摩爾定律的終結即將到來。工程師和設計師所能做的就是將晶體管小型化並將盡可能多的晶體管封裝到晶片中。因此，他們正在轉向其他晶片設計方法，將人工智慧等技術融入流程中。

例如，三星正在其儲存晶片中添加人工智慧，以實現記憶體中的處理，從而節省能源並加速機器學習。說到速度，Google的TPU V4人工智慧晶片的處理能力比之前的版本提高了一倍。

但人工智慧為半導體產業帶來了更多的希望和潛力。為了更了解 AI 如何徹底改變晶片設計，我們採訪了 MathWorks MATLAB 平台的高級產品經理 Heather Gorr。

目前人工智慧如何用於設計下一代晶片？

希瑟‧戈爾： 人工智慧是如此重要的技術，因為它涉及週期的大部分部分，包括設計和製造過程。這裡有許多重要的應用，甚至在我們想要優化的一般製程工程中也是如此。我認為缺陷檢測在流程的各個階段都是一項重要工作，尤其是在製造領域。但即使在設計過程中提前考慮， [AI now plays a significant role] 當您設計燈光、感應器以及所有不同的組件。您真正需要考慮的異常檢測和故障緩解有很多。

希瑟·戈爾數學工廠

然後，考慮您在任何行業中看到的物流模型，總會有您想要減少的計劃停機時間；但您最終也會遇到計劃外停機。因此，回顧一下歷史數據，當您遇到製造某些東西的時間可能比預期要長一些的時刻時，您可以查看所有這些數據並使用人工智慧來嘗試識別直接原因或看到一些即使在處理和設計階段也可能會跳出來的東西。我們通常認為人工智慧是一種預測工具，或是做某件事的機器人，但很多時候你可以透過人工智慧從數據中獲得很多洞察力。

使用AI進行晶片設計有哪些好處？

戈爾： 從歷史上看，我們見過很多基於物理的建模，這是一個非常密集的過程。我們想要做一個降階模型，我們可以做一些更便宜的事情，而不是解決這樣一個計算昂貴且廣泛的模型。您可以建立一個基於物理的模型的代理模型，使用數據，然後使用代理模型進行參數掃描、最佳化和蒙特卡羅模擬。與直接求解基於物理的方程式相比，這花費的計算時間要少得多。因此，我們在許多方面都看到了這種好處，包括效率和經濟性，這是快速迭代實驗和模擬的結果，這將真正有助於設計。

從某種意義上說，這就像擁有一個數位孿生嗎？

戈爾： 確切地。這幾乎就是人們正在做的事情，你擁有物理系統模型和實驗數據。然後，結合起來，您可以調整和調整另一個模型，並嘗試不同的參數和實驗，以清除所有這些不同的情況，並最終提出更好的設計。

那麼，它會更有效率，而且正如你所說，更便宜？

戈爾： 是的，絕對是。尤其是在實驗和設計階段，您會嘗試不同的事情。如果您實際上正在製造和生產，這顯然會帶來巨大的成本節省 [the chips]。您想要盡可能模擬、測試、實驗，而不使用實際的製程工程來製作東西。

我們已經討論過好處。缺點又如何呢？

戈爾： 這 [AI-based experimental models] 往往不如基於物理的模型準確。當然，這就是您進行許多模擬和參數掃描的原因。但這也是擁有數位孿生的好處，您可以記住這一點 – 它不會像我們多年來開發的精確模型那麼準確。

晶片設計和製造都是系統密集的；你必須考慮每一個小部分。這確實具有挑戰性。在這種情況下，您可能有模型來預測某些事物及其不同部分，但您仍然需要將它們整合在一起。

還需要考慮的其他事情之一是您需要資料來建立模型。您必須整合來自各種不同感測器和不同類型團隊的數據，這增加了挑戰。

工程師如何使用人工智慧更好地準備硬體或感測器數據並從中提取見解？

戈爾： 我們總是考慮使用人工智慧來預測某些事情或執行一些機器人任務，但你可以使用人工智慧來提出模式並挑選出你自己之前可能沒有註意到的事情。當人們擁有來自許多不同感測器的高頻資料時，人們就會使用人工智慧，並且很多時候探索頻域以及資料同步或重採樣等內容很有用。如果您不確定從哪裡開始，這些可能真的很有挑戰性。

我想說的一件事是，使用可用的工具。有一個龐大的社區致力於這些事情，你可以找到很多例子 [of applications and techniques] 在 GitHub 或 MATLAB Central 上，人們分享了一個很好的範例，甚至是他們創建的小型應用程式。我認為我們中的許多人都被數據淹沒了，只是不知道如何處理它們，所以一定要利用社區中已有的東西。您可以探索並了解什麼對您有意義，並平衡領域知識與從工具和人工智慧中獲得的洞察力。

工程師和設計師應該考慮什麼使用人工智慧進行晶片設計？

戈爾： 仔細思考您想要解決的問題或您可能希望找到的見解，並嘗試弄清楚這一點。考慮所有不同的組件，並記錄和測試每個不同的部分。考慮所有相關人員，並以對整個團隊有意義的方式進行解釋和交接。

您認為人工智慧將如何影響晶片設計師的工作？

戈爾： 它將釋放大量人力資本來完成更高階的任務。我們可以使用人工智慧來減少浪費、優化材料、優化設計，但每當涉及決策時，仍然需要人工參與。我認為這是人與科技攜手合作的一個很好的例子。這也是一個所有相關人員（即使在製造車間）都需要對正在發生的事情有一定程度的了解的行業，因此這是一個推進人工智能的偉大行業，因為我們在投入使用之前如何測試事物以及如何思考它們它們在晶片上。

您如何看待人工智慧和晶片設計的未來？

戈爾: 它在很大程度上取決於人的因素——讓人們參與這個過程並擁有可解釋的模型。我們可以利用建模的數學細節做很多事情，但這取決於人們如何使用它，以及過程中的每個人如何理解和應用它。在這個過程中，各種技能水平的人員的溝通和參與將非常重要。我們將看到越來越少的超精確預測，以及更透明的資訊、共享和數位孿生——不僅使用人工智慧，還使用我們的人類知識和許多人多年來所做的所有工作。