人工智能會顛覆 EDA行業(yè)嗎？

生成式人工智能已經顛覆了搜索領域，正在改變計算領域的格局，現(xiàn)在它還聲稱要顛覆 EDA 領域。但是，盡管人們議論紛紛，紛紛宣稱即將發(fā)生根本性變革，但人工智能將在哪些領域產生影響以及這些變化的程度有多深，目前仍不清楚。

EDA 主要有兩個作用：自動化和優(yōu)化。許多優(yōu)化問題都是 NP 難題，這意味著在多項式時間內無法找到最優(yōu)解，尤其是隨著設計規(guī)模的擴大。隨著時間的推移，人們已經開發(fā)出了一些啟發(fā)式方法，這些方法可以在合理的時間內得到「足夠好」的結果。雖然可以想象人工智能可以提供與之相當甚至更接近最優(yōu)的結果，但這對設計來說可能更多是一種進化而非顛覆。

顛覆性創(chuàng)新通常會導致市場發(fā)生變化。一個假設性的問題可能是：「如果 EDA 能夠在零時間內提供最優(yōu)結果，那么半導體行業(yè)將受到怎樣的影響？」上市時間將加快，設計將具有略好的性能、功耗和面積（PPA）。但是，這是否足以導致設計啟動數(shù)量顯著增加或開辟新市場，目前尚不清楚。

在這些假設條件下，設計創(chuàng)建和驗證仍會成為限制因素。生成式人工智能或許能夠改善這一點，而且有令人鼓舞的跡象表明它可以做到這一點。如果設計和驗證時間顯著減少，幾乎肯定會創(chuàng)造新的市場。

在過去的幾十年里，EDA 領域也曾經歷過顛覆性的變革，但問題在于，這些變革往往在發(fā)生后才變得明顯?！冈谀承┣闆r下，人們知道變革即將到來，就像柯達知道數(shù)字打印一樣，但他們就是無法將其推向市場，」Ansys 的首席技術官 Prith Banerjee 說?！竸?chuàng)新有三個層次。第一層是短期創(chuàng)新。工具的下一個版本應該有哪些功能？我們知道這些功能，因為它們已經存在于市場上。你正在向市場推銷，你在觀察競爭對手——大公司內部 70% 到 80% 的投資都集中在第一層?！?/p>

「第二層」涉及相鄰領域。「例如，你正在銷售一款設計為現(xiàn)場部署的產品，并希望將其遷移到云端，」Banerjee 補充道?！竸?chuàng)新是必要的，但我們會想出辦法并取得成功?！?/p>

許多基于計算的顛覆性變革都屬于這一類別?！赣嬎銠C的內存曾經很小，后來內存越來越大，」Altair 的創(chuàng)始人兼首席執(zhí)行官 James Scapa 說?！肝覀兏淖兞似渲幸环N工具的工作方式，這種創(chuàng)新對市場產生了顛覆性的影響。從本質上講，我們將所有模型都放入內存中。這種變化意味著我們的速度比競爭對手快 30 倍左右。HPC 也發(fā)生了類似的變化。與云計算相關的商業(yè)模式將成為 EDA 領域的重大變革之一。與之相伴的商業(yè)模式也將帶來一定的顛覆性。重要的是要認識到計算領域的發(fā)展，了解計算領域的發(fā)展方向，以及如何利用計算資源?！?/p>

另一種類似的變革仍在進行中?！赶胂氩⑿杏嬎?，」加州大學伯克利分校電子工程與計算機科學系研究生院的榮譽教授、IMEC 系統(tǒng)技術協(xié)同優(yōu)化部門首席技術官 Jan Rabaey 說。「人們過去常說并行計算是個壞主意，因為我們不知道如何編譯它。相反，我們應該采用單個處理器并使其盡可能快。然后，功耗問題出現(xiàn)了，我們無法讓處理器更快。所以突然之間，并行計算變成了一個好主意，這就是一場變革?！?/p>

剩余 10% 的投資用于「第三層」創(chuàng)新?！高@不是你當前研發(fā)的一部分，也不是針對現(xiàn)有市場的，」Ansys 的 Banerjee 說?！敢粋€經典的例子是蘋果推出了 iPhone，那是顛覆性的。亞馬遜推出了 AWS，他們的網絡服務，那也是顛覆性的。大公司如何實現(xiàn)顛覆性創(chuàng)新？因為這不是偶然的，這需要一個過程，你需要挖掘出那些能引發(fā)創(chuàng)新的地方。這些地方在學術界，在初創(chuàng)公司。你應該不斷監(jiān)控初創(chuàng)公司的動態(tài)，然后組建一個中央研發(fā)團隊，試圖自己發(fā)明一些東西。但這個中央團隊不必發(fā)明一切。一部分是有機地進行的，一部分是將技術引入你的公司?！?/p>

回顧過去，我們可以看到 EDA 領域內已經發(fā)生的顛覆性變革?！溉绻一氐?20 世紀 80 年代，我們看到了一系列最初由學術界和初創(chuàng)公司提出的想法，這些想法改變了我們的設計方式，」加州大學伯克利分校的 Rabaey 說?！窫DA 開始使用標準單元來驅動設計。當你第一次看到它時，它似乎是個壞主意。因為它非常受限，你要把單元放在行里，諸如此類。但它使自動化成為可能。這基本上引導了邏輯綜合，我們可以開始思考邏輯功能，優(yōu)化它們，擁有一套工具來幫助我們將高級描述轉化為某種形式，并實現(xiàn)自動化。我們今天認為這是理所當然的。還有其他領域——仿真、驗證、行為綜合——這些領域最終都產生了某種形式的顛覆?！?/p>

在過去的 20 年里，EDA 領域幾乎沒有發(fā)生過顛覆性變革，因為該行業(yè)基本上一直沿著一條線性道路發(fā)展。但隨著摩爾定律從平面設計轉向封裝中的多個小芯片堆疊，這種情況正在迅速改變。

「當現(xiàn)狀不佳時，顛覆性變革更容易發(fā)生，」Cadence 研發(fā)汽車研究員 Chuck Alpert 說?！赶胂朐O計團隊。他們可能知道出了什么問題。也許工程預算失控了，或者他們正在嘗試新設計但沒有工程技術。他們必須做一些顛覆性的事情。今天，我們看到設計復雜性激增、缺乏可擴展性。設計團隊會遇到一些事情，迫使它們進行創(chuàng)新。這些都是現(xiàn)狀不佳或正在走下坡路的情況。對于 EDA 公司來說，這種情況可能發(fā)生在你不是市場領導者的時候。你落后了，必須做一些顛覆性的事情來趕上?；蛘吣憧赡芤恢笔鞘袌鲱I導者，但代碼庫是用 COBOL 編寫的，現(xiàn)在已經沒人知道了。你將不得不做出改變，因為趨勢正在下降，你處于不創(chuàng)新就滅亡的境地。」

創(chuàng)新的機會就在那里，尤其是在一種創(chuàng)新文化中?！溉斯ぶ悄芎痛笮驼Z言模型的出現(xiàn)能夠帶來很多變革，云計算也是如此，以實現(xiàn)快速擴展，」Altair 的 Scapa 說?！干虡I(yè)模式——而不僅僅是技術——是你顛覆的一部分。對于 EDA 領域的初創(chuàng)公司來說，這真的很難，因為僅有兩家公司占據了過大的主導地位。它們長期以來一直在收購和淘汰初創(chuàng)公司和競爭對手。這阻礙了創(chuàng)新?！?/p>

通過展望未來，可以識別和處理一些壓力?！甘裁词穷嵏仓芷冢俊筊abaey 問道?！负芏噙@樣的周期已初現(xiàn)端倪。路線圖的好處在于，你可以識別出未來 10 年可能出現(xiàn)的問題。這就是學術界擅長的地方——研究這些路線圖，并識別出可能由此出現(xiàn)的新范式。例如，擴張將持續(xù) 5 年，甚至 10 年。我們該怎么做？顛覆是你無法選擇的。唯一走上顛覆之路的時候是你碰壁的時候，當你突然意識到『我無法再前進了』的時候。我們必須重新思考我們的設計方式。一種可能性是開始思考第三個維度，在那里你將不同的技術層層疊加。最簡單的方法是將舊架構映射到這個。但這不會給你帶來太多好處。你必須重新思考如何使用它?！?/p>

有時，改變是外部強制的?！冈O計正在從芯片轉向系統(tǒng)，」Banerjee 說。「如果目標是設計一款電動汽車，我的要求就不僅僅是 RTL 輸入。我的設計要求是一輛電動汽車，它能在一秒鐘內從 0 加速到 60 英里，續(xù)航里程為 500 英里，而且必須達到五級。這些就是我的要求。EDA 行業(yè)專注于設計芯片。你必須設計電力電子，這是一種電力電子模擬，結合電池、電機設計，然后是空氣動力學工作量。這是一個多物理世界，非常復雜。之后你還需要軟件，它必須從系統(tǒng)級規(guī)范中編寫并自動編譯，然后進行驗證。」

EDA 中的人工智能

EDA 公司已迅速在其工具中采用某些形式的人工智能?！笍娀瘜W習正被用于解決優(yōu)化問題，」Synopsys 人工智能解決方案高級總監(jiān) Stelios Diamantidis 說。「人們現(xiàn)在使用強化學習進行實驗、收集數(shù)據、建立更好的指標來推動優(yōu)化，并自動執(zhí)行這些優(yōu)化。該技術本身可以應用于其他問題。我們從優(yōu)化物理布局和平面圖、某些拓撲中的時鐘、DTCO 和其他物理類型的應用程序開始。從那時起，我們將這一原則應用于驗證等問題，其中重新排序測試或更改種子可以幫助你加速覆蓋或追蹤錯誤，而在測試中重新排序向量可以幫助你更快地實現(xiàn)制造測試的覆蓋率?！?/p>

但人工智能不太可能取代現(xiàn)有的 EDA 工具?！肝艺J為，我們擁有優(yōu)秀的 EDA 產品，我們的客戶正在使用這些產品，因此現(xiàn)狀是積極的，」Alpert 說?！溉绻覀儧Q定使用人工智能制造新產品，我們將付出巨大的代價。也許從長遠來看，我們會得到一些好處。如果我們讓整個產品團隊都說，讓我們重新開始，打造一些新的東西，那將是非常痛苦的。最終，你可能會成功，但與此同時，你將付出巨大的代價?！?/p>

EDA 行業(yè)的關鍵在于保持連續(xù)性，確保為客戶提供他們推出下一款產品所需的工具?！肝覀儽仨毐Ｗo我們價值 20 億美元的業(yè)務，」Banerjee 說。「一家初創(chuàng)公司從零開始，但客戶仍然很難接受新技術來解決他們的問題。這不僅僅是 EDA 的挑戰(zhàn)，而是整個行業(yè)的挑戰(zhàn)，這就是為什么我看到了第三個愿景——與初創(chuàng)公司合作，然后收購已經擁有這類技術的初創(chuàng)公司?！?/p>

Alpert 對此表示同意?！割嵏残约夹g對幾乎所有行業(yè)來說都是難以應對的，不僅僅是 EDA。他們可以投入一些資源，但不要太多?；蛘咚麄兛梢缘却渌藙?chuàng)新并購買它，這是另一種策略?！?/p>

但是創(chuàng)業(yè)公司都去哪了呢？「在過去的 10 年或 20 年里，現(xiàn)有的生態(tài)系統(tǒng)都已經崩潰，」Rabaey 說。「曾經有一段時間，EDA 有一個充滿活力的研究空間。去所有頂尖大學看看，他們都在研究工具。如今你再也找不到它們了，它們不存在了。也許你會想，學者們可以發(fā)表論文，但他們不會制造出那個產品。創(chuàng)業(yè)公司的作用確實很重要。在 90 年代，這是一個充滿活力的世界，正是這些小公司想出了主意并加以嘗試，但這也已經崩潰了。不過，生態(tài)系統(tǒng)可能會再次崛起?！?/p>

GenAI 的影響

大量投資涌入 GenAI，但在 EDA 領域卻少得多。「GenAI 是真實存在的，將為我們帶來實實在在的成果，」Scapa 說道?！傅醋魈?，投資金額與我們今天看到的回報不符。GenAI 將會先出現(xiàn)下滑，然后出現(xiàn)典型的緩慢上升，因為 GenAI 是真正的大生意。我們也在用傳統(tǒng)機器學習做一些有趣的事情，這也具有巨大的潛力?！?/p>

但 GenAI 在 EDA 中的真正潛力似乎有些不切題?！窫DA 不會創(chuàng)造設計，」Rabaey 說?！傅怯稍O計考慮驅動的。AI 將成為設計流程中顛覆性的一部分。AI 將成為一種設計工具，幫助我們探索巨大的選擇空間?！?/p>

第二代生成式人工智能正在解決自動化問題。「具體來說，是一些關鍵的工業(yè)挑戰(zhàn)，」Synopsys 的 Diamantidis 說?！高@更多地與經濟、地緣政治壓力、人才可用性以及用更少的資源做更多事情的能力有關。在第二波浪潮中，我們能夠獲取數(shù)據或設計環(huán)境，我們能夠利用這些數(shù)據在非常大的范圍內訓練模型。然后，我們能夠將它們情境化，以適應特定于設計師活動的不同任務。我們確實正在解決人機交互問題。我們現(xiàn)在可以探索極大的復雜性?！?/p>

也許 GenAI 最大的投資回報就是生產力?！肝覀冎铝τ谥笇藗兺瓿砷_發(fā)過程，幫助他們利用生成式人工智能提高解決問題的能力，」微軟高級首席工程師 Erik Berg 表示。「這些數(shù)據從何而來？我相信我們擁有的最豐富的數(shù)據來源就在我們工程師的頭腦中。我正在構建的工具不僅為我們的工程師提供解決方案，還同時從他們的頭腦中抓取其他數(shù)據和結果。」

設計界的許多領域都出現(xiàn)了這種情況。亞利桑那州立大學助理教授 Vidya Chhabria 表示：「GenAI 絕對可以幫助非專家用戶變得更好。它可以幫助非專家用戶提出正確的問題——更具有思想性的問題。它可以幫助非專家用戶快速掌握新設計和新 EDA 工具。也許它還可以幫助專家用戶提高工作效率或加快工作速度?！?/p>

但這些會造成顛覆嗎？「盡管有這么多技術，但將芯片放入插槽仍然需要四年時間，」Diamantidis 說。「我指的是收集需求、架構探索、設計輸入、驗證、插入測試、準備用于硅診斷和數(shù)據挖掘的儀器——整個過程。這需要大量的人力、金錢和時間，這意味著它并沒有真正改變半導體領域的基本原理或經濟狀況?！?/p>

結論

顛覆很難，而且往往在它變得明顯之前不會被發(fā)現(xiàn)。許多人一直在關注技術的進步、設計實踐的變化以及從芯片到系統(tǒng)的格局變化。此外，每個人都相信所有形式的人工智能都可能有助于解決這些問題。從今天的形勢來看，似乎沒有什么是顛覆性的。