電子設計自動化 (EDA)
系統
矽智財 (Silicon IP)
SolvNetPlus
教育與訓練課程
AI賦能，全面加速晶片設計流程
原文最初發表於 Electronic Design
晶片設計一直以來都是一項漫長且耗時費力的工作，過程中需要經過多次反覆迭代 (iteration) 與重製 (re-spin)，既費時又低效。工程師不僅要面對繁複的設計流程及大量手動、重複性的作業，還需要經年累月才能累積必要的專業知識。據研究指出，初階工程師約有 40% 的時間花費在搜尋資訊、查閱過時文件，或向同事與主管尋求指導。
這些手動作業與資訊搜尋過程，壓縮了工程師進行創意發想與解決問題的時間，不僅拖慢設計流程，更限制創新發展。
然而，隨著人工智慧 (AI) 技術導入電子設計自動化 (EDA) 工具，這樣的產業現況正在改變。
利用 AI 強化您的晶片設計
探索全新升級的 Synopsys.ai 產品手冊，瞭解進階優化、生成式 AI 及代理型 AI 等前瞻技術，協助您進行晶片設計流程轉型。
輔助型 AI：優化晶片設計流程
人工智慧一直是 EDA 領域的重大變革推手，並持續發揮關鍵作用。隨著大型語言模型 (LLM) 及 AI 助理 (copilot) 的出現，晶片設計領域正在被徹底改寫，為工程師提供前所未有的協助。
現今的輔助型 AI (Assistive AI) 工具可迅速處理大量技術文件、生成經過優化的程式碼，甚至即時提供除錯建議。像 Synopsys.ai 這類高度先進的 EDA 工具，更進一步運用生成式 AI 的能力，自動化複雜且多元的任務。率先導入此項技術的企業，已經成功優化以下相關流程：
- 類比設計、測試與驗證
- RTL 及電路網表 (netlist) 生成
- 時序分析
- 設計規則檢查
其益處顯而易見：工程師得以擺脫晶片設計過程中的繁瑣工作，專注於真正的創新與解決高階問題—是最具挑戰性且有趣的部分！
儘管已有這些初步進展，但是我們在 AI 的應用上其實才剛剛起步，也正在持續開發創新技術。
現有工具能夠針對定義明確的任務提供 AI 協助，但在進一步自動化與流程協作等方面，仍有相當大的潛力。隨著業界持續擁抱 AI，下一代 EDA 工具將能帶來更深入的洞察力、預測分析，甚至具備自我優化的能力。如此一來，整個晶片設計流程將被徹底重塑。
代理型 AI：引領 EDA 自動化與優化的新浪潮
那麼，接下來會有什麼進展呢？隨著代理型 AI (Agentic AI) 的興起，晶片設計將邁入能夠真正自動化決策與流程協作的新時代。未來，自主系統將能在極少人為介入下，做出設計決策。有別於現有仍需仰賴手動輸入與預先定義參數的 AI 工具，代理型 AI 有潛力成為獨立且自我驅動的設計夥伴。想像一下，一個不僅能自動化重複性工作，還能主動發掘潛在設計改進空間、預見可能瓶頸並隨之調整流程的系統。
早期的 AI 代理 (AI Agent) 大多專精於單一用途，且侷限於特定應用程式和資料集之中。然而，這種情況正在改變。
在今年稍早的一場主題演講中，新思科技 (Synopsys) 執行長 Sassine Ghazi 闡述了他對 AgentEngineer™ 技術的願景，預示這項革命性技術的下一步發展。他表示，我們將會見證工作流程自動化的進步，首先是動作與協作，接著是學習，最終邁向完全自主的決策。此一進程將在未來幾年內展開，並由多代理系統 (Multi-Agent Systems) 取代傳統手動作業流程。
導入 AgentEngineer™ 技術，將使設計團隊得以完全重新定義工程設計 (Re-engineer Engineering™)，充分發揮最新 AI 工具與創新技術的優勢。這段旅程將經歷五個自動化層級：
- 第一級，目前 AI 助理和協作工具已能利用大型語言模型 (LLMs) 自主生成程式腳本和設計檔，這正是我們現今所處的階段。
- 第二級，將引入具備豐富專業知識，能針對特定工作流程區塊執行任務的代理。
- 第三級，將實現多代理功能與流程協作，涵蓋多種類型的代理於整體工作流程中的協同運作。
- 第四級，具備進階學習能力，讓代理型解決方案能評估結果品質，並優化流程步驟、設定，甚至輸入檔案以改善結果。
- 第五級，真正落實所謂的「自動駕駛 (autopilot)」，提供高階決策、完全自主推理與複雜規劃能力。屆時，工程師只需輸入產品規格，即可自動產生整個子系統。
隨著人力缺口持續擴大，半導體業界對這些能力充滿期待。輝達 (NVIDIA) 執行長黃仁勳 (Jensen Huang) 近期表示：「我期待能夠向新思科技租用一百萬個 AI 晶片設計代理，來設計一款全新的晶片。」
AI 對工程團隊的影響
隨著 AI 技術快速革新晶片設計，其對工程團隊的影響同樣深遠。AI減輕了重複性、繁瑣的工作負載，使工程師得以專注於更具策略性與創造性的高階工作。這種轉變不僅提升了生產力，也增進了工作滿意度，工程師能將更多時間投入於推動創新與創造價值的活動。
對企業而言，該技術的導入將釋放重要的工程資源。隨著 AI 工具開始承擔更多任務，工程師可以參與更多專案，或專注於加速產品上市的工作。
AI 的日益普及，也在矽晶工程領域引發了不確定性。隨著 AI 驅動工具參與更多晶片設計流程的協作，有些人對傳統職責與角色、甚至技能重塑或人力調配感到擔憂。同時，關於責任歸屬、以及誰應負責 AI 訓練與決策等問題，也成為討論的焦點。
這些都是合理且複雜的議題，必須妥善處理，才能維持用戶對未來 AI 工具的信心，並最大限度地發揮其變革潛力。
複雜的平衡之道
最終，邁向 AI 驅動的晶片設計是一項複雜的平衡工作。新技術能大幅提升生產力與創新，但同時也需審慎考量。我們必須確保未來的工具是用來強化人類能力，而非取而代之。
值得慶幸的是，目前的進展與前景皆相當樂觀。
從手動作業、低效的流程到 AI 強化的未來，這場轉型已經展開。AI 工具的整合與應用已經帶來顯著成效。隨著代理型AI的到來，半導體產業即將迎來自動化與創新的新紀元。
憑藉領先業界的 AI 驅動 EDA 工具組合，以及更多即將問世的創新技術，新思科技正積極推動這些願景成為現實。