芯片流片成功率暴跌，引发深思

　　来源：内容来自Brian Bailey ，谢谢。

　　差不多一个月前，我们转发了一篇关于芯片首次流片成功率正在急剧下降的文章，具体可以参考阅读的文章。针对这个问题，半导体工程的编辑Brian Bailey表示，对于芯片来说，这只是冰山一角。在他看来，随着半导体行业的成功率下降，也许是时候重新考虑我们的优先事项了。

　　他引述Wilson Research/西门子最新功能验证调查的统计数据表示，功能正确且可制造的设计数量急剧下降。在过去一年中，这一比例从24%下降到仅14%。与此同时，落后于计划的设计数量也急剧增加，从67%上升到75%。

　　他指出，未来几个月，更多数据将会发布，他预计这些数据将揭示行业存在的系统性问题。

　　Brian Bailey直言，出现这种问题，人们很容易把所有原因都归咎于前沿设计。它们吸引了所有人的注意力。但这些设计的数量根本不足以解释目前所暴露问题的严重性。问题更为根本。它与人工智能有关，尽管许多人认为它是行业的救星、新的技术驱动力、下一个前沿领域。

　　人工智能对计算能力的要求远超传统半导体的进步速度，甚至超过了我们在架构上看到的提升。与此同时，开发或验证效率方面却没有取得重大突破，这意味着团队需要使用相同的工具，在相同甚至更短的时间内交付更多成果。这注定会失败。

　　认为人工智能会促进计算机设计，进而加速人工智能，使其更加强大，如此循环往复，这种想法是天真的。“人工智能根本无法提出支持这一目标所需的架构创新。它最多只能优化设计和实现，或许还能提高验证效率。”Brian Bailey直言。

　　硅谷诞生于“快速前进，快速失败，然后进化”的理念之下。尖端设计必须采用大量新技术才能达到如今的水平。光罩限制导致芯片向多芯片设计、新存储器和接口以及新计算架构迁移。问题在于软件的发展速度比硬件快得多。快得多。硬件无法跟上，这导致了一些近乎鲁莽的扩张，而这些扩张也注定会失败。

　　这或许可以解释为什么一些前沿设计会遇到问题。但其余的设计又如何呢？它们也感受到了来自人工智能的压力，每家公司都被问及它们的人工智能战略。它们或许并不确切地知道将如何使用它，也不知道它可能带来的长期影响，但它们知道必须有所行动，而且必须迅速行动，这会导致错误。缺乏稳定的第三方知识产权来帮助他们最大限度地减少知识差距和风险，使这个问题更加严重。

　　这个问题也延伸到了 EDA 领域。在这里，我们看到的直接答案是添加 AI，投入大量的计算能力来对实现进行微小的改进。AI 的另一个新兴用途是消除流程效率低下的问题，而这些问题可以通过从根本上解决问题来更好地解决。这就是功能验证领域正在发生的事情。

　　这种鲁莽与人工智能的各个方面息息相关，其范围远不止半导体开发领域，新的准则似乎是：发表大胆的声明，等待有人指出错误，然后修改。如此反复。没有人会因为发表务实的声明或指出缺点而被铭记。金丝雀永远不会获得奖牌。

　　举个例子，请考虑一下最近一位受人尊敬的高管的言论。他认为，环境因素不应成为赢得人工智能竞赛的障碍。“我们需要各种形式的能源。可再生能源、不可再生能源，等等。能源必须存在，而且必须迅速存在。”他说道，暗示一旦美国在超级智能发展方面超越中国，人工智能就能解决气候危机。

　　Brian Bailey表示，他不会透露这位个人、记者或出版物的姓名，因为其中可能存在许多错误，或者遗漏了重要的背景信息。但他认为这种说法几乎可笑：

　　首先，陈述绝不应暗示不相关事物的依赖关系。作为专家证人，Brian Bailey本身在庭审中花费了无数个小时才学到这一点。永远不要回答复合问题。

　　那么，说我们可以忽略所谓的最终目标，就好比说工业革命没有影响我们的气候，所谓的效率也没有解决问题。至少在维多利亚时代，人们并不知道会发生什么。现在我们更清楚。我们不能仅仅为了拥有更好的聊天机器人而让人工智能以指数级的速度消耗更多电量。我知道这只是学习如何让人工智能更强大的一部分，但我们还必须考虑成本因素。

　　举个例子，许多公用事业区由于新增数据中心的建设，配电能力已经捉襟见肘。他们警告说，必须增加基础设施投资，这反过来又会导致公用事业费率上涨。这实在令人无法接受。如果是人工智能迫使新建数据中心，那么应该由他们自己买单，而不是由公众买单。换句话说，应该把与人工智能相关的所有成本都加到数据中心上，而不是其他所有成本。

　　如果有人认为唯一的目标就是不惜一切代价开发超级智能，并确保其他人无法拥有，那么他们就没有从历史中吸取任何教训。不考虑后果地武断地追求目标，充其量是不负责任的，而且很可能是不道德的。那么，什么是超级智能？这是一个不确定的目标，因为没有人能够定义它的含义。

　　这里面牵涉到一整条责任链。人工智能公司是同谋。数据中心是同谋。半导体公司也是同谋。即使是工程师，如果他们不考虑自己所做的事情对环境的影响，不去思考它是否提供了真正的价值，他们也是同谋。

　　我认为，现在是时候放慢脚步，探讨一些能够真正带来价值的问题的真正解决方案了。我们应该把硬件和软件架构视为一个整体问题。我们应该思考它们将消耗多少能量，以及如何产生和分配这些能量。

　　“我们应该思考人工智能的真正价值，而不是将其浪费在琐碎的需求上。我们应该重新评估我们的开发方法，使其更加有效、高效。我们应该思考人工智能将如何改善世界。”Brian Bailey说。

　　https://semiengineering.com/tape-out-failures-are-the-tip-of-the-iceberg/

　　半导体精品公众号推荐

　　专注半导体领域更多原创内容

　　关注全球半导体产业动向与趋势

　　*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

　　今天是《半导体行业观察》为您分享的第4105期内容。

　　『半导体第一垂直媒体』

　　实时 专业 原创 深度

　　公众号ID：icbank