AI正在重塑芯片设计工具 其发展前景不容忽视

尽管人工智能功能强大，但许多行业仍在努力寻找能够带来可衡量、可证明的显著改变的明确应用。值得庆幸的是，芯片设计软件并非如此。事实上，自几年前推出以来，人工智能功能已成为 Cadence 和 Synopsys 等公司 EDA（电子设计自动化）工具的主流。

芯片设计师们很快发现，他们流程中许多复杂而繁琐的任务，尤其是那些“枯燥乏味”的繁琐工作，可以通过智能AI算法实现自动化或大幅简化。从某些IP块的自动布局到IP块互连效率的提升，这些AI功能有助于加速工作流程中那些创意性较低但仍然至关重要的部分，使设计师能够更加专注于芯片开发中那些有趣且创新的方面。

此外，AI 驱动的工具可以显著提升芯片性能和能效。例如，Cadence 等供应商已表示，得益于 AI 增强，芯片内特定模块的性能提升高达 60%。

硅片设计师很快发现，他们流程中涉及的许多复杂但往往繁琐的任务——尤其是“繁重的工作”——可以通过智能 AI 算法实现自动化或显著简化。这些工具还使功耗提升高达 38%。在此过程中，硅片工程师还发现，AI 驱动的功能可以缩短完成芯片设计所需的时间，在某些情况下，速度可高达 10 倍。

简而言之，这些由人工智能驱动的 EDA 程序提供了许多组织所寻求的理想的人工智能增强场景，可以提高生产力并增加工作的吸引力。

这也导致了现代芯片设计工具中AI功能应用的显著增长。事实上，根据Cadence和Synopsys等主要公司公开的芯片设计流片数量数据，以及他们对AI功能采用率的估计，该行业目前正在跨越一个关键的门槛。具体来说，目前超过50%的先进硅片设计（采用28纳米及更小工艺技术制造）被认为具备AI辅助能力。展望未来，我们很容易预测，这一比例在未来几年将继续大幅增长。

考虑到四年前人工智能辅助流片数量为零，这无疑是一项令人印象深刻的进步。更重要的是，这是一个很好的例子，展现了人工智能技术的应用如何对企业发展产生深远的影响。而它恰好属于芯片行业（而且，反过来很可能会涉及到相当一部分旨在加速人工智能计算的芯片），这使得这一时刻显得更加重要。

据 Cadence 称，这些 AI 功能可将芯片设计时间缩短多达一个月，这是一个显著的积极影响。此外，正如前文所述，这项优势可以直接与 AI 功能挂钩——这几乎是该技术优势的一个具体例子，足以说明一切。

单凭功率和性能的提升，AI 带来的增强就已极具价值。然而，如果考虑到硅片工程师能够利用这些工具提高工作效率，那么故事的精彩程度就更加令人瞩目。

不难理解为什么半导体设计领域的许多人（包括 NVIDIA、AMD、高通、联发科、三星半导体、Marvell 和 Broadcom 等行业领导者）对其产品创建工具中 AI 的可能性（以及他们将使用这些工具设计的 AI 加速器）如此兴奋。

这一交叉点的出现也与半导体行业其他一些发展趋势完美契合。最值得注意的是，过去几年，从事先进芯片设计的公司种类和数量大幅增加。

从Google、微软和亚马逊 AWS 等云计算提供商，到苹果、三星等设备制造商，许多企业都将定制芯片路线视为实现差异化的关键手段。然而，全球熟练的芯片设计师数量仍然相对有限，因此，拥有更先进的人工智能工具，即使是初级设计师或经验有限的人员也能胜任更复杂的芯片布局任务，对于推动半导体行业持续发展至关重要。

即使对于长期从事半导体行业的企业来说，这些增强功能也创造了新的可能性，包括能够创建更多设计、构建更多定制选项以及并行运行更多项目。创建更多定制设计，是芯片行业（以及他们的芯片采购客户）许多人长期以来的愿望，然而，使用传统设计工具的实际情况阻碍了这一目标的实现。但现在，所有这些功能都可以转化为机遇，在半导体行业过去几年快速增长的基础上继续成长。

另一个重点是，随着半导体设计工艺节点越来越小，单芯片晶体管数量不断增加，AI芯片设计功能正迅速从一种必需品演变为一种必需品。芯片设计人员面临的因素、排列组合和连接数量正在快速增长，而打造这些复杂的新型芯片需要增强的智能，而精心设计的AI工具正是实现这一目标的有力工具。

虽然人工智能的采用速度及其影响程度在某些行业中并不像许多人最初预期的那样快或那么深远，但也越来越清楚的是，在目标应用中，它的影响力甚至比许多人希望的还要大。

随着向AI增强型芯片设计的过渡跨越这重要的50%门槛，EDA工具无疑是这些进步的受益者。从半导体行业的角度来看，我们也正在进入一个激动人心的全新AI时代。