2 月 9 日訊息，據 IEEE 報道，隨著 AI 在晶片設計方面的應用，晶片效能提升週期在逐漸縮短，有可能打破“每隔 18 個月晶片效能可提升一倍”的摩爾定律。

MathWork 公司 MATLAB 平臺的高階產品經理希瑟・高爾（Heather Gorr）表示，AI 技術能夠幫助提升晶片測試效率，相比用人工排查異常，用 AI 排查問題的速度明顯更快。基於 AI 設計的代理模型（surrogate model）能夠對實驗資料中的引數進行調整，對實驗結果進行模擬，實現模型的快速更新迭代。

但相對物理模型（physics-based model）來說，代理模型的精確度較低，還需要人對其結果進行整合。即便如此，在晶片設計過程中運用 AI 的確能大幅度釋放人力成本，將人力用於更高階的任務，實現技術與人的互助。

一、用 AI 處理海量資料，快速尋找問題誘因

在將 AI 用於晶片設計之前，工程師和設計師只能通過縮小電晶體來提高晶片的效能，現在，AI 逐漸成為提升晶片效能的關鍵，如三星在其儲存晶片中運用 AI 實現更快、更節能的記憶體處理，谷歌 TPU V4 AI 晶片的處理速度也比之前的版本高出一倍。

高爾表示，AI 能夠運用到晶片產品生命週期的大部分環節，尤其是晶片設計環節。因為即使在設計過程中考慮到了各種可能出現的問題，產品測試時還是會出現許多異常情況，如果依靠人工在海量資料中分析問題可能的誘因，那麼工作量會比較大而且速度也較慢，這時就可以運用 AI 完成探索頻域、資料同步或重取樣之類的任務。

在這個過程中，AI 通常被看作一種預測問題的工具，但很多時候工程師也能從 AI 提供的資訊中獲取靈感

二、代理模型節省計算時間，提高產品優化效率

高爾向 IEEE 介紹了 AI 在晶片設計中的具體應用方式。

以往的晶片設計工作是基於物理方面的實驗進行的，但 AI 能夠提供一個代理模型，對輸入的資料進行引數掃描、優化，進行蒙特卡洛模擬（隨機抽樣模擬方法）等，相比進行實際的電路電路調整等工作，代理模型在優化效能方面花費的時間要少得多。

IEEE 表示，在某種意義上，可以將基於 AI 的代理模型看作一種數字孿生的產品，即在物理模型和實驗資料的基礎上，通過代理模型調整引數、模擬實驗，實現模型的快速迭代。

但是，高爾指出，基於 AI 的代理模型往往不如基於物理方法的模型精確，這正是需要代理模型進行多次模擬和引數掃描的原因。代理模型能夠對晶片設計和製造的每一個細節可能產生的問題進行預測，但還需要人類對這些結果進行整合。

三、AI 不能包攬晶片設計，還需要人的參與

高爾介紹了用 AI 技術設計晶片時工程師和設計師需要做的工作。對於工程師和設計師來說，他們只需要確定想要解決的問題，然後就可以把具體的解決工作交給 AI，讓代理模型對各個元件的引數進行調整、模擬，最後由工程師和設計師記錄最優解下的引數。

這幫助工程師和設計師們從一部分繁瑣的工作中解放出來，大大釋放了人力資本。高爾表示，用 AI 進行晶片設計能夠減少資源浪費，優化晶片設計，但她強調，在最終的決策環節不能離開人的參與，基於 AI 的代理模型能夠幫助人們完成很多工作，但其利用率的高低取決於人們如何運用它，實現技術與人的互動。

結語：AI 打入晶片行業，提升智慧化水平擴充套件應用領域

目前，GitHub 和 MATLAB 平臺上已經公佈了眾多與晶片設計相關的程式，行業內越來越多的公司開始將 AI 納入晶片設計工作，釋放人力成本，提升工作效率。基於 AI 的代理模型在加快模型更新方面起到了重要作用，晶片設計所需的時間也隨之縮短，未來，人們有可能不需要等待 18 個月，就能看到效能翻倍的晶片。

隨著科技的發展，AI 越來越滲透入人們的生活之中，從智慧家居、語言處理再到健康管理，AI 的應用無處不在，在精密度極高的晶片領域，AI 也能夠分一杯羹，谷歌甚至開發出了讓 AI 進行自主編碼的工具，未來，AI 的智慧化和應用範圍還將達到怎樣的高度和廣度，值得期待。

來源：IEEE