生成式 AI （1/4）：一场产品开发和用户体验的双重变革
近来，生成式 ai 备受瞩目、应用广泛，发展速度和影响力有目共睹。芯片和系统开发领域自然也不例外；在半导体行业，搭载生成式 ai 的 eda 工具已经展露峥嵘，提供许多前所未有的优化功能，助力芯片和系统设计团队显著改善功率、性能和面积 (ppa)、提高工程生产力、加速设计收敛进程。
小组讨论
在今年于美国硅谷举办的 cadencelive silicon valley 2023 用户大会上， ai 和大数据的主题讨论广受关注。其中，生成式 ai 小组讨论最为精彩，令人耳目一新。此次小组讨论由 technalysis research 的 bob o’donnell 主持，讨论成员包括：
arm 公司的 rob christy
加州大学伯克利分校的 prabal dutta
cadence 公司的 paul cunningham
cisco 公司的 chris rowen
meta 公司 igor markov
本系列文章将分为四个部分深入讲解此次小组讨论。本文为第一部分，关注芯片设计方面，探讨生成式 ai 集成到eda 工具中的巨大影响，及其对芯片设计格局的塑造。本文围绕的问题是：向 eda 工具中添加生成式 ai 功能是否将改变芯片设计的方式，具体将有哪些影响？
以下为小组各方代表的回答总结。
1. 在增强设计中，生成式 ai 潜力巨大
arm 公司
答案是肯定的。我们的团队正在传统布局布线领域使用生成式 ai，尝试增强设计，并打算集成到设计技术和协同优化策略中。
在增强设计中，生成式 ai 潜力巨大。目前，我们在传统布局布线领域使用生成式 ai 来增强现有的设计，还没有研究这项技术在设计探索方面的应用。我们打算建立一个基线，找出工程师可能忽略的领域。
当然，在设计的初始阶段，工程师的投入必不可少。未来，我们计划把ai融入到协同优化设计技术策略中，尤其是针对手动操作受限的情况。
2. 在前端进行更多创造性探索
加州大学伯克利分校
由于下游流程极为耗时，目前对设计、空间探索和架构探索的关注较少。如果可以借助工具来加速下游任务，我们将能在前端进行更具有创造性的探索。嵌入式综合问题是一大固有挑战，这需要推理和表征(representations) 不仅涵盖 rto (requirements to objective，目标要求)，还能够涵盖时序、收敛、功率和线路延迟。
对这些表征进行编码，有助于加快前端系统设计，为系统设计人员节省大量时间，从而不必耗时查找元件目录，确定如何重用之前的设计。我们实现了设计、空间探索和综合流程的自动化，同时允许进行交互式调整。这一领域正在取得重大进展，创造了很多有趣的可能。
3. ai 让我们重新定义 eda
cadence 公司
答案并不绝对。ai 无法取代设计流程的基本要素，如布局布线、逻辑仿真和空间仿真。但 ai 将有助于减少这些基本流程中的手动操作。毕竟，这些基本流程需要耗费大量的人力，无论是调试还是精细调整。
ai 让我们重新定义 eda。cadence 的目标是让软件更好地成为设计人员和工程师的左膀右臂，数量级地提升生产力和效率。经过多年的发展，在交互、构建和芯片验证方面，半导体行业将迎来深刻的变革。毫无疑问，整个流程都将发生重大变化。
cadence 已推出新一代 ai 驱动的 orcad x 平台，支持 cadence oncloud，助力 pcb 设计提速 5 倍！
4. 生成式 ai 的影响与其概率性相关
cisco 公司
因其概率性，生成式 ai 的影响将是深远巨大的，但未必均衡。设计空间探索和验证套件方面预计将出现新的类别，涉及对设计过程进行抽象和概括。
但是，设计规则检查、连通性检查或逻辑评估都追求明确的答案，这与其背道而驰。这种算法将在注重概率 (probability) 的领域更有优势，更快投入使用。相反，在概率不受欢迎的领域，优势并不显著。
5. 目前生成式 ai 存在两大局限之处
meta 公司
整体上我们持中立态度。首先，目前针对文本和图像的生成式 ai 技术并不完全可靠，需要进一步验证。当前技术仍有局限，如 chatgpt 需要通过维度浮点表示数字，并通过层层发送来进行算术计算。严重依赖浮点运算的布局布线应用在未来几年可能会面临瓶颈。
第二个问题是，这些模型缺乏工作内存，输入/输出缓冲区较小，大约只有 64 kb，每次发送输入时都会被刷新。如此一来，模型学习和掌握技能的机会寥寥无几，从而难以与优化工具并驾齐驱。不过，这些模型擅长更高层次的抽象，并精于语言处理。
第一个问题的讨论就此结束。在第二个问题之前，technalysis research 分享了一个想法：
“如果chatgpt 在某处产生了 ‘幻觉（hallucination）’，也许再人工检查一遍，就可以万事大吉。但若 chatgpt 对一个电路的组成要素产生了幻觉，问题就大了。”
我国62座工厂跻身“灯塔工厂” 总数量位居全球第一
一文解读IGBT模块的原理及测量判断方法
自动驾驶坐标变换意义与类型
使用集成MOSFET限制电流的简单方法
5G MEC 的本质是什么
生成式 AI （1/4）：一场产品开发和用户体验的双重变革
阿里巴巴操作系统出 三巨头布局移动互联
暖心又时尚，TFBOYS第三代OPPO定制机很炫酷
泰矽微再登毕马威“芯科技”新锐企业50评选榜单
音量电位器接线方法
互联网时代 智能制造应如何发展？
业界领先的零售业扫描仪-电子秤解决方案Magellan 9600i和9900i
操控舒适、动力十足、油耗超低-本田CRV,完爆“油老虎”H6！
新医疗AR技术来了 可以让医生看到皮肤下面有什么
简单运算放大器电路提供电源排序
苹果13预计几时发布
荣耀9推出全新配色知更鸟蓝，明天发布：先来看一波华为荣耀9知更鸟蓝高清图赏，超级小清新
变频器与PLC的通讯设计步骤
广电总局副局长张宏森对推进智慧广电5G发展建设提出了三大建议
工信部：自动驾驶不能一蹴而就，现阶段搭载L1-L2是比较合理的节奏
小组讨论
在今年于美国硅谷举办的 cadencelive silicon valley 2023 用户大会上， ai 和大数据的主题讨论广受关注。其中，生成式 ai 小组讨论最为精彩，令人耳目一新。此次小组讨论由 technalysis research 的 bob o’donnell 主持，讨论成员包括：
arm 公司的 rob christy
加州大学伯克利分校的 prabal dutta
cadence 公司的 paul cunningham
cisco 公司的 chris rowen
meta 公司 igor markov
本系列文章将分为四个部分深入讲解此次小组讨论。本文为第一部分，关注芯片设计方面，探讨生成式 ai 集成到eda 工具中的巨大影响，及其对芯片设计格局的塑造。本文围绕的问题是：向 eda 工具中添加生成式 ai 功能是否将改变芯片设计的方式，具体将有哪些影响？
以下为小组各方代表的回答总结。
1. 在增强设计中，生成式 ai 潜力巨大
arm 公司
答案是肯定的。我们的团队正在传统布局布线领域使用生成式 ai，尝试增强设计，并打算集成到设计技术和协同优化策略中。
在增强设计中，生成式 ai 潜力巨大。目前，我们在传统布局布线领域使用生成式 ai 来增强现有的设计，还没有研究这项技术在设计探索方面的应用。我们打算建立一个基线，找出工程师可能忽略的领域。
当然，在设计的初始阶段，工程师的投入必不可少。未来，我们计划把ai融入到协同优化设计技术策略中，尤其是针对手动操作受限的情况。
2. 在前端进行更多创造性探索
加州大学伯克利分校
由于下游流程极为耗时，目前对设计、空间探索和架构探索的关注较少。如果可以借助工具来加速下游任务，我们将能在前端进行更具有创造性的探索。嵌入式综合问题是一大固有挑战，这需要推理和表征(representations) 不仅涵盖 rto (requirements to objective，目标要求)，还能够涵盖时序、收敛、功率和线路延迟。
对这些表征进行编码，有助于加快前端系统设计，为系统设计人员节省大量时间，从而不必耗时查找元件目录，确定如何重用之前的设计。我们实现了设计、空间探索和综合流程的自动化，同时允许进行交互式调整。这一领域正在取得重大进展，创造了很多有趣的可能。
3. ai 让我们重新定义 eda
cadence 公司
答案并不绝对。ai 无法取代设计流程的基本要素，如布局布线、逻辑仿真和空间仿真。但 ai 将有助于减少这些基本流程中的手动操作。毕竟，这些基本流程需要耗费大量的人力，无论是调试还是精细调整。
ai 让我们重新定义 eda。cadence 的目标是让软件更好地成为设计人员和工程师的左膀右臂，数量级地提升生产力和效率。经过多年的发展，在交互、构建和芯片验证方面，半导体行业将迎来深刻的变革。毫无疑问，整个流程都将发生重大变化。
cadence 已推出新一代 ai 驱动的 orcad x 平台，支持 cadence oncloud，助力 pcb 设计提速 5 倍！
4. 生成式 ai 的影响与其概率性相关
cisco 公司
因其概率性，生成式 ai 的影响将是深远巨大的，但未必均衡。设计空间探索和验证套件方面预计将出现新的类别，涉及对设计过程进行抽象和概括。
但是，设计规则检查、连通性检查或逻辑评估都追求明确的答案，这与其背道而驰。这种算法将在注重概率 (probability) 的领域更有优势，更快投入使用。相反，在概率不受欢迎的领域，优势并不显著。
5. 目前生成式 ai 存在两大局限之处
meta 公司
整体上我们持中立态度。首先，目前针对文本和图像的生成式 ai 技术并不完全可靠，需要进一步验证。当前技术仍有局限，如 chatgpt 需要通过维度浮点表示数字，并通过层层发送来进行算术计算。严重依赖浮点运算的布局布线应用在未来几年可能会面临瓶颈。
第二个问题是，这些模型缺乏工作内存，输入/输出缓冲区较小，大约只有 64 kb，每次发送输入时都会被刷新。如此一来，模型学习和掌握技能的机会寥寥无几，从而难以与优化工具并驾齐驱。不过，这些模型擅长更高层次的抽象，并精于语言处理。
第一个问题的讨论就此结束。在第二个问题之前，technalysis research 分享了一个想法：
“如果chatgpt 在某处产生了 ‘幻觉（hallucination）’，也许再人工检查一遍，就可以万事大吉。但若 chatgpt 对一个电路的组成要素产生了幻觉，问题就大了。”
我国62座工厂跻身“灯塔工厂” 总数量位居全球第一
一文解读IGBT模块的原理及测量判断方法
自动驾驶坐标变换意义与类型
使用集成MOSFET限制电流的简单方法
5G MEC 的本质是什么
生成式 AI （1/4）：一场产品开发和用户体验的双重变革
阿里巴巴操作系统出 三巨头布局移动互联
暖心又时尚，TFBOYS第三代OPPO定制机很炫酷
泰矽微再登毕马威“芯科技”新锐企业50评选榜单
音量电位器接线方法
互联网时代 智能制造应如何发展？
业界领先的零售业扫描仪-电子秤解决方案Magellan 9600i和9900i
操控舒适、动力十足、油耗超低-本田CRV,完爆“油老虎”H6！
新医疗AR技术来了 可以让医生看到皮肤下面有什么
简单运算放大器电路提供电源排序
苹果13预计几时发布
荣耀9推出全新配色知更鸟蓝，明天发布：先来看一波华为荣耀9知更鸟蓝高清图赏，超级小清新
变频器与PLC的通讯设计步骤
广电总局副局长张宏森对推进智慧广电5G发展建设提出了三大建议
工信部：自动驾驶不能一蹴而就，现阶段搭载L1-L2是比较合理的节奏