芯片设计日益艰难这些工程师表示，聊天机器人与人工智能可助一臂之力——《华尔街日报》

半导体行业正在利用生成式人工智能加速芯片设计——这一过程已变得愈发耗时且复杂，即便对先进芯片的需求与日俱增。

纽约大学坦登工程学院电气与计算机工程系副教授西达尔特·加格表示，通过运用驱动ChatGPT的人工智能系统，研究人员希望将硬件设计周期（最复杂微芯片的设计可能耗时半年以上）缩短至一个月甚至更短。

过去一年间，芯片制造商英伟达、芯片设计公司新思科技与铿腾电子及众多研究人员已开发出多款AI工具，旨在通过自动编写硬件代码并验证、汇总笔记和状态更新协助大型设计团队协作，从而提升工程师工作效率。

设计加速举措的推进正值专用AI芯片供应紧张之际——自去年人工智能热潮引发对英伟达图形处理器（GPU）的抢购潮以来，这一状况持续至今。

与此同时，预计即将到来的摩尔定律终结（该定律认为芯片晶体管数量约每两年翻一番）正促使企业探索新型芯片架构及更专用芯片的生产。专家指出，当前美国缺乏足够工程师来设计适用于人工智能及自动驾驶汽车、无人机等特定应用的先进芯片——而这些领域的需求都在持续增长。

新思科技（Synopsys）去年秋季发布的AI工具Synopsys.ai Copilot是与微软合作，基于OpenAI的大语言模型开发的，旨在助力工程师协作，该公司电子设计自动化部门总经理Shankar Krishnamoorthy表示。微软内部芯片团队已将该工具用于支持其工程需求。

这款AI工具能解答关于如何使用新思设计工具的问题，并可创建工作流脚本。仅通过普通英语对话，它还能生成RTL（一种用于定义芯片架构的芯片设计语言）。

英伟达应用深度学习研究副总裁Bryan Catanzaro指出，由于GPU等芯片需同时处理数千项任务，其构建需要近千人参与，每位工程师在持续改进设计时都必须理解各模块如何协同工作。

为此，英伟达开发了定制化AI系统ChipNeMo，该系统通过自有数据训练，可执行回答GPU架构问题、生成芯片设计语言代码等任务。公司在Meta Platforms开源模型Llama 2等基础上训练该系统，使其能与新思科技等现有设计自动化工具配合使用。

Catanzaro表示，自工程师使用ChipNeMo一年来，该系统在培训初级工程师、汇总多达100个不同团队的笔记和进度更新方面展现出最大价值。

字母表旗下研究实验室谷歌DeepMind开发了一套人工智能系统用于改进逻辑综合，这是芯片设计中将电路行为描述转化为实际电路的关键阶段。谷歌表示这些技术可能用于优化其定制AI芯片——张量处理单元（TPU）。

包括纽约大学在内的多所高校正开展研究，探索生成式AI加速芯片设计的其他途径，部分项目由新思科技和手机芯片巨头高通等企业资助。

QTcore-C1芯片，由纽约大学研究人员通过与ChatGPT对话完成命名与设计。图片来源：哈蒙德·皮尔斯纽约大学坦登工程学院团队通过约一个月的ChatGPT对话设计出一款芯片。该项目负责人Garg表示，这种名为"芯片对话"的技术让研究人员仅需与聊天机器人交谈，就能自动生成描述芯片功能的硬件语言Verilog代码。

但AI工具并非万能。德克萨斯大学奥斯汀分校电子与计算机工程教授David Pan指出，目前这类工具主要用于培训初级芯片工程师、编写硬件语言和漏洞报告等场景。Pan教授曾为多家企业和高校开发此类AI工具的研究团队提供咨询。

当前工具存在其他局限性：人类工程师必须仔细验证AI生成的输出，并且目前还没有一种解决方案能够自动化从设计到验证、实现设计中的晶体管以及检查设计电气特性的全芯片设计流程。

新思科技的克里希纳穆尔提估计，考虑到AI的“幻觉”或失误，利用生成式AI自主创建功能芯片的能力大约还需要五年时间。AI的“幻觉”。

联系贝尔·林，邮箱：[email protected]