近日，紐約大學團隊的 Chip-Chat 項目和中科院計算所的 ChipGPT項目都引起了人們的關注。這兩個項目都是利用大語言模型自動生成芯片設計，標志著芯片自動設計領域邁出了重要一步。

　　雖然目前這些技術仍需要解決一些挑戰，但它們對于提高芯片設計生產力和創新能力具有巨大潛力。

　　ChipGPT 與 Chip-Chat 在芯片自動生成的方法上存在一些差異。ChipGPT 使用芯片規范說明作為輸入，通過提取有用的信息，并通過多個輪次的提示輸入，逐步生成設計方案。而 Chip-Chat 則更加自由，通過聊天的方式輸入，但需要更多的人工干預和反饋。

　　論文地址:https://arxiv.org/abs/2305.1401

　　在 ChipGPT 的研究中，還提到了三個關鍵問題:如何選擇模型的輸入內容、如何通過 Prompt Engineering 提升生成結果的質量、以及如何控制生成的硬件描述語言 (HDL) 在性能、功耗和面積之間達到最佳平衡。解決這些問題將是芯片自動設計的關鍵。

　　ChipGPT 的作者還指出，與傳統的敏捷方法相比，使用大語言模型的芯片自動設計方法可以減少代碼量5.32-9.25倍，并且在面積優化方面取得了47% 的提升。這意味著利用大語言模型可以顯著加速芯片開發，并且可以實現設計的優化。

　　然而，芯片自動設計領域仍然面臨一些困難，例如大模型的隨機性和魯棒性較差，缺乏全流程優化算法，以及芯片數據庫的短缺等問題。解決這些難題將是實現大模型在芯片自動設計中深入應用的關鍵。

　　總體而言，中科院的 ChipGPT 項目為芯片自動設計領域帶來了新的希望和機遇。雖然還有一些挑戰需要克服，但利用大語言模型的芯片自動設計方法有著巨大的潛力，可以提高芯片設計的生產力和創新能力。