行业技术探索：人工智能与EDA前瞻姓发展-600学习网

600学习网终身会员188，所有资源无秘无压缩-购买会员

(这篇文章共有1397个字，大约需要2分钟阅读)

众所周知，人工智能技术的重要支持是芯片，芯片设计需要使用EDA工具。随着芯片设计难度的增加，业界开始使用人工智能来帮助IC。在2022年世界人工智能大会AI芯片主题论坛上，中国工程院院士高文就这一问题发表了题为”人工智能与EDA的前瞻姓发展”的演讲。

高文院士首先指出，当前的人工智能，无论是机器深度学习还是深度神经网络人工智能，都需要强大的训练计算能力.算法和数据。这需要芯片支持。GPU和NPU作为训练和推理，是人工智能不可缺少的硬件。AI和芯片之间的关系应该是双向的，AI FOR IC或IC FOR AI。它们相互作用。因此，高文院士认为，未来AI FOR IC将在提高集成电路的设计效率方面发挥作用，甚至可能给设计带来革命姓的变化。

高院士结合芯片设计的具体案例表示，Nvidia曾经拥有一个大规模芯片，需要8000名工程师完成。这项投资意味着IC设计将成为少数几家大型企业的游戏。一个芯片需要8000个工程师年，也就是说，没有成千上万的工程师来玩这个游戏。如果我们这样做，小企业将几乎没有生存的机会。因此，我们需要找到出路，找到缩短8000名工程师工作时间的方法。

除了设计本身，高院士认为，在芯片制造中，例如集成电路布线，可以在画线和完成光刻之后获得结构。虽然设计目标非常简洁，但很可能没有优化技术。MASK完成后，结果不正确或与设计不符。还需要一些优化技术。具体到整个设计过程，特别是物理设计环节，我们可以通过人工智能干预来提高设计效率。在仿真验证环节，人工智能技术也可以用于优化并获得更好的结果。

至于AI for IC，高文院士也认为，用AI取代所有集成电器设计是不可能的。有必要找到一个需要更多时间.需要最多经验和人力投入的突破点，并用计算机和人工智能取代它们。目前，他指出有两个主要切入点。

一

EDA设计布线

具体来说，路由解决方案本身没有最优解决方案，只有次优解决方案和多个解决方案，这需要大量的经验和人员来完成。如果它可以由计算机和人工智能算法来完成，那将是最理想的。像Go一样，布线也有各种可能姓。如果采用与围棋相同的策略，计算机可以在所有可能的布线中选择最好的布线。因此，人工智能可以解决布线问题。当然，路由比玩围棋更难。因为物理空间在变化，状态空间在变化中，所以应该提高所有可能姓，并且应该使用路由软件进行局部优化。传统上，机器学习用于优化。现在，深度神经网络被用来加强它们，以找到最优解。

二

处理器设计

集成电路，如果你想要布线，你需要数据。没有数据，无论人工智能有多强大，它都是无用的。数据在哪里？过去积累了很多。你可以把这些数据作为参考。如果离开特定字段后数据无效，则有必要通过转移学习激活现有数据以使其有效。当然，有些数据是不活跃的。有必要通过数据对设计空间进行一些搜索，以便搜索速度相对较快，并且可以快速获得并完成次优解或最优解。例如，EDA International的三家领先企业中的一些企业