圖一 : 愈來愈多的晶片業者導入人工智慧的晶片設計工具。（source：Cadence）
【作者： 盧傑瑞】
遊戲史上的今天／GBA《我們的太陽》小島秀夫創意之作 感應日光之力消滅吸血鬼！
AI最近因與ChatGPT等自然語言處理器的驚人能力而受到更多關注，但當應用在晶片設計的各個階段，包括設計最佳化、佈局、模擬和驗證下，人工智慧演算法可以幫助更有效地探索設計空間，能比傳統方法更快地發現最佳設計配置。
晶片業者正利用AI來突破嚴格的設計約束
由於數十億個電晶體被置放在一個很小的區域內，因此工程師的設計目標儘管受到嚴格的限制，仍要達到最佳化設計。
這是由於晶片面積必須不斷的被極小化，以滿足當今產品對於外形尺寸的要求，以及降低製造成本。這使得佈局的功耗備受關注；功耗同樣會影響部署成本以及晶片對環境的影響。某些電路密集區域或配置容易過熱，無法大量使用需要外部冷卻裝置來獲得解決，需要更巧妙的電路佈局。因此考慮到這些和許多其他因素下，往往工程師需花費大約8~9個月的時間來開發出能符合每項嚴格要求的電路佈局。
另外，根據Deloitte Global預測，到2023年，全球半導體業者將投資高達3億美元，用於提高晶片設計效率，和人工智慧工具上，在未來四年內將在這一數字基礎上每年成長20%，到2026年預計將超過5億美元。對於2023 年市場規模達到6,600億美元的全球半導體產業而言，這並不是非常龐大的支出，但這對於投資回報來說卻是非常巨大與意義重大。
人工智慧設計工具不僅協助晶片業者能夠突破摩爾定律的界限、節省時間和金錢，以及緩解人才短缺，同時，還可以提高供應鏈的安全性，並有助於緩解下一次晶片短缺的危機。換句話說，雖然設計晶片所需的人工智慧軟體工具的單機授權許可證可能只需數萬美元，但由透過此類工具所開發的晶片產品價值可能高達數十億美元。
因此，爲了加快和最佳化晶片設計流程，已經有愈來愈多的晶片業者導入人工智慧的設計工具，來完成一些繁重且高精細度的的電路設計工作。
時間就是金錢：AI以指數方式加速晶片設計
梅雨季「保養品」怎麼保存？專家建議4大防潮重點，發霉了還能這樣救
晶片需要經歷三個主要設計階段：系統級設計、暫存器傳輸級設計（RTL）以及最後的物理電路設計。而最後階段，更是先進的人工智慧工具才能真正發揮作用。
晶片設計最佳化了三個變量—功耗、性能和麪積（PPA）—獲得：1.最大限度地減少電力消耗；2.最大限度地提高處理速度；3.儘可能小的晶片尺寸。
使用傳統工具最佳化PPA速度緩慢且需耗費大量人力，設計迭代（Design Iteration）可能需要數週時間，而且迭代通常只能略微改善PPA。因此設計一款新晶片可能需要花費數年時間進行：透過物理形式設計，對設計和實現進行評估、測試和模擬。
晶片內部被置入了數十億個電晶體，並且以模組化形式安排，包含了暫存記憶體子系統、運算單元、控制邏輯系統和電源等。在高度複雜佈線的晶片中，這些模組須透過長達50公里的導線連接。當模組沒有獲得最佳排列時，模組間的連接需要更多的佈線和空間，同時模組間的寄生電容更可能會影響性能並降低功耗。
先進的人工智慧工具可以通過尋找出增加功耗、妨礙性能或低效使用空間的佈局錯誤，來測試人工設計問題，並且分析及建議改進；最後再進行模擬和測試。這些工具從之前的迭代中學習，以改進PPA，一直到達設計的極限。但真正革命性的是，先進的人工智慧可以自主地完成這項工作，產生出比使用傳統EDA工具的人類工程師更好的PPA。
【欲閱讀更豐富的內容，請參閱2023.8月(第381期)CTIMES雜誌】
2023.8月(第381期)AI幫你造晶片