文|半導(dǎo)體產(chǎn)業(yè)縱橫
2022年，人工智能的創(chuàng)作能力多次破圈。
輸入關(guān)鍵詞，AI就可以做出成熟的作品；現(xiàn)在ChatGPT不但可以對(duì)話甚至可以寫程序了。當(dāng)人工智能掌握了編程語(yǔ)言，這設(shè)定看起來(lái)像人類可以操控自己的DNA編碼。從AI作畫到如今爆火ChatGPT，人們驚嘆人工智能的學(xué)習(xí)能力。既然AI已經(jīng)具備了“創(chuàng)作”的能力，那是否可以勝任芯片設(shè)計(jì)呢？除了設(shè)計(jì)環(huán)節(jié)，人工智能還可以應(yīng)用在芯片產(chǎn)業(yè)的哪些環(huán)節(jié)？芯片產(chǎn)業(yè)會(huì)進(jìn)入“無(wú)人”時(shí)代嗎？
人工智能設(shè)計(jì)芯片的兩種思路
首先來(lái)談?wù)?，人工智能能不能“?chuàng)作”芯片。其實(shí)AI在芯片設(shè)計(jì)不是一個(gè)新的概念，2000 年代中期，機(jī)器學(xué)習(xí)已應(yīng)用于 SPICE 仿真器的蒙特卡洛仿真，從而節(jié)省了電路設(shè)計(jì)人員的時(shí)間和精力。如今，隨著AI技術(shù)和芯片設(shè)計(jì)領(lǐng)域的研究同步深入，兩者的結(jié)合有了更多的可能性。
人工智能在芯片設(shè)計(jì)中的應(yīng)用有兩種思路，第一種是真正意義上的讓人工智能去設(shè)計(jì)電路圖。
谷歌團(tuán)隊(duì)在2021年發(fā)布論文《A graph placement methodology for fast chip design》，該團(tuán)隊(duì)提出了一種用于芯片布局規(guī)劃的深度強(qiáng)化學(xué)習(xí)方法。在不到六個(gè)小時(shí)的時(shí)間內(nèi)，人工智能自動(dòng)生成的芯片平面圖在關(guān)鍵指標(biāo)（包括功耗、性能和芯片面積）上優(yōu)于或可與人類生成的平面圖相媲美。在這一過程中，研究團(tuán)隊(duì)將芯片布局規(guī)劃作為一個(gè)強(qiáng)化學(xué)習(xí)問題，并開發(fā)了一種基于邊緣的圖卷積神經(jīng)網(wǎng)絡(luò)架構(gòu)。將芯片版圖看作圍棋棋盤，將宏模塊看作棋子，通過在大量?jī)?nèi)部數(shù)據(jù)樣本上預(yù)訓(xùn)練，最終超越了人類的布局方案。該研究團(tuán)隊(duì)稱團(tuán)隊(duì)的方法被用于設(shè)計(jì)下一代谷歌的人工智能加速器，并有可能為每一代新產(chǎn)品節(jié)省數(shù)千小時(shí)的人力。
除了谷歌，英偉達(dá)也在研究使用AI設(shè)計(jì)芯片，英偉達(dá)表示Hopper GPU 架構(gòu)擁有近 13,000 個(gè) AI 設(shè)計(jì)電路實(shí)例。
相對(duì)于第一種思路，第二種思路更像是“曲線”AI，即通過人工智能技術(shù)讓芯片設(shè)計(jì)的軟件EDA變得更“智能”。
EDA企業(yè)Synopsys推出了DSO.ai（設(shè)計(jì)空間優(yōu)化），這個(gè)軟件借助最新的機(jī)器學(xué)習(xí)技術(shù)搜索設(shè)計(jì)空間。具體來(lái)說(shuō)，芯片設(shè)計(jì)是一個(gè)可能性很多的解決方案空間，搜索這個(gè)巨大的空間是一項(xiàng)勞動(dòng)密集程度極高的工作，通常需要多個(gè)星期才能完成，而且往往要依靠過去的經(jīng)驗(yàn)和群體知識(shí)作為指導(dǎo)。DSO.ai可用于優(yōu)化芯片設(shè)計(jì)工作流程的輸入?yún)?shù)和選擇，以滿足特定項(xiàng)目的確切需求。這種能力的第一個(gè)典型應(yīng)用領(lǐng)域是優(yōu)化設(shè)計(jì)步驟和基礎(chǔ)工具設(shè)置。
開發(fā)者可以使用DSO.ai搜索設(shè)計(jì)過程的其他許多輸入選項(xiàng)。例如，DSO.ai可以微調(diào)庫(kù)單元以提供最佳頻率或最低功率；采用現(xiàn)有平面圖并盡量縮小芯片尺寸；確定多高的工作電壓會(huì)實(shí)現(xiàn)功耗與性能的最佳權(quán)衡；在定制時(shí)鐘結(jié)構(gòu)或者電源分布網(wǎng)絡(luò)探索不同效果等等。
北京大學(xué)集成電路學(xué)院林亦波研究員表示“AI for EDA是一條新技術(shù)路線，目前國(guó)內(nèi)外的研究均處于起步階段，且產(chǎn)業(yè)界和學(xué)術(shù)界都在積極布局，是有望突破現(xiàn)有EDA軟件瓶頸的一種前沿技術(shù)?！北本┐髮W(xué)集成電路學(xué)院已經(jīng)創(chuàng)建了首個(gè)致力于人工智能輔助芯片設(shè)計(jì)（AI for EDA）應(yīng)用的開源數(shù)據(jù)集——CircuitNet，這可為EDA相關(guān)研究提供數(shù)據(jù)支持。
人工智能“做”芯片
人工智能不僅在設(shè)計(jì)環(huán)節(jié)找到了一席之地，在芯片的制造環(huán)節(jié)也已經(jīng)發(fā)揮價(jià)值。人工智能在半導(dǎo)體行業(yè)具有巨大的價(jià)值潛力，晶圓廠和OSAT紛紛加大產(chǎn)能建設(shè)，并評(píng)估將人工智能和機(jī)器學(xué)習(xí)介入芯片制造，能否帶來(lái)更大的效益。
在臺(tái)積電，機(jī)器學(xué)習(xí)被用來(lái)實(shí)現(xiàn)自動(dòng)缺陷分類（ADC），并保持高級(jí)缺陷分類識(shí)別的準(zhǔn)確性。2020年臺(tái)積電負(fù)責(zé)先進(jìn)技術(shù)業(yè)務(wù)發(fā)展的一名高管就透露臺(tái)積電已開始利用人工智能和機(jī)器學(xué)習(xí)技術(shù)，用于芯片生產(chǎn)過程中的數(shù)據(jù)處理。這名高管表示，生產(chǎn)的芯片越多，從中學(xué)到的就能越多，就能知曉哪兒容易出問題，新材料或設(shè)備在哪一環(huán)節(jié)會(huì)出現(xiàn)意想不到的問題，就有更多的機(jī)會(huì)消除這些問題并簡(jiǎn)化流程。這名高管表示，臺(tái)積電已在他們的設(shè)備中部署了大量的傳感器，確保任何有用的數(shù)據(jù)都能被收集，他們利用人工智能和機(jī)器學(xué)習(xí)將數(shù)據(jù)轉(zhuǎn)化為相關(guān)的信息，改善他們的芯片生產(chǎn)，他們不浪費(fèi)任何一個(gè)學(xué)習(xí)的機(jī)會(huì)。臺(tái)積電通過整合智能化行動(dòng)裝置、物聯(lián)網(wǎng)和移動(dòng)式機(jī)器人，結(jié)合智能自動(dòng)物料搬運(yùn)系統(tǒng)，以強(qiáng)化晶圓生產(chǎn)資料收集與分析、有效利用生產(chǎn)資源，發(fā)揮最大制造效益。
封測(cè)大廠日月光也引入AI設(shè)備預(yù)測(cè)技術(shù)，以最快速度提供最佳參數(shù)，提升先進(jìn)制程精準(zhǔn)度與良率。工研院電子與光電系統(tǒng)研究所所長(zhǎng)張世杰表示，工研院的AI人工智能設(shè)備預(yù)診斷技術(shù)，可在產(chǎn)線直接判讀瑕疵，更可建立一套完整的資料庫(kù)，解決傳統(tǒng)人為檢查失誤或品質(zhì)不均問題。
有了足夠的數(shù)據(jù)和人工調(diào)整，這些機(jī)器算法可以快速且極其準(zhǔn)確地識(shí)別和分析圖像，而無(wú)需工程師不斷地教機(jī)器缺陷究竟是什么樣子?？偟膩?lái)說(shuō)，人工智能設(shè)備預(yù)診斷技術(shù)將有助大幅縮短解決問題時(shí)間，同時(shí)可提升半導(dǎo)體制程良率，并加速產(chǎn)品上市時(shí)程。
除此之外，人工智能還可以在職能部門的庫(kù)存和零件優(yōu)化、定價(jià)和促銷、客戶服務(wù)分析以及銷售和需求發(fā)揮作用，也可以在庫(kù)房中實(shí)現(xiàn)重新定位和跟蹤項(xiàng)目或更復(fù)雜的流程。例如，臺(tái)積電整合了人工智能、機(jī)器學(xué)習(xí)、專家系統(tǒng)和先進(jìn)演算法，以建構(gòu)智能制造的環(huán)境。智能制造技術(shù)被廣泛地應(yīng)用在排程與派工、人員生產(chǎn)力、機(jī)臺(tái)生產(chǎn)力、制程與機(jī)臺(tái)控制、品質(zhì)控制，以及機(jī)器人控制等方面，從而有效提升品質(zhì)、生產(chǎn)力、效率和彈性，同時(shí)最大化成本效益，并加速全面創(chuàng)新。
人工智能尚未無(wú)所不能
圍繞人工智能，人們常常會(huì)討論的話題就是AI是否會(huì)取代人類的價(jià)值。人工智能在芯片的制造環(huán)節(jié)的應(yīng)用更像是個(gè)“輔助”，干著大量的工作，又能保證準(zhǔn)確率和速度。不可否認(rèn)的是，在這一環(huán)節(jié)人工智能的性價(jià)比可能已經(jīng)超過了人類。不過，在芯片設(shè)計(jì)環(huán)節(jié)AI還不能取代人類的地位。
在芯片設(shè)計(jì)環(huán)節(jié)中，人工智能仍有許多局限性。芯片設(shè)計(jì)中涉及的許多任務(wù)無(wú)法自動(dòng)化，因此仍然需要專業(yè)的設(shè)計(jì)人員。英偉達(dá)負(fù)責(zé)相關(guān)研究的首席科學(xué)家表示即使有了AI的幫助，工程師仍然需要大量的專業(yè)知識(shí)，因?yàn)閺?qiáng)化算法有時(shí)會(huì)以不可預(yù)測(cè)的方式運(yùn)行，如果工程師未能發(fā)現(xiàn)這些錯(cuò)誤，可能會(huì)導(dǎo)致設(shè)計(jì)甚至制造中代價(jià)高昂的錯(cuò)誤。對(duì)于DSO.ai是否會(huì)成為芯片設(shè)計(jì)的“一鍵完成按鈕”，Synopsys產(chǎn)品工程總監(jiān)表示真正的能力仍然掌握在開發(fā)者手中。
DSO.ai并非通過有限的手動(dòng)搜索方式，而是將搜索過程自動(dòng)化，同時(shí)由用戶決定關(guān)注哪些空間。未來(lái)的開發(fā)者將能夠借助人工智能，以更高的抽象水平和處理能力完成設(shè)計(jì)過程。開發(fā)者的角色將不再是安排和運(yùn)行實(shí)驗(yàn)，而是指導(dǎo)人工智能技術(shù)關(guān)注哪些設(shè)計(jì)空間，以及最終根據(jù)經(jīng)驗(yàn)確定要實(shí)現(xiàn)什么目標(biāo)。這樣，開發(fā)者可以將更多時(shí)間用于分析具體問題，并對(duì)預(yù)期結(jié)果做出更好的權(quán)衡。
AI短期不能替代人類還有另外一個(gè)原因就是它的成本問題。使用 AI 往往很昂貴，因?yàn)樗枰罅康脑朴?jì)算能力來(lái)訓(xùn)練強(qiáng)大的算法。但隨著計(jì)算成本的下降和模型變得更加高效，AI會(huì)變得更容易獲得，在未來(lái)這可能不是一個(gè)大問題。
芯片無(wú)人時(shí)代還未到來(lái)
人工智能可以通過自然語(yǔ)言與人類互動(dòng)；識(shí)別銀行欺詐和保護(hù)計(jì)算機(jī)網(wǎng)絡(luò)；在城市街道上開車；玩國(guó)際象棋和圍棋等復(fù)雜游戲。人工智能正在為我們周圍的許多復(fù)雜問題提供解決方案，但創(chuàng)造真正的新事物，人工智能還要一段時(shí)間。
據(jù)McKinsey研報(bào)，半導(dǎo)體領(lǐng)域的AI / ML在2021年創(chuàng)造了70億美元的價(jià)值，占芯片收入的10%，預(yù)計(jì)到2025年將上升到設(shè)備收入的20%達(dá)900億美元，其中，人工智能在整個(gè)芯片制造過程中帶來(lái)的收益也將達(dá)到整體的40%。不過眼前來(lái)看，人工智能還處于為人類服務(wù)，輔助人類完成一些更加簡(jiǎn)單、流程化的任務(wù)的階段。如前文所說(shuō)，即便是能夠幫助縮短芯片設(shè)計(jì)時(shí)間，人工智能發(fā)揮作用的環(huán)節(jié)是在大量的數(shù)據(jù)庫(kù)中優(yōu)化搜索，而非去開辟一個(gè)最優(yōu)解?？梢哉f(shuō)，在一段時(shí)間內(nèi)，人工智能仍是個(gè)“打工人”而不是科學(xué)家。