利用人工智慧(AI)設計的晶片超越摩爾定律成為半導體演進之未來

SysMoore：利用超越電晶體的系統技術進展

雪上加霜的是，致力於解決與摩爾定律相關的當前設計問題的工程師數量並沒有因此而增加，這種情況揭櫫對於摩爾定律的傳統解讀不斷變化的系統性問題。目前晶片製造商所面臨的挑戰，不僅只與被壓縮到正在進行設計的晶片中的電晶體數量有關。除了傳統摩爾定律的進展，尚具有許多利用與發展系統複雜度(systemic complexity)的新機會。正如Aart de Geus所說，在這個「SysMoore」的年代，需要新的工具與策略以持續推動業界向前發展，在必要的速度下滿足製造商與產業不斷增長的需求—無論規模大小，以看似永遠無法被滿足的需求，盡可能製作出「智慧型」的新產品。

Aart de Geus進一步解釋，半導體產業主要挑戰在於，如何在未來的十年內，能達到從雲端到邊緣的1,000倍AI運算效能；這意味著要更快速、以更低的成本建構出更好的晶片。他認為AI工具是關鍵，而改變遊戲規則的破壞性創新將使其成為可能。新思科技最近展示了一個以前需要整個設計團隊花費數月時間才能解決的問題，如何由一名工程師在短短幾週內解決並獲得出色的結果。

AI正在設計AI晶片　這不再是科幻小說的情節

新思科技表示，DSO.ai工具可大幅進行加速、增強與降低所謂的佈局佈線成本。佈局佈線是在電路板、IC與FPGA (現場可程式化邏輯閘陣列)設計中不可或缺的階段。佈局佈線(有時稱之為PnR或平面規劃配置)指的是邏輯與IP區塊的配置，以及用於將它們連接在一起的線路和各種互連技術的設計。儘管在晶片設計週期的其他階段，各種條件也是需要被關注，但在所採用的特定製程的嚴格限制內，功率、頻率、延遲與矽面積等，都是佈局佈線過程中的重要考量因素。Synopsys的DSO.ai使用人工智慧與機器學習的反覆查看特性，優化並簡化這個過程，將過去需要數十個工程師花費數週或可能數月的時間才能完成的工作，轉變成只需要一個資淺工程師，在短短數日內就能自行完成的工作。DSO.ai反覆查看一個晶片的平面規劃與配置，並自每次反覆查看中學習，在其設計參數的過程中，對晶片進行微調與優化。此不僅對晶片設計的經濟效益與成功率產生正面的影響，也導致設計資源與方法一個根本的轉變，讓之前被佈局佈線工作佔據所有時間的工程師得以喘息，以讓他們有更多餘裕將創意著重在其他地方，以滿足最新晶片設計的需求。

在與Aart de Geus 討論過程中，他進一步解釋，從未曾想到全球工程師人數會在短時間內快速增加1,000倍，而對具有可執行諸如架構探索等工作所需的多樣化技能和知識的工程師的大量需求，則是一個殘酷的現實，也無法快速的緩解。但他相信AI工具正在縮短這個差距，因為對一個規模小的設計團隊而言，也有設計出客製化AI處理器的可能性。透過減少晶片架構師的日常任務，他們得以開始針對更高抽象層面的挑戰提供解答。或許，Aart de Geus在此提出的一個更為重要的觀點是，現今半導體業所面臨的許多系統上的複雜挑戰，無論投入多少工程師，都無法單靠人類的能力解決。在本質上，將需要運用人工智慧以彌補人類智慧的不足。

萬物正變得更加智慧，而透過AI我們能做的更多

AI不再只是一個流行名詞。從手機應用程式中的傻瓜照片過濾器、到推薦引擎系統、自駕車、大數據分析與先進的設計自動化設計工具諸如DSO.ai等，AI的應用無處不在。具有專用AI處理器的特殊化晶片幾乎隨處可見，包括您的智慧型手機、電腦與最新的汽車技術。現在，晶片業本身已經進入以AI輔助設計這些AI晶片的階段，能夠讓不同規模的工程團隊，以半導體業所需的馬不停啼腳步互相競爭。

Aart de Geus説： 「從典型的摩爾定律，我們目睹晶片尺寸複雜性令人難以置信的推進，最終讓AI成為可能。如今每一個垂直市場都試圖藉由讓萬物變得更加智慧，再從其中的資料獲取經濟價值。這對半導體業形成一個拉力，以提供另一個1,000倍的速度，來解決將萬物智慧化所造成的系統複雜性。1,000倍意味著克服設計複雜性的程度，其遠遠超過今日人類工程能力與經濟的手段。」

資深晶片設計工程師Jim Keller最近也提到，「這簡直就是個天大的奇蹟啊！在十年前，就算是硬體的新創公司也很難成立」。Keller提到透過Synopsys (以及其他廠商)，在設計自動化方面的進展，已改變了成立硬體新創公司所需要的經濟狀況與人力。回溯至(2021年)三月，Qualcomm以14億美元的價格收購一家擁有大約100名工程師的年輕公司NUVIA。這揭櫫了運用這些強大的新晶片設計工具與智慧型策略得以實現的目標。舊的半導體典範正在迅速成為過去。現今，最適合這項工作的電晶體、架構與加速器才是關鍵，而受限於人力的實體設計工程工作，不再成為一個調控因素。