AI对于未来IC设计将扮演非常关键的辅助性角色
https://bit.ly/3ZlRUUY
为了加快和优化IC设计流程，许多公司现在都在投资AI工具来完成一些繁索的IC设计工作。
根据谷歌声称，谷歌的深度学习强化学习（Reinforcement learning, RL）方法可以比人类花费更少时间产生有效的IC布线，而且品质还不相上下。2022年3月，Google Research 推出了PRIME，这是一种深度学习方法，它使用功率和延迟等现有数据来创建比使用传统方法设计的芯片更快、更小的加速器设计。
谷歌研究人员使用10,000个芯片平面图来训练其模型。透过AI生成的芯片设计竟然不到六个小时就完成。如今这种方法已经被用于谷歌的TPU(Tensor Processing Unit)之设计上。
除了谷歌，EDA公司在AI设计系统上也正在加倍努力。新思科技(Synopsys)和益华科技(Cadence)等电子设计自动化（EDA）公司也在其最新工具中使用了AI技术。最近，Synopsys凭借其Synopsys DSO.ai自动芯片设计系统注册了100个商业Tape-out。该系统的客户包括：意法半导体(STMicroelectronics)和SK海力士。意法和Synopsys于 2022年2月初首次在微软的云端使用DSO.ai来设计芯片。
使用Synopsys的DSO.ai设计系统，结合Microsoft Azure上的Synopsys Fusion Compiler和IC Compiler，该工具将功耗、性能和面积 (PPA)指标提高了3倍以上，总功耗降低了25%，并显著缩小了尺寸。
除了芯片设计，AI还在芯片测试和验证中找到了应用。为了解决这个设计阶段，西门子推出了Questa Verification IQ，这是一个帮助IC设计工程师加快验证过程的软件平台。
辉达为芯片设计设计了另一种深度学习方法。该公司制作了一个名为PrefixRL 的RL模型，证明AI可以从头开始学习电路设计，并使用最新的EDA工具制造更小、更快的电路。辉达的架构由13,000个使用AI技术设计的电路组成。针对自动化单元迁移（Automating Cell Migration），该公司开发了NVCell，可以无错迁移92%的单元库(cell library)。
AI可以自动化某些传统上由 IC 设计人员执行的任务，同时也降低了设计过程中手动方面的需求。这一提高整体效率的AI设计芯片，可能最终会导致某些IC设计领域的工作流失。
可是从另一角度来看，AI可以帮助IC设计人员更高效、更有效地开展工作。例如：AI 可以分析大量数据并提供见解，建议工程师以前可能没有考虑过的设计替代方案。这种趋势可以提高IC设计师在产业中的价值，使他们能够专注于更复杂和更具创造性的设计。
不过，AI不太可能完全取代对IC设计熟练工程师的需求。可是随着AI在产业中变得越来越普遍，对此类工程师的需求甚至可能会增加，因为需要能够在设计过程中准确验证和利用AI工具和算法的工程师。