芯片設計日益艱難這些工程師表示，聊天機器人與人工智能可助一臂之力——《華爾街日報》

半導體行業正在利用生成式人工智能加速芯片設計——這一過程已變得愈發耗時且複雜，即便對先進芯片的需求與日俱增。

紐約大學坦登工程學院電氣與計算機工程系副教授西達爾特·加格表示，通過運用驅動ChatGPT的人工智能系統，研究人員希望將硬件設計週期（最複雜微芯片的設計可能耗時半年以上）縮短至一個月甚至更短。

過去一年間，芯片製造商英偉達、芯片設計公司新思科技與鏗騰電子及眾多研究人員已開發出多款AI工具，旨在通過自動編寫硬件代碼並驗證、彙總筆記和狀態更新協助大型設計團隊協作，從而提升工程師工作效率。

設計加速舉措的推進正值專用AI芯片供應緊張之際——自去年人工智能熱潮引發對英偉達圖形處理器（GPU）的搶購潮以來，這一狀況持續至今。

與此同時，預計即將到來的摩爾定律終結（該定律認為芯片晶體管數量約每兩年翻一番）正促使企業探索新型芯片架構及更專用芯片的生產。專家指出，當前美國缺乏足夠工程師來設計適用於人工智能及自動駕駛汽車、無人機等特定應用的先進芯片——而這些領域的需求都在持續增長。

新思科技（Synopsys）去年秋季發佈的AI工具Synopsys.ai Copilot是與微軟合作，基於OpenAI的大語言模型開發的，旨在助力工程師協作，該公司電子設計自動化部門總經理Shankar Krishnamoorthy表示。微軟內部芯片團隊已將該工具用於支持其工程需求。

這款AI工具能解答關於如何使用新思設計工具的問題，並可創建工作流腳本。僅通過普通英語對話，它還能生成RTL（一種用於定義芯片架構的芯片設計語言）。

英偉達應用深度學習研究副總裁Bryan Catanzaro指出，由於GPU等芯片需同時處理數千項任務，其構建需要近千人蔘與，每位工程師在持續改進設計時都必須理解各模塊如何協同工作。

為此，英偉達開發了定製化AI系統ChipNeMo，該系統通過自有數據訓練，可執行回答GPU架構問題、生成芯片設計語言代碼等任務。公司在Meta Platforms開源模型Llama 2等基礎上訓練該系統，使其能與新思科技等現有設計自動化工具配合使用。

Catanzaro表示，自工程師使用ChipNeMo一年來，該系統在培訓初級工程師、彙總多達100個不同團隊的筆記和進度更新方面展現出最大價值。

字母表旗下研究實驗室谷歌DeepMind開發了一套人工智能系統用於改進邏輯綜合，這是芯片設計中將電路行為描述轉化為實際電路的關鍵階段。谷歌表示這些技術可能用於優化其定製AI芯片——張量處理單元（TPU）。

包括紐約大學在內的多所高校正開展研究，探索生成式AI加速芯片設計的其他途徑，部分項目由新思科技和手機芯片巨頭高通等企業資助。

QTcore-C1芯片，由紐約大學研究人員通過與ChatGPT對話完成命名與設計。圖片來源：哈蒙德·皮爾斯紐約大學坦登工程學院團隊通過約一個月的ChatGPT對話設計出一款芯片。該項目負責人Garg表示，這種名為"芯片對話"的技術讓研究人員僅需與聊天機器人交談，就能自動生成描述芯片功能的硬件語言Verilog代碼。

但AI工具並非萬能。德克薩斯大學奧斯汀分校電子與計算機工程教授David Pan指出，目前這類工具主要用於培訓初級芯片工程師、編寫硬件語言和漏洞報告等場景。Pan教授曾為多家企業和高校開發此類AI工具的研究團隊提供諮詢。

當前工具存在其他侷限性：人類工程師必須仔細驗證AI生成的輸出，並且目前還沒有一種解決方案能夠自動化從設計到驗證、實現設計中的晶體管以及檢查設計電氣特性的全芯片設計流程。

新思科技的克里希納穆爾提估計，考慮到AI的“幻覺”或失誤，利用生成式AI自主創建功能芯片的能力大約還需要五年時間。AI的“幻覺”。

聯繫貝爾·林，郵箱：[email protected]