機(jī)器已可以制造其他機(jī)器，因此人工智能將幫助構(gòu)建它們存在所需的組件，包括處理器和存儲設(shè)備——這聽起來沒錯(cuò)。但我們距離人工智能取代設(shè)計(jì)工程師還有很長的路要走。機(jī)器學(xué)習(xí) (ML) 和算法的直接好處是通過加速繁瑣、耗時(shí)的任務(wù)來提高生產(chǎn)力。

埃森哲關(guān)于生成式人工智能的年度技術(shù)愿景報(bào)告的最新研究發(fā)現(xiàn)，69% 的全球高科技高管希望他們的組織能夠從人工智能的加速創(chuàng)新中受益。高科技行業(yè)主管Syed Alam在接受《EE Times》獨(dú)家采訪時(shí)表示，制造和供應(yīng)鏈?zhǔn)钦谔剿魃墒饺斯ぶ悄芤灾С?a href="http://www.delux-kingway.cn/v/tag/207/" target="_blank">芯片制造流程的領(lǐng)域。

Alam說：“生成式人工智能可以通過協(xié)助質(zhì)量檢查和生產(chǎn)調(diào)度來提高芯片利用率和產(chǎn)量，”而供應(yīng)鏈可以通過監(jiān)控和識別產(chǎn)品交付中的斷點(diǎn)來優(yōu)化材料可用性來改善。

他補(bǔ)充說，設(shè)計(jì)是人工智能將產(chǎn)生影響的另一個(gè)領(lǐng)域，因?yàn)樗梢酝ㄟ^幫助管理整個(gè)芯片生命周期的復(fù)雜性來提高上市速度，例如快速原型設(shè)計(jì)和輕松查看產(chǎn)品的所有數(shù)字文檔。

“生成式人工智能的出現(xiàn)對半導(dǎo)體公司意味著，他們需要從根本上重新思考工作的完成方式，”他說?！爸攸c(diǎn)必須放在不斷發(fā)展的運(yùn)營和人員培訓(xùn)上，就像技術(shù)上一樣?！?/p>

01.?AI 擅長優(yōu)化

華邦電子公司移動 DRAM 經(jīng)理 Tetsu Ho 在接受《EE Times》獨(dú)家采訪時(shí)表示，他認(rèn)為人工智能有潛力通過提高性能、減少缺陷和提高效率來徹底改變芯片的設(shè)計(jì)和制造?！拔覀冋J(rèn)為人工智能可以幫助設(shè)計(jì)周期時(shí)間，例如電路布局和效率模擬結(jié)果?！?/p>

在設(shè)計(jì)過程方面，Ho補(bǔ)充說，可以使用ML算法來優(yōu)化芯片性能。人工智能還可以幫助生成新的芯片架構(gòu)并優(yōu)化芯片布局，從而提高性能，同時(shí)降低功耗。

他表示，設(shè)計(jì)可以進(jìn)一步優(yōu)化，因?yàn)槿斯ぶ悄芸梢詭椭A(yù)測不同場景下的芯片行為，以識別潛在問題。同樣，人工智能可用于制造中，以識別和糾正生產(chǎn)線中的問題，也可用于分析傳感器數(shù)據(jù)，以識別制造過程中芯片的缺陷。他補(bǔ)充說，人工智能還可以指導(dǎo)流程調(diào)整，以減少缺陷并提高良率。

此外，人工智能還可以用來改善質(zhì)量控制，因?yàn)樗梢宰R別人類難以察覺的缺陷，例如肉眼無法看到的劃痕或裂紋。

“由于大量有意義的標(biāo)簽數(shù)據(jù)，人工智能可以加快先進(jìn)工藝節(jié)點(diǎn)產(chǎn)品的產(chǎn)量提升，并優(yōu)化進(jìn)度周期時(shí)間?！?/p>

例如，Nvidia首席科學(xué)家 Bill Dally 在獨(dú)家專訪中告訴《EE Times》，Nvidia 正在與德克薩斯大學(xué)合作，探索人工智能如何通過基于 DREAMPlace 的自動宏布局 (AutoDMP)來幫助設(shè)計(jì)過程，以優(yōu)化宏布局。

AutoDMP 使用開源分析放置器 DREAMPlace 作為并發(fā)宏和單元放置的放置引擎，并使用 PyTorch 深度學(xué)習(xí) (DL) 框架來訓(xùn)練神經(jīng)網(wǎng)絡(luò)。Dally 表示，DREAMPlace 的優(yōu)點(diǎn)是運(yùn)行速度非常快，因此可以進(jìn)行許多試驗(yàn)和學(xué)習(xí)，盡管它不是當(dāng)今與 AI 最相關(guān)的 DL 框架。

圖：Nvidia 正在與德克薩斯大學(xué)合作，探索人工智能如何通過基于 DREAMPlace 的自動化宏布局來幫助設(shè)計(jì)過程，以優(yōu)化宏布局。(來源：英偉達(dá))

Dally 說，放置宏有許多經(jīng)過驗(yàn)證的做法，但手動找到最佳位置非常耗時(shí)。宏布局是芯片設(shè)計(jì)過程的一個(gè)關(guān)鍵方面，因?yàn)樗鼘π酒牟季钟兄卮笥绊懀苯佑绊懨娣e和功耗等許多設(shè)計(jì)指標(biāo)。如今，大多數(shù)數(shù)字芯片集成了許多宏，通常是內(nèi)存博客或模擬塊，它們通常比標(biāo)準(zhǔn)單元大得多。

Dally 表示，AutoDMP 研究不僅證明了將 GPU 加速布局器與 AI/ML 多目標(biāo)參數(shù)優(yōu)化相結(jié)合的有效性，而且還可能帶來額外的設(shè)計(jì)空間探索技術(shù)。

02.?簡單的人工智能可以加快設(shè)計(jì)過程

使用人工智能進(jìn)行芯片設(shè)計(jì)并不需要很復(fù)雜，其價(jià)值在于它將人類從重復(fù)性任務(wù)中解放出來，同時(shí)還可以減少錯(cuò)誤并提高準(zhǔn)確性。Dally 表示，Nvidia 使用人工智能的另一個(gè)例子是通過強(qiáng)化學(xué)習(xí)，使用名為 NVCell 的工具來設(shè)計(jì)單元庫。

“它比人類更好。”

從 5 nm 轉(zhuǎn)移到 3 nm 需要重新布局庫中的 2,500 個(gè)單元，同時(shí)遵守復(fù)雜的現(xiàn)代設(shè)計(jì)規(guī)則，Dally 表示，這項(xiàng)工作過去需要 10 個(gè)人花費(fèi) 8 個(gè)月的時(shí)間才能完成。

“現(xiàn)在，只需在 GPU 上運(yùn)行一整夜即可?！?/p>

他說，這是人工智能作為生產(chǎn)力工具的一個(gè)例子，它可以讓設(shè)計(jì)師減少瑣碎的勞動，專注于做出更高層次的決策——轉(zhuǎn)向新流程時(shí)節(jié)省的時(shí)間可以用來做更有價(jià)值的事情。

“這節(jié)省了人們的時(shí)間，因此我們可以用更少的人做更多的事情。”

03.?這是團(tuán)隊(duì)的努力

Dally指出，我們的目標(biāo)不是擺脫人們?！拔覀兿胱龈?。對于其他芯片，我們有很多很棒的想法。”

如果沒有人工智能生產(chǎn)力工具，就會出現(xiàn)工時(shí)短缺——五件事可能會因?yàn)闆]有足夠的時(shí)間而被刮掉?！艾F(xiàn)在，我們將能夠做這五件事，因?yàn)槲覀儗碛邢嗤瑪?shù)量的人員，但他們的生產(chǎn)力會更高?！?/p>

他補(bǔ)充說，以前設(shè)計(jì)的訓(xùn)練數(shù)據(jù)也可以用于新設(shè)計(jì)，以加快這一過程?！拔覀冇幸粋€(gè)我們設(shè)計(jì)的芯片檔案，可以用來訓(xùn)練工具。他們了解設(shè)計(jì)師在這些芯片中放入了什么，并可以在其他芯片中復(fù)制這些內(nèi)容?！?/p>

但Dally表示，良好的芯片設(shè)計(jì)需要創(chuàng)造力和經(jīng)驗(yàn)，而人工智能僅在規(guī)定和受限的場景中有效。

“一旦做出重大決策，人工智能就能更好地優(yōu)化事物?！?/p>

Lam Research (泛林研究)還在探索人類和人工智能如何最好地合作來優(yōu)化芯片設(shè)計(jì)，因?yàn)殡S著芯片尺寸不斷縮小，復(fù)雜性不斷增加，對精度和準(zhǔn)確度的需求也隨之增加。該研究公司最近在《自然》雜志上發(fā)表了一項(xiàng)研究，概述了人類和機(jī)器合作與工程師或人工智能單獨(dú)合作時(shí)的差異。

圖：Lam Research 創(chuàng)建了一個(gè)虛擬環(huán)境來快速測試算法如何找到控制等離子體與硅晶圓相互作用的合適配方。(來源：泛林研究)

泛林研究執(zhí)行副總裁兼首席執(zhí)行官顧問 Rick Gottscho 在接受《EE Times》的采訪時(shí)表示，最好的方法似乎是“人類優(yōu)先，計(jì)算機(jī)最后”的合作。

泛林研究讓工程師和計(jì)算機(jī)算法相互競爭，為芯片制造中使用的原子級等離子體蝕刻工藝開發(fā)出一種理想的配方，研究發(fā)現(xiàn)，雖然人類工程師仍然至關(guān)重要，但混合人機(jī)方法可以幫助減輕繁瑣和困難。研發(fā)的繁重工作，使工程師能夠?qū)Ｗ⒂诟咛魬?zhàn)性的問題。

Gottscho 表示，芯片被用來設(shè)計(jì)芯片已經(jīng)有幾十年了?！罢诎l(fā)生的事情是，那些用于設(shè)計(jì)芯片和進(jìn)行布局的自動化例程變得比過去更加復(fù)雜?！?/p>

然而，在處理器領(lǐng)域，很難有效地使用計(jì)算機(jī)輔助設(shè)計(jì)，他說。

“方案是通過反復(fù)試驗(yàn)而制定的?！?Gottscho 表示，這個(gè)問題比 Nvidia 等公司正在解決的布局挑戰(zhàn)更難解決。

04.?“物理學(xué)非常復(fù)雜。”

自動駕駛汽車成為可能的原因之一是汽車上的許多傳感器收集大量數(shù)據(jù)，這些數(shù)據(jù)可以為適用于所有車輛的復(fù)雜算法提供信息。但如果您正在開發(fā)等離子體沉積工藝，則可以在蝕刻機(jī)上運(yùn)行一百萬億種不同的配方，從而在晶圓上產(chǎn)生可測量的差異，Gottscho 解釋道。

“你如何從一百萬億個(gè)方案中挑選出一個(gè)?哪一個(gè)最好?”

他說，為了生成數(shù)據(jù)，每個(gè)實(shí)驗(yàn)通常需要一天的時(shí)間并花費(fèi)數(shù)千美元，這使得生成大數(shù)據(jù)變得不切實(shí)際。

Gottscho 表示，這項(xiàng)研究本身就是一個(gè)挑戰(zhàn)，因?yàn)?Lam 需要一種方法來公平地評估數(shù)據(jù)科學(xué)家生成的許多不同算法。他說，重要的一步不是在現(xiàn)實(shí)世界中這樣做。

“實(shí)驗(yàn)時(shí)間太長，而且成本太高。我們需要太多的數(shù)據(jù)來評估一種算法，更不用說評估一大堆不同的算法了?！?/p>

Gottscho說，這就是研究人員選擇在虛擬世界中進(jìn)行實(shí)驗(yàn)的原因。

“我們創(chuàng)建了一個(gè)虛擬環(huán)境來模仿等離子蝕刻機(jī)上發(fā)生的情況?！?在與工藝工程師確認(rèn)它與現(xiàn)實(shí)世界一樣現(xiàn)實(shí)且令人沮喪后，Lam 能夠大幅降低實(shí)驗(yàn)成本，并更快地評估一種算法與另一種算法的比較。

Gottscho 說，一個(gè)關(guān)鍵的結(jié)果是，數(shù)據(jù)科學(xué)家和他們最喜歡的機(jī)器學(xué)習(xí)算法都嚴(yán)重失敗，因?yàn)樗麄內(nèi)狈︻I(lǐng)域知識和經(jīng)驗(yàn)。與此同時(shí)，專家工程師和初級工程師的學(xué)習(xí)曲線都遵循特定的模式。

“通過一些實(shí)驗(yàn)，他們會學(xué)得很快?！?/p>

研究最終表明，工程師在達(dá)到客戶目標(biāo)的調(diào)整過程中會取得令人滿意的進(jìn)展，但在某個(gè)時(shí)刻，他們會因?yàn)闆]有取得太大進(jìn)展而感到沮喪。

“這就是花費(fèi)大部分時(shí)間和金錢的地方。”

05.?人工智能需要人來解決設(shè)計(jì)問題

Gottscho 說，研究表明，人工智能可以接管一個(gè)交接點(diǎn)，從工程師的努力中學(xué)習(xí)——他們的工作教授算法，以便它可以被快速利用，并處理緩慢、令人沮喪的過程。的過程?！斑@是為了提高人們的生產(chǎn)力?！?/p>

他說，這也表明采取混合方法是必要的。“沒有領(lǐng)域知識的機(jī)器就像新生嬰兒。神經(jīng)網(wǎng)絡(luò)中沒有連接。沒有學(xué)習(xí)的余地?！?/p>

Gottscho 表示，這意味著人工智能不會很快取代半導(dǎo)體設(shè)計(jì)行業(yè)的人員——嬰兒需要時(shí)間來學(xué)習(xí)。

“你需要某種方法來整理之前的學(xué)習(xí)成果?！?/p>

他說，訣竅是從那些從事他們喜歡的工作的人那里汲取經(jīng)驗(yàn)，因?yàn)樗麄冞M(jìn)步很快。

“當(dāng)它變成苦差事時(shí)，那就是你把它交給更擅長這項(xiàng)苦差事的機(jī)器的時(shí)候。”

編輯：黃飛

?