然不同。Expedera 首席科學家 Sharad Chole 說：當人工智能處于邊緣時，它需要與傳感器打交道，而這些數(shù)據(jù)是實時生成的，需要進行處理。傳感器數(shù)據(jù)如何進入，人工智能 NPU 處理這些數(shù)據(jù)的速度有多快，這在需要緩沖多少數(shù)據(jù)和需要使用多少帶寬方面改變了很多事情。整體延遲情況如何？我們的目標是盡可能降低延遲，因此從傳感器的輸入到可能進入應(yīng)用處理器或進一步處理的輸出，我們希望盡可能降低延遲，并確保能夠以確定的方式處理數(shù)據(jù)。

此外，半導體器件必須在利潤微薄的情況下滿足實際需求，這意味著任何宣稱的人工智能差異化都必須為客戶帶來實際價值。Quadric的Roddy說："半導體公司一直在為幾分錢爭得頭破血流。你無法通過微小的邊際變化實現(xiàn)差異化。如果你能把每次推理的能量提高 17% 或更多，那也只是曇花一現(xiàn)的微小差別，不足以打破現(xiàn)有公司的慣性思維。你需要的是有本質(zhì)區(qū)別的東西，或者是使用方式大不相同的東西。你不僅要在數(shù)量級上做得更好，你還必須在數(shù)量級上做得更好"。

這是一個挑戰(zhàn)，因為許多應(yīng)用都非常特殊。瑞薩公司業(yè)務(wù)開發(fā)經(jīng)理 Nalin Balan 說："人們在制造產(chǎn)品時會考慮不同的因素。首先，他們希望保持合理的物料清單。你不能以增加產(chǎn)品成本 1000 倍的代價來實現(xiàn)智能化。因此，第一個問題是，如何做到這一切，并保持合理的材料成本？第二個問題是通用性。你所采用的人工智能能否在你所期望的產(chǎn)品部署的典型操作條件下實現(xiàn)通用化？例如，智能家居設(shè)備必須在不同類型的背景噪音、復(fù)雜定位和其他情況下工作。你如何確保它能做到這一點？"

Roddy指出，還有一個重要的考慮因素。"需要解決的問題會在兩三年內(nèi)保持穩(wěn)定嗎？到目前為止，答案是'不'，因為隨著新數(shù)學模型的發(fā)明和探索，機器學習和人工智能每年都在發(fā)生巨大的變化"。

不同的起點

值得注意的是，盡管取得了進展，但人工智能領(lǐng)域仍在繼續(xù)爭論人工智能究竟是什么、什么是人工智能公司（這是初創(chuàng)公司繼續(xù)獲得資金的一個基本要素）以及未來人工智能的最佳應(yīng)用方式和地點。

Imperas公司副總裁拉里-拉皮茲（Larry Lapides）說："這有兩個層面。一個是 SoC 層面，有人生產(chǎn)支持人工智能的 SoC。他們不僅僅是在芯片上安裝處理器。他們將提供一個軟件堆棧。然后，用戶可以把它放在自己產(chǎn)品的電路板上。第二個層次是生產(chǎn)將人工智能融入產(chǎn)品的人，無論是數(shù)據(jù)中心插件還是邊緣物聯(lián)網(wǎng)。這不僅僅是一個帶有軟件的 SoC。它實際上提供了一個真正的人工智能子系統(tǒng)，能夠與更大的環(huán)境對接。"

Lapides 指出，針對底層 SoC 架構(gòu)優(yōu)化人工智能算法是一項重大挑戰(zhàn)。"數(shù)據(jù)如此之多，場景如此之廣，需要進行大量的、有效的、持續(xù)的軟件模擬，以達到人工智能的性能要求和預(yù)期的結(jié)果準確性"。

對某些人來說，這只是簡單的數(shù)學問題。"還記得 30 年前我們在 Excel 中做曲線的線性近似嗎？你有一堆點，然后為具有最佳回歸擬合的點畫一條線，或者你可以嘗試二次函數(shù)或其他公式，"IBM 的Jacobi說。"如今的人工智能不過如此，但它不再使用二次函數(shù)和 10 個點或 100 個點，而是使用數(shù)十億個點來進行本質(zhì)上的最佳擬合回歸。"

然而，并非所有人都同意這一點。比起人工智能公司與非人工智能公司的區(qū)別，更容易指出人工智能做了什么--而且做得很好。Expedera 市場營銷副總裁保羅-卡拉祖巴（Paul Karazuba）說："要成為一家人工智能公司，你的產(chǎn)品必須與人工智能有密切聯(lián)系。舉例來說，如果你是一家搜索引擎優(yōu)化公司，你在軟件堆棧中加入了生成式人工智能，幫助客戶獲得更好的搜索引擎優(yōu)化結(jié)果，那么你絕對是一家人工智能公司。如果你在招聘中使用人工智能，而你的產(chǎn)品是鉛筆，那么你就不是一家人工智能公司。人工智能在你的產(chǎn)品或服務(wù)中必須有一個可定義、可解釋的用途，這對產(chǎn)品或服務(wù)的成功不可或缺。而且你應(yīng)該能夠量化你的主張，并得到第三方的支持"。

同樣，西門子的Klein也對定義進行了界定。"一家人工智能公司正在構(gòu)建一個電子系統(tǒng)，該系統(tǒng)使用人工智能來實現(xiàn)其部分功能，而人工智能算法則以某種方式在硬件或軟件中實現(xiàn)。它可以是在處理器上運行的軟件，也可以是在 GPU 或 TPU 中加速的東西，或者是用于進行這種人工智能的定制硬件加速器。"

不過，真正的差異化與未來主義的承諾無關(guān)。IBM 的Jacobi說，讓公司脫穎而出的是對工程基礎(chǔ)的關(guān)注。"了解你的問題。你真的在設(shè)計下一個重大突破嗎？還是你說服了自己，但卻沒有做適當?shù)难芯浚恢雷约阂鉀Q什么問題。如果你只是想構(gòu)建一個最大、最糟糕的浮點矩陣乘法引擎，那它到底能解決什么問題？你需要一個整體的方法。例如，為什么要優(yōu)化事務(wù)環(huán)境中的吞吐量？用戶可能愿意為自動完成等待半秒鐘，但在這半秒鐘之后，他們想要的是 20 個字。這其中有各種各樣的權(quán)衡。只有當你知道你的設(shè)計目的是什么時，你才能設(shè)計出你的解決方案。"

這就是人工智能公司的定義。"人工智能不是建立模型。人工智能是一門工程學科，"瑞薩科技業(yè)務(wù)加速和全球生態(tài)系統(tǒng)高級總監(jiān) Kaushal Vora 說。"與工程學中的任何學科一樣，首先要了解你要構(gòu)建的內(nèi)容，包括系統(tǒng)的限制條件，以及你如何利用系統(tǒng)來收集完整性高、覆蓋范圍廣的數(shù)據(jù)，并在決策所依據(jù)的特征中實現(xiàn)足夠的分離。然后是建立模型、部署模型，然后再弄清楚如何在部署后對系統(tǒng)進行維護"。