使用人工智能(AI)可以降低設計成本，提高產量和性能，縮短產品上市時間，從而獲得更好的芯片。新思科技(Synopsys)、楷登電子(Cadence Design Systems)和許多超大規模芯片設計公司目前正在采用生成式AI來推動芯片設計。我們可以將其視為電子設計自動化(EDA)的第二代人工智能。而這將帶來什么變革?

　　每個芯片都需要經過一系列設計和測試應用，這些應用通常來自EDA供應商，如Synopsys和Cadence。幾年前，Synopsys率先應用人工智能，推出了名為DSO.ai的工具，幫助芯片設計團隊評估約109萬種潛在的設計方案，每種方案都可能產生不同功耗、性能和成本的芯片。DSO.ai和它的主要競品Cadence Cerebrus可以節省大量的工程時間，能夠將后端流程從數月縮短到數周，參與人員從一個完整的團隊縮減到一兩個工程師。多家公司都表示，有數百家客戶使用了他們的AI工具，并獲得了客觀收益，而如今人工智能在芯片設計領域的應用有了更多進展。

　　有什么變化？

　　最近一段時間，EDA市場不斷發展，以利用生成式人工智能來改進工作流程。此前從物理布局到設計驗證，再到測試和制造，業界已經將有效的老式人工智能(GOFAI)應用到了各個方面。許多供應商稱這種人工智能為生成式人工智能，這為協助工程團隊開辟了新的途徑，但它并非基于大型語言模型(LLM)，LLM不會取代現有的EDA人工智能。

　　那么，AI是如何幫助芯片設計人員呢?

　　Synopsys

　　Synopsys的新CoPilot工具就是一個很好的例子。Synopsis.ai CopPilot于2023年11月發布，是業界首個用于芯片設計的GenAI。作為與微軟Azure深入合作的產物，Synopsys.ai Copilot將Azure上的OpenAI生成式人工智能服務引入半導體設計。Synopsys.ai云服務專門托管在Azure上，兩家公司在微軟的Cobalt100和Maia 100AI加速器上有合作。

　　新的Synopsys Copilot是Synopsys與微軟戰略合作的成果，旨在整合Azure OpenAI服務，將GenAI的強大功能帶入最復雜的工程挑戰之一，即半導體設計。

　　微軟工業云和全球擴展團隊的商業副總裁科里·桑德斯(Corey Sanders)表示：“我們與Synopsys的合作建立在通過云端和人工智能加速半導體創新的共同愿景之上。微軟的工程團隊與Synopsys緊密合作，為EDA帶來了生成式AI的變革力量，這將為使用Synopsys.ai Copilot的半導體設計工程師提供基于Microsoft Azure的最佳AI基礎架構、模型和工具鏈。”

　　從Synopsys的網站上，可以看到這項意義深遠的合作旨在提供以下服務：

　　人工智能驅動的全新體驗：Synopsys.ai Copilot與設計人員一起使用他們日常使用的Synopsys工具，在整個設計團隊中實現自然語言智能對話。

　　大規模人工智能基礎架構：Synopsys.ai Copilot可在內部部署或云計算環境中部署，它集成了Microsoft Azure高性能計算基礎架構，具有可用性、經濟性和容量，可為高級芯片設計和驗證應用處理AI工作負載。

　　安全負責的設計：雙方合作的基礎是共同關注構建安全可信、負責任的人工智能系統。該框架旨在促進人工智能技術的安全部署，以創建新的硅基應用。

　　Cadence

　　在過去的一年中，Cadence一直在構建和擴展其生成式人工智能產品組合，最近又宣布與瑞薩電子(Renasas)合作構建生成式人工智能，以提高半導體質量和設計團隊的生產力。瑞薩電子高級副總裁兼CEO吉岡真一(Shinichi Yoshioka)表示，確保規范與設計之間的一致性至關重要，而驗證成本隨著設計功能的復雜性而增加。瑞薩電子與Cadence合作開發了一種新方法，利用生成式人工智能的LLM來應對這一挑戰，通過有效控制設計質量，大大縮短了從規范到最終設計的時間。瑞薩電子也是Cadence Cerebrus芯片、Verisium人工智能驅動驗證以及Cadence聯合數據和人工智能(JedAI)平臺的早期采用者，該平臺通過設計和規則的通用數據庫支撐整個設計流程。

　　用于EDA的內部人工智能

　　將人工智能應用于設計流程的一些創新來自谷歌和英偉達等超大規模公司和硬件設計公司。盡管Synopsys和Cadence等EDA供應商提供的工具非常出色，但它們并不能完全體現芯片團隊積累的經驗和專業知識。英偉達利用電子郵件、問題清單和其他數據建立了一個名為ChipNeMo的專有大語言模型，工程師無需向資歷更深、經驗更豐富的工程師尋求幫助。英偉達研究主管比爾·達利(Bill Dally)說：“事實證明，我們的資深設計師花了大量時間回答初級設計師提出的問題。如果這個工具可以節省了高級設計師的回答時間，那么這個工具就非常有意義。”

　　英偉達和亞馬遜(AWS)近日宣布，他們正在建造一個新的超級計算機Project Ceiba，由16384顆GH200 Arm-GPU超級芯片組成。Ceiba將是世界上最快的圖形處理器(GPU)驅動的人工智能超級計算機，這一超級計算機將專門用于英偉達工程團隊創建新模型以及設計和測試新的GPU。顯然，英偉達相信人工智能及其GPU在加速芯片路線圖方面至關重要，英偉達已于今年早些時候宣布了這一流程。

　　何去何從？

　　在邏輯設計完成后的短短幾個月內，EDA的各種人工智能模型最終將生產出速度更快、成本更低的芯片。工作流程的后半部分也將壓縮。這將極大地改變和減少芯片設計人員的數量。工程師的工作將越來越多地集中在富有創造力的部分，以更高的薪酬創造新的設計邏輯，而不再是繁瑣的重復性勞動。

　　可以看到這種變革正在實現。英偉達最近宣布，將把開發和發布新芯片的速度提高一倍。這并不是因為研發費用翻了一番，而是因為依靠人工智能縮短了設計周期。該公司已經建立了內部超級計算機，現在利用AWS托管服務供內部工程使用。Selene和Helios等系統為英偉達帶來了競爭優勢，并同時應用于LLM研究和芯片設計。