AI如何变革芯片设计

AI将如何改变芯片设计

人工智能对半导体行业的承诺与潜力

芯片制造、MATLAB、摩尔定律、芯片设计、人工智能、数字孪生

摩尔定律的终结正逐渐逼近。工程师和设计人员对晶体管微型化及在芯片中尽可能多地集成晶体管所能做的已经有限。因此，他们正转向芯片设计的其他方法，将人工智能等技术融入设计过程。

例如，某机构正在将其AI技术添加到内存芯片中，以实现存内处理，从而节省能源并加速机器学习。说到速度，某机构的TPU V4 AI芯片的处理能力比其前代产品提高了一倍。

但对于半导体行业，AI仍有更多前景和潜力。为了更好地理解AI将如何彻底改变芯片设计，我们与某机构MATLAB平台的高级产品经理进行了对话。

问：AI当前如何用于设计下一代芯片？

答：AI是一项非常重要的技术，因为它涉及到芯片周期的大部分环节，包括设计和制造过程。这里有许多重要的应用，即使在希望进行优化的一般工艺工程中也是如此。缺陷检测在整个过程的各个阶段都是一个重大问题，尤其是在制造环节。但即使在设计过程的早期阶段，当设计光源、传感器和所有不同组件时，AI也扮演着重要角色。许多异常检测和故障缓解工作需要重点考虑。

然后，考虑到任何行业中都会出现的物流建模，总会有计划内的停机需要缓解；但也会发生计划外的停机。因此，回顾那些制造某样东西花费时间比预期稍长的历史数据，可以利用所有这些数据，通过AI来尝试识别近因，或者在处理和设计阶段发现一些可能凸显出来的问题。我们通常认为AI是一种预测工具，或者是一个执行某种任务的机器人，但很多时候，通过AI能从数据中获得很多洞察。

问：使用AI进行芯片设计的好处是什么？

答：从历史上看，我们看到了大量基于物理的建模，这是一个非常密集的过程。我们希望建立一个降阶模型，而不是求解一个计算量巨大且庞大的模型，可以采用一种成本稍低的方法。可以说，可以创建一个基于物理模型的替代模型，利用数据，然后使用该替代模型进行参数扫描、优化、蒙特卡罗模拟。与直接求解基于物理的方程相比，这所需的计算时间要少得多。因此，我们在许多方面看到了这种好处，包括通过快速迭代实验和模拟所带来的效率和经济效益，这将对设计有很大帮助。

问：那么，这就像在某种意义上拥有一个数字孪生？

答：正是如此。这基本上就是人们正在做的事情，拥有物理系统模型和实验数据。然后，同时还有另一个模型，可以对其进行调整和微调，尝试不同的参数和实验，从而遍历所有这些不同的情况，并最终设计出更好的产品。

问：所以它会更高效，并且如你所说，更便宜？

答：是的，当然。尤其是在实验和设计阶段，当你在尝试不同方案时，这显然会带来巨大的成本节约，如果你要实际制造和生产芯片的话。希望在实际工艺工程中制造出东西之前，尽可能多地进行模拟、测试和实验。

问：我们已经讨论了优点，那么缺点呢？

答：基于AI的实验模型往往不如基于物理的模型准确。当然，这就是为什么需要进行大量模拟和参数扫描的原因。但这也是拥有数字孪生的好处之一，可以记住这一点——它不会像我们多年来开发出的精确模型那样准确。

芯片设计和制造都是系统密集型的；必须考虑到每一个微小的部分。这可能非常具有挑战性。在这种情况下，可能有模型来预测某些事物或其不同部分，但仍然需要将它们整合在一起。

另外需要考虑的一点是，需要数据来构建模型。必须整合来自各种不同传感器和不同团队的数据，这增加了挑战的难度。

问：工程师如何利用AI更好地准备和从硬件或传感器数据中提取洞察？

答：我们总是想着用AI来预测某事或执行某个机器人任务，但也可以利用AI来发现模式，挑出那些自己之前可能未曾注意到的内容。当人们拥有来自许多不同传感器的高频数据时，他们会使用AI，探索频域以及数据同步或重采样等内容往往很有用。如果你不确定从何入手，这些可能会非常具有挑战性。

我想说的是，利用现有的工具。有一个庞大的社区正在致力于这些工作，可以在某代码托管平台或某技术交流社区上找到很多示例，人们在那里分享了一些很好的示例，甚至他们创建的小应用程序。我认为许多人都被数据淹没，却不知道该如何处理，所以一定要充分利用社区中已有的资源。可以探索并看看哪些对自己有意义，并将领域知识与从工具和AI中获得的洞察相结合。

问：工程师和设计人员在使用AI进行芯片设计时应考虑什么？

答：仔细思考试图解决什么问题或希望发现什么洞察，并尽量明确这一点。考虑所有不同的组件，并记录和测试每一个不同的部分。考虑所有涉及的人员，并以对整个团队合理的方式进行解释和交接。

问：你认为AI将如何影响芯片设计人员的工作？

答：这将释放大量人力资本，用于更高级的任务。可以利用AI来减少浪费、优化材料、优化设计，但在决策时仍然需要人的参与。我认为这是人与技术携手合作的绝佳例子。这也是一个所有相关人员——甚至包括制造车间的人员——都需要对所发生的事情有一定程度理解的行业，因此，由于我们在将事物放到芯片上之前进行测试和思考的方式，这是一个推进AI发展的绝佳行业。

问：你如何展望AI和芯片设计的未来？

答：这在很大程度上取决于人的因素——让人参与到过程中，并拥有可解释的模型。我们可以用建模的数学细节做很多事情，但归根结底在于人们如何使用它，过程中的每个人如何理解和应用它。沟通以及让不同技能水平的人员参与过程将非常重要。我们将看到那些超精确的预测会减少，而更多的信息透明度、共享以及数字孪生将出现——不仅利用AI，还要利用我们的人类知识以及多年来许多人所做的所有工作。FINISHED