核心要點(diǎn)

• 數(shù)據(jù)中心的諸多工作流程均為客戶定制化，這也是業(yè)界高度關(guān)注智能體 AI 工具的原因之一。

• 大型系統(tǒng)公司正推動(dòng) EDA 廠商提升性能，以跟上其 AI 工作流的發(fā)展節(jié)奏。

• 隨著 AI 深度融入芯片設(shè)計(jì)流程，設(shè)計(jì)團(tuán)隊(duì)的構(gòu)成正在發(fā)生改變。

圓桌專家

邀請多位專家探討 AI 對芯片設(shè)計(jì)的影響，以及 EDA 工具隨之而來的變革需求：

• 新思科技（Synopsys）AI 與機(jī)器學(xué)習(xí)副總裁 Thomas Andersen

• 英特爾（Intel）模擬 / 混合信號工具 / 流程高級總監(jiān) Sridhar Boinapally

• AMD 公司院士 Alex Starr

• 英偉達(dá)（Nvidia）GPU 硬件工程副總裁 Stuart Oberman

• 微軟（Microsoft）硅工程基礎(chǔ)設(shè)施合伙人兼總經(jīng)理 Silvian      Goldenberg

• 加州大學(xué)伯克利分校電氣工程與計(jì)算機(jī)科學(xué)教授 Borivoje Nikolic

以下為近期新思科技 Converge 大會(huì)上，面向現(xiàn)場觀眾的小組討論節(jié)選。

問：AI 算法快速迭代，我們是否會(huì)走向更通用化的硬件，讓軟件比以往更重要？還是會(huì)出現(xiàn)更深度的定制化？

Oberman（英偉達(dá)）：英偉達(dá)系統(tǒng)的核心之一，是打造可優(yōu)化的軟件環(huán)境，實(shí)現(xiàn)最高的單位面積性能與單位功耗性能。針對高性能數(shù)據(jù)中心，我們不談單位面積性能，而是每吉瓦性能，這已成為行業(yè)標(biāo)準(zhǔn)。作為設(shè)計(jì)師，我需要年復(fù)一年地提升單位功耗性能，這是核心競爭力，各家公司有不同實(shí)現(xiàn)路徑。

Starr（AMD）：EDA 廠商是工具與領(lǐng)域的專家，多年積累的技術(shù)能力極為深厚，這些才是推動(dòng)變革的關(guān)鍵。大型半導(dǎo)體公司擁有大量內(nèi)部技術(shù) —— 異構(gòu)流程、專屬定制數(shù)據(jù)。EDA 的核心是如何利用這些資源，廠商需要充分發(fā)揮工具中的專業(yè)積累。半導(dǎo)體公司在內(nèi)部基礎(chǔ)設(shè)施與 AI 能力上各有差異，會(huì)在 “直接采用 EDA 廠商完整智能體方案” 與 “聚焦單個(gè)工具深度優(yōu)化” 之間做出選擇。

問：你們目前還缺少什么？

Boinapally（英特爾）：缺口很大。EDA 廠商在智能體 AI 革命中略顯滯后，包括超大規(guī)模云廠商在內(nèi)的眾多企業(yè)都在布局。傳統(tǒng)思路是 “我提供工具、引擎、能力，設(shè)計(jì)師自行完成落地與優(yōu)化”。但智能體革命更進(jìn)一步，可提供更高自動(dòng)化的工具，能依據(jù)高層規(guī)格自主迭代設(shè)計(jì)，這是我們的發(fā)展方向。

Andersen（新思科技）：供需雙方都有各自的專業(yè)積累，只是交付方式不同。如今我們用算法打造最優(yōu)工具，由技術(shù)支持人員協(xié)助調(diào)試；客戶則搭建芯片設(shè)計(jì)流程，是芯片演進(jìn)的專家。未來我們將通過數(shù)據(jù)庫與 AI 智能體交付專業(yè)能力，客戶則用自動(dòng)化替代手動(dòng)腳本運(yùn)行 CAD 流程。目前 AI 訓(xùn)練完全依賴人類專家經(jīng)驗(yàn)，未來需要實(shí)現(xiàn)自學(xué)習(xí)系統(tǒng)，讓 AI 發(fā)現(xiàn)超越人類的最優(yōu)方案，屆時(shí)行業(yè)差異化可能縮小。

Goldenberg（微軟）：首先我們需要高質(zhì)量數(shù)據(jù)，包括規(guī)范的數(shù)據(jù)組織、便捷的數(shù)據(jù)獲取。過去多廠商工具整合困難，需要統(tǒng)一基礎(chǔ)設(shè)施與標(biāo)準(zhǔn)，現(xiàn)在可搭建工作流，讓每家設(shè)計(jì)公司發(fā)揮自身特色，形成差異化競爭力。

Boinapally（英特爾）：即便 EDA 高度自動(dòng)化，產(chǎn)品依然會(huì)有差異。就像好萊塢電影，使用相同設(shè)備，卻能拍出截然不同的作品。

Oberman（英偉達(dá)）：Claude 已能直接對接企業(yè)應(yīng)用（Excel、PowerPoint），未來工具與大模型廠商的集成路徑值得思考。目前前端輸出難以直接接入大模型，需手動(dòng)整理日志導(dǎo)入智能體流程，企業(yè)場景已基本解決，但能否與模型廠商實(shí)現(xiàn)直連集成？

Nikolic（伯克利）：AI 應(yīng)用于設(shè)計(jì)各環(huán)節(jié)的成本是關(guān)鍵。芯片領(lǐng)域缺少替代仿真，仿真工具僅跟進(jìn)高性能計(jì)算，未適配 AI 推理速度。EDA 工具對 GPU 的應(yīng)用滯后，學(xué)術(shù)界正研究并行仿真加速設(shè)計(jì)流程。

Andersen（新思科技）：AlphaEvolve 已受關(guān)注，但 EDA 領(lǐng)域運(yùn)行時(shí)長過長仍是未解決難題。現(xiàn)有代理模型精度不足，部分環(huán)節(jié)（如仿真）已實(shí)現(xiàn)并行與 GPU 加速，但尚未覆蓋全場景。

問：AI 如何與設(shè)計(jì)團(tuán)隊(duì)協(xié)作？多團(tuán)隊(duì)如何與 AI 交互？

Starr（AMD）：我們已為工程師部署最新工具，推出智能體框架并提供指導(dǎo)。團(tuán)隊(duì)聚焦能耗分析、常規(guī)任務(wù)等痛點(diǎn)，優(yōu)先解決暴力分析、調(diào)試等易落地場景。目前既有通用方案，也有針對特定團(tuán)隊(duì)的定制化用例，落地效果良好。

問：團(tuán)隊(duì)構(gòu)成是否因此改變？

Goldenberg（微軟）：團(tuán)隊(duì)數(shù)據(jù)與方案共享更頻繁，角色邊界逐漸融合，效率顯著提升。過去由公司定義流程，現(xiàn)在團(tuán)隊(duì)自主開發(fā)流程、開展實(shí)驗(yàn)，人為壁壘被打破。

Boinapally（英特爾）：我們搭建統(tǒng)一平臺(tái)，普及 AI 工具。AI 帶來未知與變革，對用戶與研發(fā)團(tuán)隊(duì)都需要思維轉(zhuǎn)變。我們正在推進(jìn)大規(guī)模培訓(xùn)，幫助員工掌握新技能，這是快速變革下的必然選擇。