在近期举行的SEMICON West展会上，新思科技与Advantest、瑞萨电子、TinyML、Gartner等四家半导体公司共同探讨了人工智能在半导体领域的机遇与挑战。本文基于这场圆桌讨论的精华内容，为你梳理了核心观点与实践经验，帮助从业者快速把握AI驱动芯片设计的关键趋势。

一、边缘数据激增与行业责任

瑞萨电子指出，目前75%的数据来自边缘设备，随着边缘数据量的急剧增加，半导体行业有望成为第一个价值万亿美元的行业。但行业的飞速发展也带来了更大的责任，挑战显而易见：人工智能的利弊、数据安全和隐私、云服务的能源足迹增加……随着ChatGPT等重工作负载应用的普及，这些问题日益受到关注。

新思科技在介绍芯片设计复杂性快速提升带来的挑战时，提及了一个容易被忽视的重要问题：近年来，随着复杂芯片设计迁移到更先进工艺节点，成本增加了一倍多，提高效率至关重要。与此同时，开发人才短缺问题却日益突出。开发团队的工作量增加了4倍，人才缺口高达10%-20%，半导体公司急需AI驱动的EDA工具。

小提示：人才短缺是当前芯片设计领域最突出的痛点之一，企业应优先考虑引入AI辅助工具来提升现有团队的生产力，而非单纯依赖招聘。

二、低功耗芯片与可持续智能边缘

可持续性是本次讨论会的热门话题。瑞萨电子表示，在边缘执行更多数据处理对于平衡云端负载至关重要。原因在于，传输数据能耗巨大，云端处理总体而言能耗更高。需要从芯片和软件两方面入手解决这一问题。

瑞萨电子强调，在软件方面，人工智能开发者必须提高机器学习（ML）算法和模型的剪枝能力，使其能够在低功耗神经处理单元（NPU）等专用芯片上更高效地运行。TinyML则指出，在边缘微型设备（通常为电池供电）上运行边缘工作负载、挖掘数据时必须注意隐私问题。

TinyML举了一家当地公司为例，该公司因开发出能够隐藏面部和其他可识别信息的专用传感器和算法而发展迅猛，因此未来有望将摄像头安装在卫生间等敏感区域，从而在不暴露个人身份的情况下检测人员昏倒的情况。他强调，虽然目前此类边缘设备运行高度优化的机器学习模型，但软件仍完全依赖于可用的处理能力。这就又把我们带回到了芯片设计，以及人工智能如何优化人工智能设计的主题上。

新思科技认为，设计低功耗芯片（以及其他芯片）最好使用AI驱动的EDA工具。数据显示，开发者在使用Synopsys.ai EDA解决方案打造定制芯片和差异化的芯片。对于边缘设备，“我们使用人工智能优化人工智能设计，可节约15%的能源和电能能耗”，尤其是边缘设备。

小提示：在边缘设备上进行隐私保护处理时，可以借鉴“遮挡面部识别”的思路，在硬件层面设计专用传感器，结合软件算法实现隐私与功能的平衡。

三、AI驱动的EDA工具重塑芯片设计

因无法正确处理设计复杂性和易用性问题而失败。嘉宾们表示，行业面临的挑战是，GenAI并不完全准确，因此将其用于芯片设计仍停留在理论阶段。正如新思科技的观点：ChatGPT生成的内容准确率为85%，但芯片设计“必须100%准确”。

Advantest对未来持乐观态度，并期待AI驱动的EDA工具发挥更大作用，帮助公司设计更复杂的测试设备，提高速度和准确性。Advantest还表示，ChatGPT 4等不断发展的GenAI技术可以催生新一代交互式AI应用，让开发者能够实时作出更明智的决策。这一观点引发了大家对当前和未来GenAI用例实用场景的交流，包括使用GitHub Copilot等人工智能助手协助开发团队完成RTL代码编写、汇总、迁移和审查工作。同样，专业聊天机器人可以提供情境理解和工具建议，而生成式搜索可以让开发者快速整理超大数据集并最大限度减少调试错误。

新思科技表示，“企业要勇于打破常规，否则必将被市场所淘汰”，并强调AI驱动的EDA工具必须在整个半导体供应链中持续并准确地发挥作用。他解释说：“GenAI工具尚未全面结合EDA领域的知识和人工智能的强大技术，所以功能还不尽如人意，因此开发团队必须了解复杂的芯片设计内容和不断变化的人工智能领域。人工智能正在飞速发展，在此阶段，会有一些GenAI‘杀手级应用’出现，但也会有应用消失。随着GenAI日益成熟且更易于使用，它将成为芯片设计、幻灯片制作等许多用例的主流工具。”

四、新思科技Synopsys.ai实践成果

新思科技指出，Synopsys.ai是业界首款全栈式AI驱动型EDA整体解决方案，帮助各大半导体公司大幅提高了效率，并缩短了模拟设计迁移、数字设计、验证和测试的开发周期。“客户在过去一年利用Synopsys.ai取得了无数成就，新思科技对此感到非常激动和兴奋。客户依靠现有规模的芯片开发团队，即可更快地完成更多任务。仅针对DSO.ai（设计空间优化人工智能），我们就跟踪到了250多项已完成的生产设计。”

新思科技总结道，新思科技的AI之旅才刚刚开始，用于工艺计算机辅助设计技术（TCAD）、模拟设计的快速节点迁移，以及各个制造阶段所涉及的的诸多EDA工具，同样可以从先进的人工智能技术中获得巨大的好处。

常见问题

• 问：GenAI在芯片设计中最大的障碍是什么？
  答：最大的障碍是准确率不足。芯片设计必须100%准确，而当前GenAI（如ChatGPT）生成内容的准确率仅为85%左右，直接用于芯片设计风险极高。需要结合EDA领域的专业知识对AI输出进行严格验证。
• 问：边缘设备如何平衡隐私与数据处理需求？
  答：可以通过设计专用传感器和算法来实现。例如，开发能够隐藏面部等可识别信息的传感器，在摄像头等敏感区域（如卫生间）检测人员昏倒等事件时，只输出行为结果而不暴露个人身份。同时，在芯片上运行高度优化的机器学习模型，降低能耗并保护数据隐私。
• 问：AI驱动的EDA工具能带来多大的效率提升？
  答：以新思科技的Synopsys.ai为例，使用AI优化人工智能设计可节约15%的能源和电能能耗，尤其在边缘设备上效果明显。此外，DSO.ai已经跟踪到250多项已完成的生产设计，帮助客户在现有团队规模下更快完成更多任务。
• 问：芯片设计公司应该如何应对人才短缺？
  答：一方面加大招聘和培训力度，另一方面积极引入AI驱动的EDA工具，例如Synopsys.ai，让现有开发团队借助AI辅助完成更多工作量。数据显示，开发团队工作量增加4倍时，人才缺口高达10%-20%，AI工具能有效缓解这一矛盾。

综上所述，人工智能正在深度融入半导体产业，从边缘数据治理、低功耗芯片设计到AI驱动的EDA工具，每一步都需要从业者打破常规、拥抱变化。未来五年，随着GenAI技术日趋成熟，芯片设计将迎来更加智能高效的“黄金时代”。