隨著人工智能時代到來，做芯片的兄弟們心中往往有三大疑問： ·IC 這個行業在人工智能時代到底會怎樣？ ·IC Design這個工作是否會被人工智能取代？ ·我們到底要不要轉碼農？ 這篇文章就和大家探討這三個問題，也歡迎大家在后臺和我們繼續探討 :) 1.人工智能時代，IC到底怎么樣？ 目前的行業景氣程度可以說是人工智能相關行業非常熱門，而半導體行業除了中國以外都是不溫不火；那么，IC designer這個行當在人工智能時代到底怎么樣呢？ “人工智能時代”要從一個更宏觀的角度去考慮。人工智能是不是只是深度學習算法的革命？是不是只是碼農的工作？我認為，并不是這樣。所謂的“人工智能”，本質上是要讓機器更加自動化，所以說“人工智能時代”更好的表達是“人工智能機器時代”。在未來，智能機器可以是有形的，也可以是無形的；例如，物聯網的智能交通燈控制系統，在各個角落鋪開海量傳感器隨時監控各條道路的交通流量，匯總信息到云端服務器，經過人工智能算法計算后智能調整每個交通燈的紅綠燈時間。這一整個系統就符合智能機器的定義，但是這個機器的很多部分是無形的。我們即將進入的的人工智能機器時代，就會有許多這樣規模龐大而又神龍見首不見尾的機器來改善我們的生活。既然是做機器，那么就不會僅僅是CS人的事情，而是做EE的同學們也將會有很大的貢獻。一個智能機器，如果將其與人體相類比的話，會需要以下部分： *大腦：核心處理器芯片，負責執行算法。深度學習中使用的計算芯片和通常的CPU甚至GPU都有很大不同，因此需要重新設計，這也是處理器領域的一個新機遇。Google推出了TPU，Nvidia即將推出開源的DLA，Amazon和微軟都在使用FPGA加速云計算，而在終端邊緣計算如何設計效率最高的芯片目前還沒有定論，目前和未來幾年內可以說是深度學習相關處理器芯片發展的黃金時期。 *五官：傳感器芯片，負責從環境中感知信息。海量的物聯網節點需要的傳感器根據不同的感應信號和功耗、靈敏度需求會有一個巨量的長尾市場，“長尾”的意思就是不同的品類都有屬于自己的小市場，而不會有一款通用的傳感器來吃下整個市場。 *神經：無線連接芯片，負責把傳感器的信號傳回云端。無線連接需要做到低功耗，目前的IoT無線連接技術在人體植入芯片等地方還無法達到要求，所以還有許多路要走，同時也會出現許多新的公司和新的技術，為射頻市場帶來新的活力。 由此可見，智能機器離不開IC，而且隨著機器的進化，IC也會隨之進化，IC這一行并不會缺活干。隨著機器用途、種類的越來越多，IC的需求也會大量增長。我們不妨回顧一下，之前的IC和機器發展之間的關系。在上世紀80年代到本世紀初，半導體領域的強勁增長來源于個人電腦PC的普及；在本世紀初隨著互聯網泡沫破滅，半導體行業萎靡了幾年，但是之后隨著智能手機的普及，半導體行業再次恢復了強勁增長。PC，智能手機等都是典型的新機器；而下一代智能機器則會比PC和智能手機的市場量遠遠要大，因此對于半導體集成電路市場的驅動力要遠遠大于之前的兩波增長。 現在的關鍵就在于，智能機器時代什么時候到來了。孫正義在前兩天2017軟銀世界大會的演講中表示“信息革命的新世界正在到來，連睡覺都覺得浪費”，“在20年內連接1萬億個節點的物聯網就會實現，這些海量數據將會促使超級人工智能誕生，到達技術奇點”，然而，他同時也表示這個技術奇點到來的時間估計“可能會有數十年的偏差”，因此準備在IC領域繼續奮戰的兄弟們也要做好持久戰的心理準備。 孫正義表示由物聯網驅動的人工智能很快會到達技術奇點 總結：在機器革新時代，芯片作為機器的核心部分，一定也會迎來很大的增長。 2.IC Design是否會被人工智能取代？ IC Design會在人工智能時代有很大發展，但是，會不會到時候就不需要人工設計，而是用人工智能就行了？目前，人工智能已經進入了許多傳統的高大上行業，不少行業甚至已經開始了下崗潮。舉例來說，原來金融行業中負責風險控制和審批貸款的信審員，最近就已經在慢慢被人工智能取代，因為機遇大數據的人工智能算法在決定是否批準貸款方面甚至比真人還要準確，而且速度快得多，最關鍵是便宜。另一個人工智能快速入侵的行業是媒體編輯，隨著今日頭條這樣幾乎完全使用人工智能分發內容的App的崛起，不少傳統媒體也開始嘗試使用人工智能算法而非依賴真人編輯來發布內容，內容編輯的工作正在慢慢被機器取代。 我認為人工智能目前尚無能力取代芯片設計工程師，但是可以幫助工程師簡化工作。寬泛的人工智能就是機器自動解決問題的能力，或者說機器在解決問題的過程中需要多少人工干預。 首先我們來看看數字電路。對于數字電路，舉例來說要設計一個計數器，最早設計需要工程師自己根據需求畫卡諾圖搭電路，需要幾個觸發器幾個與非門怎么連接都得自己設計。后來自動綜合工具出現后，主流設計流程變成了工程師輸入用硬件描述語言（HDL）描述的rtl級設計，由機器把HDL翻譯成實際電路。如果把人工智能定義為機器解決問題的能力，那么這可以說是人工智能在電路方向的重大進展。 人工智能在數字電路方面的作用巨大，有兩個原因。 第一，硬件描述語言是完整的。“完整”的意思是，任何可以用數字電路能實現的功能都可以用抽象HDL語言來描述。 第二，數字電路設計目前都是基于標準單元庫，非常規整。 智能工具可以根據設計約束把高級硬件描述語言翻譯成由標準單元庫里面的單元實現的電路。比如你輸入一個3-8譯碼器的HDL描述，智能工具輸出由tsmc 28nm lvt std lib實現的電路網表（其中包括一堆與非門）。 對于模擬電路，智能工具面臨幾個問題。第一，針對模擬電路的硬件描述語言不可能同時做到抽象和完整。舉例來說，目前的模擬電路硬件描述語言是spice，它是完整的但并不抽象：一個由spice描述的電路和一個由電路圖描述的電路是一模一樣的，每個spice語言描述的元件與電路圖是一一對應的。但HDL語言描述的數字電路可能對應無數種具體實現（例如你寫a=b c;可能會被綜合成行波加法器，進位旁路加法器，Kogge-Stone加法器等等，取決于你的設計約束）。但如果模擬電路的硬件描述語言是抽象的，就不可能是完整的。比如你要用抽象的語言描述一個放大器，該怎么描述？你可以用增益，帶寬，輸入輸出阻抗來大致描述，但是這樣必然是不完整的。先不說工程師不可能輸入放大器在每一個頻點的增益，帶寬，輸入輸出阻抗；請問放大器的延遲怎么描述？大信號特征怎么描述？噪聲怎么描述？隨著新電路的加入，會有新的性能指標需要被描述，所以針對模擬電路的硬件模擬語言不太可能是抽象且完整的。 如果我們退而求其次，不求數學上的完美，只求智能工具幫我們自動把硬件描述語言映射到具體電路實現，那么模擬電路的機器智能設計也是可能的。我們需要的是一個模擬電路的IP單元庫，每個IP的特性都很要很清楚。于是你可以說我需要一個工作在2.4 GHz的接收機，噪聲系數是4 dB，IIP3是10dBm，功耗限制是20 mW，面積小于1mm^2，工具根據你的約束自動分析從單元庫里選擇合適的LNA，mixer和LPF幫你生成電路。只是這樣做你就沒法用各種trick，比如你很難教會智能工具什么時候應該用Cartesian feedback，什么時候應該在某個節點加一個harmonictrap，人工智能能做的只是遍歷搜索。我覺得以目前的電路設計方法論，模擬電路用人工智能設計出一個能用的電路是完全可行的，但是要設計出一個高性能的非常難。 因此，總結上面的討論，人工智能在EDA領域能幫助IC工程師簡化工作，但是還缺乏工程師的一些重要特質（定義問題，提出解決方法，甚至創新電路或系統結構），因此更可能成為設計師的幫手而非取代工程師。事實上，在EDA工具中使用人工智能機器學習確實是趨勢，TSMC在2017年ISSCCPlenary Talks中也提到了這個潮流并積極在這個領域和各大EDA公司合作。所以大家不用太擔心下崗！ 3.是否要轉coding？ IC designer最關心也是糾結的第三個問題是：要不要轉碼農？ 其實這個問題沒有一個確定的答案，因為未來沒有人能估計得到。大家最關心的還是待遇問題，關于待遇我有兩個想法： 第一，近期來看，軟件工程師，尤其是人工智能相關的算法工程師收入存在很大泡沫，未來有較大的可能下調回歸理性值。現在是人工智能泡沫的高峰期，許多互聯網巨頭愿意花大價錢投入人工智能以搶占先機，而各大從事人工智能領域的初創公司也很容易從從風險投資那邊拿到資金，另一方面人工智能算法工程師的人數尚存在一些缺口，因此就造成了相關職位愿意開大價錢招人，甚至工資會遠高于工程師所創造的價值。之后，隨著價值回歸理性，以及眾多人才流入，人工智能相關的工程師身價必然也會回歸理性——當然不是說每個人都會降低工資，而是會回歸到接近你能為公司創造的價值，對于大牛來說隨著自己能創造越來越多的價值其收入不會降低反而會升高。 根據Gartner最近的分析，人工智能目前正處于泡沫的高峰，預期幾年后就會回歸理性 第二，CS的工資從長遠看會略高于IC Design。這是由行業決定的：CS從事的IT業屬于服務業，離終端消費者近，意味著能更高效率地賺錢；IC Design則是制造業，離消費者稍遠，因此收入會略低于CS。但是，ICDesign的門檻要遠高于CS，一般至少需要研究生才能勝任，而CS的門檻則要低不少。這也就使得人才更容易往CS方向去，從而使得這兩個行業的工資差變小。因此，IC Design的合理收入應當只是平均略低于CS，但是不應當低太多（10%-20%之間）。 那么，這對于我們來說又意味著什么呢？最重要的是，coding的工資和IC的工資大概率差距不會特別大，因此在IC業做到前20%的人的工資一定會比在CS行業中等水平高。換句話說，如果你在IC業已經有一定積累做得還不錯（例如，前20%），那么除非你確認在CS行業也能做到相似的水準，否則轉行去CS如果只是一個普通工程師的話，轉行未必是最好的選擇。那么，如果對于這兩行都是新接觸，該如何選擇呢？其實，這又牽扯到另一個問題，就是如何能保證自己在業界做得不錯？很多人會說“興趣”，在我看來，“興趣”這個東西太虛無飄渺，我覺得更好的說法是“能持續學習進步的能力和意愿”。如果能保證有很強的動力保持學習，那么，只要方向正確，你一定能在行業里做得不錯。有些人保持學習的意愿來自于意志力，還有很多人來自于興趣。因此，如果你是新人的話，就不妨評估一下對于IC和CS哪一行你更有可能保持學習的能力和意愿吧！ 本文轉載自 (mbbeetchina)