在去年的CadenceLIVE Silicon Valley 2023用户大会上，生成式AI小组的讨论引发了广泛关注。前两篇文章分别探讨了生成式AI如何推动行业变革，以及它在应对错误时对芯片与系统设计带来的影响。作为本系列的第三篇，本文将要解答一个核心问题： **“生成式 AI 能否缓解人才短缺，并推动芯片设计的多元化发展？”** 讨论主持人指出，电子设计开发领域亟需更多具备全面技能的专业人才。如今，众多企业都在自主开展芯片设计，人才缺口极为显著。那么，生成式AI能否降低行业准入门槛，让对电路、芯片或系统设计感兴趣的人更轻松地进入这一领域？AI驱动的工具能否帮助工程师设计出不同种类的芯片，激发更多创新与发明？以下是小组各方代表的观点汇总。

1. 芯片设计应用将更简单、更快速

**Meta公司**的代表认为，在不久的将来，芯片设计应用会变得更加简洁、高效，但重点在于增强现有设计，而非创造全新设计。目前，生成式AI技术尚未普及，可能还无法带来根本性转变。不过，简化芯片设计流程已有迹可循——语言模型擅长按顺序处理步骤或词汇。这些模型会反复经历相同设计流程，识别重复任务中的细微差异，从而更精准地预测和优化每一步。这一点，人工操作难以比拟，而语言模型可以轻松胜任。在塑造未来芯片设计的过程中，AI将发挥关键作用。可以预见一个不断自我强化的循环：设计出专门支持生成式AI的AI芯片，再用于自动设计更先进、更高效的芯片。这一过程会随时间推移持续自我优化，打造出性能更强大的AI芯片。

2. 芯片开发的重点将转向何方？

**Cisco公司**的代表认为，未来芯片中集成的元器件将发生显著变化。最终应用可能基本保持不变，但开发的重心将转移到芯片功能的算法上。随着对AI理解的不断深入，AI技术本身也会被推动发展，形成正向反馈循环。专业的计算架构有助于这种循环，让AI与更多问题产生关联。最终，芯片的计算推理能力将加速机器学习，促进创新，催生出多种不同类型的芯片。

3. AI提升生产力的进一步意义

**Cadence公司**的代表指出，AI有可能将生产力提升10倍以上。基于Cisco的观点，如果没有AI带来的大幅生产力提升，某些芯片或技术要么难以开发，要么在技术上可行但经济上不可行。AI将催生新型芯片，并推动开发工作向前迈进。 **加州大学伯克利分校**的代表补充道：过去，从经济或技术角度来看，利用生成式AI解锁各种应用都并不可行。但现在，许多因成本过高或开发过于复杂而搁置的应用都变得可行。这意味着工程师可以加速工具流程中难度大、对经验要求高的环节，从而进行更多实验。这样就能大胆试错，有的可能一举成功创造亿万美金价值，有的也可能完全失败。 **Arm公司**的代表则强调，业界都在努力提高效率，可以尝试从新的来源获取答案，解锁之前难以想象的机遇。例如，3D技术与工程学的融合带来了许多人类工程师难以解决的挑战。在生成式AI的帮助下，可以挖掘出此前从未考虑过的解决方案。 很多人可能听说过大型语言模型的“幻觉(hallucination)”现象，那么在芯片或系统设计中使用生成式AI会遇到哪些类似的陷阱？从AI驱动的IC/SoC设计、AI验证、PCB设计到基于AI的多物理场分析，Cadence正在利用AI打造更高效率、更具创新与智能化的解决方案。典型代表就是用于多物理场分析优化的Cadence Optimality Intelligent System Explorer，它突破了传统优化过程耗费人力的限制，在不影响精确度的情况下可将生产力提升10倍。