【ZiDongHua 之设计自动化收录关键词:新思科技 人工智能 生成式AI GenAI ChatGPT 】
  
  2024冲上热搜的科技爆点:GenAI加入芯片设计与验证
  
  Gartner 2023 年新兴技术成熟度曲线显示,生成式AI(GenAI)在不到一年的时间里就达到期望膨胀期。而今年围绕ChatGPT和新兴应用的热议证明了GenAI不只是昙花一现,它将真正革新知识型工作的面貌。GenAI可以说是百年难遇的变革性技术。无论是电商网站上的即时聊天服务,还是软件开发领域的代码自动生成,GenAI的应用已在多个行业广泛展开。
 
  
  去年,新思科技对2023年人工智能的发展趋势做了一些预测,主要包括四个方面:首先,企业在异构组件集成方面的需求将进一步增加,为此新思科技研发了Multi-Die系统解决方案,以简化集成过程;其次,人工智能设计工具的使用将持续增长,新思科技对300余个由AI推动的商业流片项目的追踪,验证了这一趋势的加速发展;第三,生成式人工智能正在加快应用开发的步伐,预计不久将成为全球性的新应用平台;最后,人工智能将在推动实现碳中和目标方面扮演至关重要的角色,新思科技正全力以赴,努力达成这一宏伟目标。
  
  步入2024,让我们共同描绘并探索人工智能如何继续塑造电子产业的未来蓝图。随着人工智能技术日渐渗透入千行百业,我们将面临哪些关键问题,又应如何解决这些问题,以保障技术发展的稳定与可持续性?让我们一起探讨未来的可能性。
  
  当Copilot融入芯片设计和验证
  
  半导体行业的未来是机遇与挑战的共存。行业迅速壮大,系统日益复杂,而人才短缺的困境则可能阻碍创新的步伐。尽管压力重重,开发者们依旧依靠他们的智慧不断攻克技术难题,延续摩尔定律,提升开发效率,生产出更为精密和复杂的电子产品与系统。
  
  在这一背景下,GenAI预计将在新的一年扮演愈加重要的角色。EDA领域对人才的要求极高,需要深厚的学识和丰富的经验,人才缺口成为一个突出问题。芯片设计的Copilot提供了一条高效的知识共享路径,极大提升了工程资源的生产力。例如,集成于工具中的Copilot能够即时回应查询,用户无需暂停工作去搜索解决方案,或者翻阅众多文档,又或者联系应用工程师。
  
  随着Copilot变得更加智能和普及,它将深入融合到芯片的设计和验证流程中。Copilot的加入使得原本需要数小时乃至数天的工作,如今仅需几秒钟便可完成。
  
  数据生态初步成型
  
  对于那些拥有丰富设计知识的大型知名企业来说,GenAI可以提供巨大的发展潜力。行业内的佼佼者正在筹划部署自家的Copilot系统,以期将过去数十年积累的珍贵技术、架构和特有领域数据转化为更大的价值。同时,在2024年,GenAI预计将促进芯片设计流程的广泛普及,帮助新兴芯片企业更迅速地创新和扩张,让它们能够集中精力打造自己的核心竞争力,同时充分利用行业标准的参考流程和知识资源进行优化。
  
  在此过程中,EDA公司和IP供应商将成为不可或缺的力量,他们将把深厚的专业知识、成熟流程和IP资源与客户自身领域的数据有机结合,共同为整个技术栈打造强大的GenAI解决方案。2024年,芯片设计领域将会逐步见证一些初级数据生态系统的形成,正如OpenAI的Sam Altman在OpenAI DevDay 2023上所探讨的那样。这些数据集涵盖了芯片设计领域的代码、规格、寄存器传输级(RTL)、仿真等多样化信息,为GenAI应用培养出更精确、更高效的模型。
  
  然而,要想在这条道路上走得长远,合作伙伴们必须采用兼具扩展性和安全性的新型商业模式,在合理共享数据的同时保障数据安全。基于这种需求,托管式微服务成为了一种应时之选,众多公司正在积极探索这一模式并将之投入实际应用。
  
  芯片设计将更加以软件为中心
  
  随着GitHub Copilot等人工智能软件开发辅助工具的快速流行,至今年年初,这些工具已经协助编写了超过46%的新代码。现在,半导体硬件系统的设计也开始步入以软件为主导的发展轨道。GenAI有望深度融入芯片设计的各个阶段,包括设计构思、寄存器传输级(RTL)代码的编写、设计验证和实施等,实现整个系统的自动化,并由此颠覆传统芯片设计流程。
  
  微软最近发布了一篇简明易懂的博客,探讨了将生成式人工智能应用于半导体与电子设计的前景,并分析了软件开发中的敏捷实践方法如何可能继续深刻影响硬件设计领域。随着半导体行业的多种能力日臻成熟,这一趋势预计将在2024年加速演进。届时,行业将有望突破现有的瀑布式芯片设计模式。例如,GenAI或将能够实现超高速的原型设计流程,为设计构思和搭建提供高度自动化的方案选择,并摒弃那些耗时且注重细节的辅助性工作,如验证覆盖率模型、复杂的断言或是构建随机约束测试桩等,以此显著提升设计的效率和节奏。
  
  AI的经济门槛将加速AI硬件创新
  
  在人工智能领域,高性能工作负载对算力的需求不断攀升,尤其体现在预训练的大型语言模型(LLM)上,这些模型依赖于尖端的AI超算系统和庞大的半导体芯片阵列。目前估算显示,深度神经网络的参数规模每两年激增逾200倍,这一指数级扩展势必加剧未来踏足AI领域的经济门槛。CPU、GPU、XPU和系统集成等领域的行业领军企业正逐步加大对创新架构的研发投入,以在功耗效率和总体拥有成本(TCO)上获得竞争力,增强其在AI时代的行业影响力。
  
  预计到2024年,面向人工智能的新型处理架构将持续涌现,包括备受瞩目的神经形态计算芯片、光计算机以及量子计算平台,这些技术的发展可能会使得人工智能经济门槛进一步提高。异构计算组件的系统级集成趋势是推动行业向Multi-Die系统演进的关键因素,并将加速推进纳米级别数字CMOS技术的研发。尽管这些创新计算平台主要针对数据中心的需求,但自主边缘计算技术仍旧在自动驾驶汽车、工业自动化以及个人计算方案等领域推动算力的集成,以传感器技术集成为核心,持续助力相关领域的技术创新与发展。
  
  负责地应用AI方面,芯片设计将迎来创新
  
  GenAI正在以前所未有的方式处理海量数据,这得益于数字世界数据的急剧增长。GenAI的持续创新可能带来我们难以理解和控制的深远影响。
  
  到2024年,数据隐私和治理将变得尤为重要。业界和政府已就人工智能可持续发展、社会及商业影响进行了深入讨论,伦理问题也成为讨论焦点。比如,NIST新发布的人工智能风险管理框架,为人工智能产品的开发提供了重要指导。随着人工智能技术更深入人们生活,制定相关的监管框架来提供指导和保护是顺理成章的事。
  
  虽然“负责任使用”听起来似乎有所限制,但它是推动技术发展的重要条件。新思科技在2023年硅谷领导力集团会议上讨论了如何在芯片设计中更好地应用人工智能,如何从当前的“告知-询问”模式,转变为未来的“共享-探索”式合作创新。要让人工智能发挥最大潜力,得到创造者的认可,就必须保证人工智能的公平、可靠、隐私、包容、透明和可追溯。
  
  新的一年,拥抱创新
  
  创新是人类的天性,而人工智能已经证明它能够提升我们的创新,加速开发者的创新步伐。随着时间的推移,人工智能更有可能逐步获得我们的信任。2024年,我们需要深入探讨人类与人工智能如何更好地互动与合作。在不断追求创新的道路上,人工智能将协助我们实现更加卓越的成就。这样的未来,指日可待。