用AI设计芯片，大势所趋

在极其复杂的半导体设计任务中，人工智能（AI）正在迅速成为芯片工程师的得力助手。根据德勤预测，2023年全球领先的半导体公司将在用于设计芯片的内部和第三方AI工具上花费3亿美元，并在未来四年内将以每年20%的速度成长，到2026年将超过5亿美元。AI 设计工具使芯片制造商能够突破摩尔定律的界限，节省时间和金钱、缓解人才短缺，引领旧的芯片设计进入一个新时代。

德勤联合会计师事务所近期发布《2023全球高科技、媒体及电信产业趋势预测》（Deloitte TMT Predictions 2023），探究科技在高度连接世界中所发挥的关键作用。其中，AI设计未来芯片将是2023年需特别关注的趋势之一，同时环境永续仍是重点，科技业将凭借自身产业优势，比其他产业更快实现净零目标。

半导体公司正使用AI技术设计芯片，目标达到更快、更便宜、更高效。德勤预测，2023年全球领先的半导体公司可能会为设计芯片，投入3亿美元于在内部与协力厂商的AI工具上；且未来四年，所投入的3亿美元资金，可能会以每年20%的速度成长，至2026年将超过5亿美元。而由AI软体工具设计的芯片，可能价值数十亿美元，远超过厂商投入的成本，带来意义重大的超额投资回报。

在2023年全球半导体市场预计产值6600亿美元的背景下，AI所带来的经济规模影响将远超出其设计工具的花费，并使芯片制造商得以突破摩尔定律的边界，节省时间和金钱。同时，使用AI工具可以提高供应链安全性，并有助于缓解下一次的芯片短缺问题。

而高功率材料制成芯片将适用于电动汽车（EV）电池、太阳能电池板、先进军事应用等，德勤预测2023年高功率芯片总销售额将达33亿美元，比2022年成长近40%，并于2024年加速成长到近60%，产生超过50亿美元收益。

IC设计早已超越人工设计所能处理的程度，供应商利用电子设计自动化（Electronic Design Automation，简称EDA）设计制作芯片已有数十年，直到2022年，EDA行业的产值将超100亿美元，并以每年约8%的速度成长。EDA工具通常使用基于规则的系统和物理模拟来帮助人类工程师设计和验证芯片，有些甚至结合了基本的人工智能。在过去一年中，最大的EDA公司新思科技（Synopsys）开始销售先进的人工智能工具，而芯片制造商和科技公司也陆续开发自己的人工智能设计工具。先进的AI工具不仅仅是实验，而是真实应用于价值数十亿美元的芯片设计中。虽然AI工具不会取代人类设计师，但他们在速度和成本效益方面的互补优势，让芯片制造商拥有更强大的设计能力。

目前人工智能主要在三大方面为芯片设计和制造提供帮助：

制造更新更好的芯片：低于10奈米的芯片是芯片市场中成长最快的部分，广泛应用在智能手机、电脑和数据中心，也是迄今为止利润最高的部分。由于芯片技术节点越小，芯片的集成密度就越高，低于10奈米的芯片每项新设计的成本超过5亿美元，它们的制造成本也是最高的。高级AI工具可以比传统方法更快地设计芯片，从而降低制造成本。

改进旧芯片：在2022年售出的所有芯片中，有三分之二仍采用65奈米或更大技术节点，晶圆代工厂必须不断推出新的制程技术，将旧的芯片设计转移到更先进的节点，不断缩小芯片体积、创造更高能效，先进的人工智能工具辅助芯片制造商能够更快、更便宜地实现这些缩小过程。

填补芯片人才缺口：2022年全球约有200 万人为芯片行业工作，但随着美国、欧盟和中国不断推动芯片自给自足，作为弥补人才缺口的一种方式，高级AI工具在芯片产制中的重要性日益增加。芯片设计会经历三个主要阶段：系统级设计、暂存器转换阶层设计（register transfer level，RTL） 和最后的物理电路设计，高级人工智能工具会在最后一个阶段大放异彩。

设计芯片必须经过物理形式设计、评估、测试，从模拟设计到实现可能需要数年时间，芯片设计要不断优化效能、功耗、面积（PPA），以最大限度地减少用电量、提高处理速度，并生产出尽可能小的芯片。若使用传统工具优化PPA，不但速度缓慢且劳动强度大，通常只能略微改进PPA。利用先进的AI工具的辅助，可以发现增加功耗、影响性能或低效使用空间的放置错误，然后AI工具进行模拟测试和改进。AI工具可以从先前的迭代中学习改进PPA，直到达到极限。但真正具有革命性的是先进的人工智能可以自主完成工作，比使用传统EDA工具的人类设计师产生更好的PPA。

机器学习的元素已经包含在EDA工具中许多年，但是新增的图形神经网路（Graph Neural Networks，GNN）和强化学习（Reinforcement learning，RL）技术，大幅提高了AI在芯片设计中的有效性。大型的半导体公司使用先进的人工智能开发新服务以实现获利，透过扩展其GNN和RL能力，半导体公司不仅可以生成自己的设计，还可以为其顶级客户提供设计和协同设计服务，共同开发垂直专用芯片。除了设计芯片之外，人工智能也可以应用在提高晶圆故障检测、管理外包半导体组装和测试供应商网路。此外，基于云端的EDA服务，可以扩大高级人工智能的潜在市场，只要EDA服务上云端，就可以提供给技术技能和运算能力较低的小公司使用。