2022年,，人工智能的創(chuàng)作能力多次破圈,。 輸入關鍵詞，AI就可以做出成熟的作品,；現在ChatGPT不但可以對話甚至可以寫程序了,。當人工智能掌握了編程語言，這設定看起來像人類可以操控自己的DNA編碼,。從AI作畫到如今爆火ChatGPT,，人們驚嘆人工智能的學習能力。既然AI已經具備了“創(chuàng)作”的能力,，那是否可以勝任芯片設計呢,？除了設計環(huán)節(jié),，人工智能還可以應用在芯片產業(yè)的哪些環(huán)節(jié)？芯片產業(yè)會進入“無人”時代嗎,？

　　人工智能設計芯片的兩種思路

　　首先來談談,，人工智能能不能“創(chuàng)作”芯片。其實AI在芯片設計不是一個新的概念,，2000 年代中期,，機器學習已應用于 SPICE 仿真器的蒙特卡洛仿真，從而節(jié)省了電路設計人員的時間和精力,。如今,，隨著AI技術和芯片設計領域的研究同步深入，兩者的結合有了更多的可能性,。 人工智能在芯片設計中的應用有兩種思路,，第一種是真正意義上的讓人工智能去設計電路圖。 谷歌團隊在2021年發(fā)布論文《A graph placement methodology for fast chip design》,，該團隊提出了一種用于芯片布局規(guī)劃的深度強化學習方法,。在不到六個小時的時間內，人工智能自動生成的芯片平面圖在關鍵指標（包括功耗,、性能和芯片面積）上優(yōu)于或可與人類生成的平面圖相媲美,。在這一過程中，研究團隊將芯片布局規(guī)劃作為一個強化學習問題,，并開發(fā)了一種基于邊緣的圖卷積神經網絡架構,。將芯片版圖看作圍棋棋盤，將宏模塊看作棋子,，通過在大量內部數據樣本上預訓練,，最終超越了人類的布局方案。該研究團隊稱團隊的方法被用于設計下一代谷歌的人工智能加速器,，并有可能為每一代新產品節(jié)省數千小時的人力。 除了谷歌,，英偉達也在研究使用AI設計芯片,，英偉達表示Hopper GPU 架構擁有近 13,000 個 AI 設計電路實例。

　　英偉達PrefixRL AI 設計的 64b 加法器電路（左）比最先進的 EDA 工具（右）設計的加法器電路小 25%,，同時速度和功能相同

　　相對于第一種思路,，第二種思路更像是“曲線”AI，即通過人工智能技術讓芯片設計的軟件EDA變得更“智能”,。 EDA企業(yè)Synopsys推出了DSO.ai（設計空間優(yōu)化）,，這個軟件借助最新的機器學習技術搜索設計空間。具體來說,，芯片設計是一個可能性很多的解決方案空間,，搜索這個巨大的空間是一項勞動密集程度極高的工作,，通常需要多個星期才能完成，而且往往要依靠過去的經驗和群體知識作為指導,。DSO.ai可用于優(yōu)化芯片設計工作流程的輸入參數和選擇,，以滿足特定項目的確切需求。這種能力的第一個典型應用領域是優(yōu)化設計步驟和基礎工具設置,。 開發(fā)者可以使用DSO.ai搜索設計過程的其他許多輸入選項,。例如，DSO.ai可以微調庫單元以提供最佳頻率或最低功率,；采用現有平面圖并盡量縮小芯片尺寸,；確定多高的工作電壓會實現功耗與性能的最佳權衡；在定制時鐘結構或者電源分布網絡探索不同效果等等,。 北京大學集成電路學院林亦波研究員表示“AI for EDA是一條新技術路線,，目前國內外的研究均處于起步階段，且產業(yè)界和學術界都在積極布局,，是有望突破現有EDA軟件瓶頸的一種前沿技術,。”北京大學集成電路學院已經創(chuàng)建了首個致力于人工智能輔助芯片設計（AI for EDA）應用的開源數據集——CircuitNet,，這可為EDA相關研究提供數據支持,。

　　人工智能“做”芯片

　　人工智能不僅在設計環(huán)節(jié)找到了一席之地，在芯片的制造環(huán)節(jié)也已經發(fā)揮價值,。人工智能在半導體行業(yè)具有巨大的價值潛力,，晶圓廠和OSAT紛紛加大產能建設，并評估將人工智能和機器學習介入芯片制造,，能否帶來更大的效益,。 在臺積電，機器學習被用來實現自動缺陷分類（ADC）,，并保持高級缺陷分類識別的準確性,。2020年臺積電負責先進技術業(yè)務發(fā)展的一名高管就透露臺積電已開始利用人工智能和機器學習技術，用于芯片生產過程中的數據處理,。這名高管表示,，生產的芯片越多，從中學到的就能越多,，就能知曉哪兒容易出問題,，新材料或設備在哪一環(huán)節(jié)會出現意想不到的問題，就有更多的機會消除這些問題并簡化流程,。這名高管表示,，臺積電已在他們的設備中部署了大量的傳感器，確保任何有用的數據都能被收集,，他們利用人工智能和機器學習將數據轉化為相關的信息,，改善他們的芯片生產,，他們不浪費任何一個學習的機會。臺積電通過整合智能化行動裝置,、物聯網和移動式機器人,，結合智能自動物料搬運系統(tǒng)，以強化晶圓生產資料收集與分析,、有效利用生產資源,，發(fā)揮最大制造效益。 封測大廠日月光也引入AI設備預測技術,，以最快速度提供最佳參數,，提升先進制程精準度與良率。工研院電子與光電系統(tǒng)研究所所長張世杰表示,，工研院的AI人工智能設備預診斷技術,，可在產線直接判讀瑕疵，更可建立一套完整的資料庫,，解決傳統(tǒng)人為檢查失誤或品質不均問題,。 有了足夠的數據和人工調整，這些機器算法可以快速且極其準確地識別和分析圖像,，而無需工程師不斷地教機器缺陷究竟是什么樣子,。總的來說,，人工智能設備預診斷技術將有助大幅縮短解決問題時間,，同時可提升半導體制程良率，并加速產品上市時程,。 除此之外,，人工智能還可以在職能部門的庫存和零件優(yōu)化、定價和促銷,、客戶服務分析以及銷售和需求發(fā)揮作用,，也可以在庫房中實現重新定位和跟蹤項目或更復雜的流程。例如,，臺積電整合了人工智能,、機器學習、專家系統(tǒng)和先進演算法,，以建構智能制造的環(huán)境,。智能制造技術被廣泛地應用在排程與派工,、人員生產力,、機臺生產力、制程與機臺控制,、品質控制,，以及機器人控制等方面,，從而有效提升品質、生產力,、效率和彈性,，同時最大化成本效益，并加速全面創(chuàng)新,。

　　人工智能尚未無所不能

　　圍繞人工智能,，人們常常會討論的話題就是AI是否會取代人類的價值。人工智能在芯片的制造環(huán)節(jié)的應用更像是個“輔助”,，干著大量的工作,，又能保證準確率和速度。不可否認的是,，在這一環(huán)節(jié)人工智能的性價比可能已經超過了人類,。不過，在芯片設計環(huán)節(jié)AI還不能取代人類的地位,。 在芯片設計環(huán)節(jié)中,，人工智能仍有許多局限性。芯片設計中涉及的許多任務無法自動化,，因此仍然需要專業(yè)的設計人員,。英偉達負責相關研究的首席科學家表示即使有了AI的幫助，工程師仍然需要大量的專業(yè)知識,，因為強化算法有時會以不可預測的方式運行,，如果工程師未能發(fā)現這些錯誤，可能會導致設計甚至制造中代價高昂的錯誤,。對于DSO.ai是否會成為芯片設計的“一鍵完成按鈕”,，Synopsys產品工程總監(jiān)表示真正的能力仍然掌握在開發(fā)者手中。DSO.ai并非通過有限的手動搜索方式,，而是將搜索過程自動化,，同時由用戶決定關注哪些空間。未來的開發(fā)者將能夠借助人工智能,，以更高的抽象水平和處理能力完成設計過程,。開發(fā)者的角色將不再是安排和運行實驗，而是指導人工智能技術關注哪些設計空間,，以及最終根據經驗確定要實現什么目標,。這樣，開發(fā)者可以將更多時間用于分析具體問題,，并對預期結果做出更好的權衡,。 AI短期不能替代人類還有另外一個原因就是它的成本問題。使用 AI 往往很昂貴，因為它需要大量的云計算能力來訓練強大的算法,。但隨著計算成本的下降和模型變得更加高效,，AI會變得更容易獲得，在未來這可能不是一個大問題,。

　　芯片無人時代還未到來

　　人工智能可以通過自然語言與人類互動,；識別銀行欺詐和保護計算機網絡；在城市街道上開車,；玩國際象棋和圍棋等復雜游戲,。人工智能正在為我們周圍的許多復雜問題提供解決方案，但創(chuàng)造真正的新事物,，人工智能還要一段時間,。 據McKinsey研報，半導體領域的AI / ML在2021年創(chuàng)造了70億美元的價值,，占芯片收入的10%,，預計到2025年將上升到設備收入的20%達900億美元，其中,，人工智能在整個芯片制造過程中帶來的收益也將達到整體的40%,。不過眼前來看，人工智能還處于為人類服務,，輔助人類完成一些更加簡單,、流程化的任務的階段。如前文所說,，即便是能夠幫助縮短芯片設計時間,，人工智能發(fā)揮作用的環(huán)節(jié)是在大量的數據庫中優(yōu)化搜索，而非去開辟一個最優(yōu)解,?？梢哉f，在一段時間內,，人工智能仍是個“打工人”而不是科學家,。

更多信息可以來這里獲取==>>電子技術應用-AET<<