AI能否取代芯片工程师？

近日，谷歌在《自然》杂志上发表了一篇论文《面向快速芯片设计的图布局方法》(一种快速芯片设计的图形布局方法)，发表了谷歌在人工智能驱动芯片设计方面的最新成果。

本文中，谷歌利用强化学习方法实现了高质量的自动芯片布局。谷歌已经习惯使用强化学习技术。在围棋领域击败世界冠军李世石的人工智能也采用了强化学习技术。

事实上，芯片布局与Go有很强的相似性，基本上需要在大的自由空间中寻找最优解，使返回函数最大化(例如，芯片布局领域的返回函数是拥塞、布局密度和布线长度的综合函数)。本文用该算法实现自动布局的具体方法如下：

电路设计给出了平面图中所有宏单元的信息，包括面积、接口位置等。

强化学习算法一次放置一个宏单元，直到完成所有宏单元的平面布置

人工智能完成布图后，运行基于传统算法的标准单元布局算法，获取拥塞、布局密度、布线长度等信息。

如果该操作是训练，则根据拥塞、布局密度和路由长度的综合结果更新强化学习模型

在算法的训练和使用过程中，谷歌采用了人工智能领域常用的预训练-微调的方法。预训练阶段，在包含5-20个TPU模块的训练数据集上训练模型，而微调任务是在目标芯片布图时进行多次迭代，使预训练模型适应目标任务。

根据谷歌公布的结果，预训练模型在执行目标芯片的布图时，可以在6小时内完成布图，其布图结果在时序、面积、功耗等关键指标上接近或优于专业物理设计工程师手动布图的结果。

AI会取代芯片工程师吗？

强化学习会取代芯片后端领域的工程师吗？我们认为，虽然谷歌公布的结果很优秀，但AI可预见的未来还不足以取代劳动力，工程师也不用担心职业生涯。

首先，通过强化学习可以被平面图覆盖的芯片类型仍然未知。谷歌论文中使用的训练数据集和测试数据集非常小(最大的只有20个芯片布局)，训练和测试数据集涉及的芯片种类也非常有限。目前还不知道在其他芯片布局中能否达到超越工程师手工作业的效果。

事实上，收集芯片的数据集非常困难，因此如何收集更大的数据集来训练更强、更通用的模型将成为强化学习方法进展中最关键的瓶颈。如果这个瓶颈得不到解决，基于强化学习的EDA过程将停留在学术阶段或者只是谷歌展示人工智能肌肉的一个案例。

此外，即使未来基于强化学习的数字电路EDA工艺得到了很大的发展，工程师仍然是工艺中的关键。一个核心的观察是，即使整个流程交给AI，也需要一群有经验的工程师全程照顾，否则没人能保证AI输出是否是最好的结果；

事实上，基于AI的芯片EDA工具更有可能通过人机协作来加速整个芯片设计过程，而不是取代人工。人机协同最可能的方式之一就是工程师根据经验预测芯片后端进程的结果，并将AI进程的结果与人工估算的结果进行比较，确保AI运行进程的结果是合理的。

如果强化学习能够加速芯片设计过程，将会降低芯片设计过程的迭代周期和成本，降低芯片设计的门槛，可能会让芯片行业更加繁荣，让行业对芯片工程师有更大的需求。

就像现在的芯片设计流程，大部分环节都已经自动化了(比如设计综合、物理综合等。)，但这种自动化并没有断送芯片后端设计人员的饭碗，反而让整个芯片行业比自动化之前更加繁荣，也让对人才的需求更大。所以我们相信AI驱动的EDA会成为工程师的朋友，不用担心裁员工程师。

强化学习将给EDA行业带来变革

虽然我们预计精读需要一段时间才能正式进入EDA行业，但我们认为它会给整个行业带来很大的变化，我们应该从现在开始积极关心这个领域的发展。

首先，正如我们之前所描述的，基于人工智能的EDA的一大要素是数据。只有收集足够的数据，才能训练出性能强、通用性好的人工智能模型。从这个角度来看，各个芯片厂商的芯片设计数据不仅对自己有用，对EDA公司也有更高的价值。

对于中国半导体行业来说，由于中国有足够多的芯片设计公司，数据实际上是不可或缺的，因此是否有组织能够以安全的形式率先培养EDA人工智能模型数据，将成为中国能否在基于人工智能的下一代EDA领域占据重要地位的核心要素。

除了数据之外，我们认为人工智能模型在未来EDA领域的应用会越来越多，而且会越来越复杂，这就涉及到一个计算能力的问题。在谷歌的论文中，即使在目标设计中使用预先训练好的模型，也需要运行6个小时以上才能达到良好的效果。

随着未来模型越来越复杂，目标芯片的设计越来越大，我们预计模型所需的计算能力会越来越大。对于谷歌这样的大公司来说，可能不缺算力，但对于小公司来说，我们预计会出现越来越多的EDA云服务，即在云上的EDA流程中运行人工智能模型，以满足算力需求。

这也催生了EDA商业模式的更新甚至新的商业机会，比如

如EDA工具的弹性许可模式（EDA-as-a-service），甚至可以根据不同的付费等级提供不同的人工智能模型。

综上所述，我们认为以强化学习为代表的的下一代基于人工智能的EDA将会给EDA领域带来重大的变革。最主要的就是EDA将从算法驱动变换到数据和算力驱动，因此是否能掌握数据和算力将会成为关键。

在这一方面，中国的半导体行业拥有芯片设计企业众多的先天优势，而且中国的云算力基础设施也是全球领先，因此我们认为这将会成为中国EDA行业的一个机会。

编辑：jq