人工智慧(AI)推動晶片設計新領域

利用AI處理EDA工作流程中重覆性手動任務

在當前全球經濟充滿不確定性的情況下，半導體產業競爭更是前所未見的激烈。這些因素增加半導體對於功耗、效能和面積(PPA)取得更好結果的需求。得以用更低的成本加速優化前述各項指標的公司，有更高的機會成為產業頂尖主流。隨著適應當今的經濟現實面，半導體公司存在潛在的人員配置壓力，預計半導體工程人才短缺將會為產業發展造成阻礙。根據半導體產業協會所言，在 2030 年前，美國半導體設計產業可能面臨 23,000 名半導體工程師人才短缺。

以AI 驅動的 EDA 設計套件為完善和強化工程團隊工作內容，提供了一個前進的方向。根據 Deloitte 全球的資料，全球頂尖半導體公司本(2023)年度在使用公司內部及第三方 AI 工具設計晶片的花費上，將達 3 億美元；這項支出預計在未來四年將逐年增長 20%。一家分析公司在一篇文章中指出：「AI 設計工具讓晶片製造商能夠打破摩爾定律，節省時間和經費，緩解人才短缺問題，甚至可以將以前的晶片設計方法論導入現代晶片的設計流程中。同時，這些工具可以提高供應鏈的保障，並有助於緩和下一波晶片短缺問題。」

在每個晶片設計中都存在著耗時且重複的工作，有些甚至顯得多餘，但對晶片的品質而言卻是不可或缺的。AI 技術可以處理並改善設計空間探索、驗證覆蓋率及生成測試向量(test pattern)等這類重複性的工作，為工程團隊節省可觀的時間，讓設計工程師可以專注在具有附加價值的工作上；例如，讓產品更具差異化，以及可以快速研發新功能或衍生設計。AI 技術讓團隊得以實現嚴苛的上市時程目標，並在既有資源條件下完成更多專案項目。新加入的工程師與經驗豐富的老手都可以從 AI 中受益，AI技術可以讓新加入的工程師縮短提升工作能力的時間；有經驗的老手則能更快地實現更佳的結果品質。舉例來說，在指定專案中工程師監督晶片品質的同時，Synopsys.ai可以負責處理重複性工作，並針對重複性工具的結果採取行動；相較於由工程師單獨操作的產出，與AI協力可以更快完成品質更好的結果。

以更智能的晶片解決繁複的挑戰

從晶片設計日益增加的複雜度到先進製程節點的要求，乃至於橫跨多個垂直領域，包括 CPU、行動電話、GPU、汽車與 AI等不斷縮減的功率預算，晶片設計工程師面臨著眾多的挑戰。舉例來說，無論是在邊緣裝置或是資料中心的伺服器裡，AI 晶片皆須建構許多運算單元來處理複雜的演算法與龐大資料。優化如此繁複的晶片設計以實現 PPA，並確保晶片按照其所應執行的方式順利運作，是一項龐大的工作；而對設計工程師而言，這項工作變得越來越具有挑戰性。

這就是 Synopsys.ai解決方案改變晶片設計格局之處。接下來，針對Synopsys.ai 目前可用的組成部份詳細說明。

掌握 AI - 化不可能為可能

將AI應用於晶片設計與生俱有的優勢之一是工具會隨著不同設計不斷學習，然後日益優化。這對晶片設計領域以及每位仰賴電子產品的人來說是個好消息。AI 讓晶片設計工程師能夠加速具備正確規格的適當晶片上市時程，並研發更複雜的系統來解決晶片設計領域的繁複問題。