（本文翻譯自Semiconductor Engineering）

《Semiconductor Engineering》和來(lái)自西門子數(shù)字工業(yè)軟件公司IC EDA的執(zhí)行副總裁Joseph Sawicki、PDF Solutions總裁兼首席執(zhí)行官John Kibarian、Ansys半導(dǎo)體事業(yè)部總經(jīng)理兼副總裁John Lee、Keysight公司PathWave軟件解決方案副總裁兼總經(jīng)理Niels Faché、IC Manage總裁兼首席執(zhí)行官Dean Drako、Arm前首席執(zhí)行官兼沃達(dá)豐董事會(huì)董事Simon Segars以及Real Intent總裁兼首席執(zhí)行官Prakash Narain對(duì)未來(lái)芯片設(shè)計(jì)進(jìn)行了展望，本文是其中的一部分。

SE：芯片設(shè)計(jì)行業(yè)目前面臨的最大挑戰(zhàn)是什么？最大的機(jī)遇又有哪些？

Lee：多芯片以及異構(gòu)3D-IC系統(tǒng)既是目前最大的機(jī)遇，也是面臨的最大挑戰(zhàn)。中國(guó)公司也是一個(gè)巨大的挑戰(zhàn)，尤其在EDA領(lǐng)域。他們那有很多初創(chuàng)公司，我們向中國(guó)銷售產(chǎn)品也變得具有挑戰(zhàn)性。

Segars：目前正在發(fā)生的經(jīng)濟(jì)衰退可能具有一些挑戰(zhàn)性，但由于一些新技術(shù)的出現(xiàn)，還是存在一些可繼續(xù)投資的機(jī)會(huì)。這為創(chuàng)新提供了溫床。但要做到這一點(diǎn)，需要比目前更為復(fù)雜的工具、流程和方法，而且需要大量的研發(fā)。所以我的要求是，“請(qǐng)不要對(duì)必要的研發(fā)投入吝嗇。”

Drako：目前為止，擺在我們面前的最大的事情是人工智能對(duì)我們的行業(yè)和我們所服務(wù)的行業(yè)的影響。汽車行業(yè)的AI和視頻監(jiān)控行業(yè)的AI將推動(dòng)對(duì)于硅的巨大消耗。人工智能在EDA行業(yè)的應(yīng)用也將是巨大的。我們將開發(fā)所有AI芯片，我們也將成為AI消費(fèi)者，用其制造芯片，并使用工具制造這些人工智能芯片。

對(duì)人工智能的渴望將加速向云的轉(zhuǎn)移，速度可能比EDA行業(yè)和我們的客戶想象的更快，因?yàn)檫@會(huì)加大對(duì)于GPU的需求——以及部署大量GPU的系統(tǒng)——來(lái)完成所有計(jì)算，這是基本的人工智能路線或人工智能設(shè)計(jì)芯片。

所有這些人工智能應(yīng)用都需要大量的數(shù)據(jù)來(lái)支撐。我們目前設(shè)計(jì)的芯片需要數(shù)兆字節(jié)級(jí)別的數(shù)據(jù)。一旦開始設(shè)計(jì)人工智能零部件，將需要數(shù)萬(wàn)億字節(jié)的數(shù)據(jù)。這將產(chǎn)生一個(gè)我們需要解決的瘋狂的難題。當(dāng)開始這樣做時(shí)，最終會(huì)得到大量的內(nèi)部和云數(shù)據(jù)，但可能只有其中的一部分有用。也許可以在谷歌上進(jìn)行，這樣價(jià)格更便宜，但數(shù)據(jù)仍然在亞馬遜上。因此，移動(dòng)數(shù)據(jù)也將是一個(gè)巨大的問題。這就又產(chǎn)生了一個(gè)機(jī)會(huì)，創(chuàng)建可以移動(dòng)數(shù)據(jù)的工具，使其出現(xiàn)在需要的地方。人工智能既是一個(gè)機(jī)遇也是一個(gè)挑戰(zhàn)，實(shí)現(xiàn)人工智能的數(shù)據(jù)管理對(duì)我們來(lái)說也將是一個(gè)巨大的挑戰(zhàn)。

Sawicki：我們目前面臨的挑戰(zhàn)有很多。幾十年來(lái)，我們的政府一直不知道半導(dǎo)體是什么，突然他們發(fā)現(xiàn)這是一個(gè)他們所能想象到的最有趣的話題。這對(duì)我們來(lái)說是一個(gè)挑戰(zhàn)。但我們正處于一個(gè)絕對(duì)令人驚奇的行業(yè)，我們可以讓我們正在做的事情成為現(xiàn)實(shí)，并真正改變世界。這既是一個(gè)無(wú)比激動(dòng)人心的時(shí)刻，也是一個(gè)令人心生畏懼的時(shí)刻。

Faché：我們看到的挑戰(zhàn)之一是，由于性能需求、新型功能和新技術(shù)的出現(xiàn)，通信網(wǎng)絡(luò)、云基礎(chǔ)設(shè)施和電動(dòng)汽車等系統(tǒng)的設(shè)計(jì)、測(cè)試和構(gòu)建越來(lái)越復(fù)雜。因此，產(chǎn)品開發(fā)團(tuán)隊(duì)以及任何系統(tǒng)的整個(gè)供應(yīng)鏈都更加重視虛擬原型。

他們?cè)诋a(chǎn)品開發(fā)生命周期中實(shí)現(xiàn)這種轉(zhuǎn)變，這樣他們就可以預(yù)先處理系統(tǒng)、子系統(tǒng)和零部件的復(fù)雜性。它們還可以加快上市時(shí)間，以提高生產(chǎn)力、降低成本和風(fēng)險(xiǎn)。為了實(shí)現(xiàn)這一轉(zhuǎn)變，我們需要將工作流程數(shù)字化，從需求到產(chǎn)品制造，并使其符合規(guī)范。實(shí)現(xiàn)這些數(shù)字化轉(zhuǎn)型對(duì)我們的行業(yè)來(lái)說是一個(gè)巨大的機(jī)遇。它將需要一個(gè)開放的生態(tài)系統(tǒng)，包括連接設(shè)計(jì)、模擬和測(cè)試工具，以及智能的工作流程自動(dòng)化。

Narain：設(shè)計(jì)的主要工作是驗(yàn)證和模擬，這是最需廣泛部署的，之后是formal signoff和static signoff，這是我們專注的部分。static signoff的最大機(jī)會(huì)是驗(yàn)證中的左移。這是最早可能要進(jìn)行的設(shè)計(jì)驗(yàn)證。如果你把它定義為一個(gè)設(shè)計(jì)步驟，那么設(shè)計(jì)師就必須參與其中。因此，要想在這些應(yīng)用程序上取得成功，幫助他們創(chuàng)造盡可能好的用戶體驗(yàn)，設(shè)計(jì)師面臨的時(shí)間壓力很大。在設(shè)計(jì)流程中有很多機(jī)會(huì)實(shí)現(xiàn)左移，這些應(yīng)用程序需要非常及時(shí)和高效。挑戰(zhàn)在于經(jīng)濟(jì)創(chuàng)新。我們正持續(xù)投資技術(shù)和創(chuàng)新，以最快的速度進(jìn)行設(shè)計(jì)。我們也持續(xù)通過產(chǎn)品和技術(shù)進(jìn)步擴(kuò)大static signoff的覆蓋范圍。

Kibarian：制造業(yè)一直在受益于下一個(gè)節(jié)點(diǎn)技術(shù)——摩爾定律、登納德縮放定律，以及只有少數(shù)幾個(gè)超前領(lǐng)先制造商完成所有制造所帶來(lái)的益處，所有這些都在晶圓廠的前端，并且都以非常可控的方式進(jìn)行。

目前，由于登納德縮放定律已經(jīng)無(wú)法擴(kuò)展，而且已經(jīng)失效了十年，另外摩爾定律也正在放緩，我們需要在先進(jìn)封裝中包含有更多的異構(gòu)系統(tǒng)。這為制造業(yè)帶來(lái)了挑戰(zhàn)，因?yàn)檫@僅在晶圓廠無(wú)法實(shí)現(xiàn)。組裝現(xiàn)在是一個(gè)相當(dāng)具有挑戰(zhàn)性的工藝過程，測(cè)試點(diǎn)也要復(fù)雜得多。因此，生產(chǎn)流程中需要獲得良率的提升，這創(chuàng)造了機(jī)會(huì)。

此外，我們正在使用各種硅技術(shù)，我們將開始使用更多的片上硅光子學(xué)和其他技術(shù)，這些技術(shù)可以幫助提升良率，并持續(xù)提供更高的性能，而且完全不受登納德縮放定律或摩爾定律的影響。這也給制造業(yè)帶來(lái)了巨大的挑戰(zhàn)。除此之外，由于地緣政治原因，我們現(xiàn)在正在分解供應(yīng)鏈并將其分散各處。每當(dāng)我看到Morris Chang談?wù)摓楹蚊绹?guó)人不能制造芯片時(shí)，我都會(huì)感到尷尬，芯片法案則浪費(fèi)了520億美元。如果你看一下歷史數(shù)據(jù)，他是對(duì)的。

但當(dāng)EDA人員看到一個(gè)問題時(shí)，就像谷歌看到廣告行業(yè)時(shí)一樣。他們不是讓一堆機(jī)器人到處銷售廣告，而是采取不同的方法。我們也可以為制造業(yè)帶來(lái)一些截然不同的方法。軟件和EDA或許會(huì)成為一個(gè)轉(zhuǎn)折點(diǎn)。

SE：你認(rèn)為人工智能在設(shè)計(jì)領(lǐng)域的發(fā)展前景如何？誰(shuí)將使用它？我們會(huì)從中受益嗎？接下來(lái)你要解決的問題是什么？

Segars：人工智能可以幫助大大提高生產(chǎn)力。也許大多數(shù)人都使用過ChatGPT，輸入一些內(nèi)容，大多數(shù)人都對(duì)所獲得的輸出內(nèi)容感到非常驚訝。你可以要求它以各種不同的語(yǔ)言工作，產(chǎn)生的效果也非常好。有趣的是，在GitHub中，他們已經(jīng)引入了這個(gè)代碼彈出窗口，這是通過微軟進(jìn)行集成，演示看起來(lái)也非常酷。

通過輸入大量正確的代碼，就可以提高工作效率。我們中有多少人為了尋找缺失的近括號(hào)而把頭靠在屏幕上仔細(xì)尋找，這樣很沒有效率。目前因?yàn)橛泻芏嘧詣?dòng)生成的代碼，所有這類事情或都將成為過去。短期內(nèi)，有很多自動(dòng)化可以幫助加速工作速度，直到真正需要運(yùn)用腦力時(shí)。從長(zhǎng)遠(yuǎn)來(lái)看，這些技術(shù)會(huì)越來(lái)越多，并更加令人印象深刻。另一方面，它將有助于驗(yàn)證——只需生成測(cè)試用例并了解測(cè)試用例的缺陷。這是我們很久以前就開始做的事情。在驗(yàn)證方面，使用機(jī)器學(xué)習(xí)來(lái)理解什么是好的，什么是壞的，這將節(jié)省大量時(shí)間，縮短計(jì)算周期，并加速完成驗(yàn)證工作。這將是革命性的改變。

Drako：我們?cè)?0年、20年或30年前都使用過專家系統(tǒng)這個(gè)術(shù)語(yǔ)，但目前已經(jīng)不再使用了。但我們引入了大型團(tuán)隊(duì)來(lái)進(jìn)行驗(yàn)證，這些團(tuán)隊(duì)由5、10或100名有經(jīng)驗(yàn)的工程師組成，另外還有5、10、100名經(jīng)驗(yàn)較少或天賦較差的工程師。我們訓(xùn)練他們?nèi)绾尉帉憸y(cè)試用例。如果您有了Cadence、Synopsys或任何創(chuàng)建該專家系統(tǒng)的公司提供的ChatGPT驗(yàn)證等效工具，您可能就不需要驗(yàn)證團(tuán)隊(duì)了。

您可能能夠生成大量的測(cè)試用例，其中有10%的測(cè)試用例可能有點(diǎn)偏離，必須進(jìn)行修復(fù)。但這種方式的獲得的生產(chǎn)效率的提升已經(jīng)不可同日而語(yǔ)了。當(dāng)他們最初設(shè)想人工智能時(shí)，人們認(rèn)為它將是一種威脅，會(huì)奪走他們的工作，而立即想到這個(gè)的是藍(lán)領(lǐng)工人。這是完全錯(cuò)誤的。白領(lǐng)工作才將會(huì)受到人工智能的威脅。我想我不再需要專利律師了。我只需向ChatGPT描述我的案件，它就能生成一個(gè)不錯(cuò)的解決模式。我不需要再向律師事務(wù)所支付2萬(wàn)美元了。

Sawicki：想想未來(lái)八年，摩爾定律正在放緩，但集成仍在加速進(jìn)行。如果再看看我們必須整合的解決方案的廣度，然后每?jī)扇昕紤]一次2倍的改進(jìn)，那么堆棧就會(huì)越來(lái)越大。因此，我們最終會(huì)面臨巨大的系統(tǒng)級(jí)環(huán)境，而不僅僅是一個(gè)人工智能芯片在本地做了什么事情。它整合了一個(gè)完整的系統(tǒng)——工廠自動(dòng)化，汽車駕駛，它們都在一起運(yùn)行。

驗(yàn)證的細(xì)節(jié)是巨大的。你能想象我們?cè)谖磥?lái)八年內(nèi)，以美國(guó)目前的教育狀況和現(xiàn)有畢業(yè)的工程師數(shù)量能完成這項(xiàng)工作嗎？這永遠(yuǎn)不會(huì)發(fā)生。感謝上帝，我們正處于一個(gè)可以利用眼前機(jī)遇的時(shí)候。在芯片設(shè)計(jì)方面，如果用生成式人工智能進(jìn)行設(shè)計(jì)會(huì)怎樣？它會(huì)有什么用處？它將如何創(chuàng)新？它將如何判斷所做的事情？什么是有趣的連接？就如何利用這些機(jī)會(huì)而言，這將是一次令人驚奇的旅程。

SE：我們處理的數(shù)據(jù)比以往任何時(shí)候都多。這些數(shù)據(jù)好嗎？我們?cè)趺粗浪呛玫模?/strong>