北京
芯片设计领域正站在变革的十字路口。变革确实在来，但速度取决于两个关键因素：数据的可用性，以及芯片制造商何时有足够信心让AI接手。这种不确定性既带来了机遇，也制造了焦虑。
“智能化解决方案”绝非简单地在现有工具上套个壳子。它将深刻改变工具本身的形态——把它们变成一组组可调用的引擎，由AI来部署，由工程师来管理。这个转变会重塑工具、创造新的工作流，甚至重新定义工程师的角色。
对于工程师而言，角色变化是确定的，但变成什么样还不确定。西门子EDA的高级副总裁兼总经理Abhi Kolpekwar观察到一种流行说法：“用AI，拿到一份规格书，它就能给你生成测试计划，或者生成代码。”甚至有人说，把规格书给AI，它就能创建形式化属性。但问题在于，这种愿景在今天用于任何一款现实的半导体设备，可能性几乎为零。风险太高了，失败的成本意味着没人敢完全抛弃现有方法。
那么，AI到底能干什么？Synopsys的技术团队成员Ramesh Narayanaswamy给出了一个更务实的图景：或许你可以有一个子代理在做规格分析、推导设计分解，另一个则在搞测试计划。用户需要审查结果，但他们可能会要求另一个模型去批判第一个模型。在离规格书更近的环节，人类必须留在循环里，至少目前是这样。因为规格书不容易交叉检查，如果你误解了一段话，就是误解了。但可以在验证侧做一些交叉检查，保持工作的独立性。你只能寄希望于两条工作链不会犯同样的错误——这跟人类解读时的情况差不多。那些因微妙沟通误解导致的bug极其难缠且难以发现，但用模型作为审查者，至少能有效增加人类审查的带宽。
这种变化也在冲击EDA公司的商业模式。未来的智能化代理可能由EDA公司为设计公司构建，也可能由大型设计公司自行开发。工具的形态变了，商业模式也可能随之改写。Keysight EDA的高级总监Alexander Petr就常听到这样的要求：“我的管理层告诉我，我得把AI用到我的问题里。”这或许就是当下行业最真实的写照——人人都知道必须拥抱AI，但具体怎么拥抱，还在摸索。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
