生成式AI的誕生，為芯片設計開啟另一條路。現在不論是英偉達等科技公司，還是學術界，都在試圖研發出能夠完全自主設計芯片的AI系統。用生產式AI加速芯片設計，將會成為半導體行業基操。在過去的⼀年⾥，算力巨頭英偉達、芯⽚設計公司Synopsys、CadenceDesignSystems，以及學術界開發人員都進行諸多的嘗試。
它們分別開發出一款AI工具——
旨在通過⾃動編寫硬件代碼和驗證代碼，加快⼯程師的⼯作速度，並通過總結筆記和狀態更新來幫助⼤型設計團隊協同⼯作。
讓AI參與芯片設計，全都是因2023年⼈⼯智能熱潮掀起，專用AI芯片的供應一直處於緊張狀態。
與此同時，摩爾定律（即芯⽚中的晶體管數量⼤約每兩年翻⼀番）的預言終結，也促使許多公司開始探索全新的芯⽚架構，以⽣產更多專⽤芯⽚。
專傢表⽰，美國沒有⾜夠的⼯程師能夠為AI以及⾃動駕駛汽車和⽆⼈機等特定應⽤設計這些先進的芯⽚，而當前這些應⽤的需求都在不斷增長。
英偉達ChipNeMo，專供AI芯設計
英偉達應⽤深度學習研究的副總裁Bryan Catanzaro表示，
由於GPU能夠同時處理成千上萬的任務，因此需要近千⼈來制造，⽽且每個⼈都必須解設計的各個部分是如何協同⼯作的，同時還要不斷改進。
對此，英偉達團隊開發一種全新定制化大模型ChipNeMo，能夠執行諸如回答有關GPU架構的問題，或⽣成芯⽚設計語⾔代碼等任務。
研究人員在開源Llama 2模型的基礎上，對這款AI系統進行訓練。
與此同時，該AI系統也是為與Synopsys等現有設計⾃動化⼯具配合使⽤。
英偉達的內部⼯程師開始使⽤ChipNeMo一年以來，Catanzaro稱，他們發現該系統在培訓初級⼯程師、總結100個不同團隊的筆記，狀態更新⽅⾯⾮常有⽤。
Google、芯片設計AI公司上陣
對於⾕歌DeepMind，他們也開發⼀套AI系統來改進邏輯合成。
這是芯⽚設計的⼀個階段，包括將電路⾏為描述轉化為實際電路。⾕歌表⽰，這些技術可能會被⽤於改進⾃⼰的定制⼈⼯智能芯⽚，即“張量處理單元”（TPU）。
另外，芯片設計公司Synopsys去年發佈一款AI工具——名為Synopsys.ai Copilot。
這是與微軟合作通過OpenAI的⼤模型開發的工具，旨在幫助工程師們開展合作。
該公司表示，微軟的內部矽團隊正在使用該工具來支持其工程需求。
這款AI⼯具可以回答有關如何使⽤公司設計⼯具的問題，並能創建⼯作流程腳本。
它還可以生成RTL（一種芯片設計語言，用於規范芯片架構），隻需用簡單的英語進行對話即可。
學術界研究爆發
在學術界，也有諸多研究朝著這個方向開展。
包括紐約大學在內多所大學進行的研究，致力於發現確定生成式AI加速芯片設計的其他方法。
其中一些研究得到Synopsys，以及芯片巨頭⾼通等公司的資助。
QTcore-C1，⼀種由紐約⼤學研究⼈員通過與ChatGPT對話命名和設計的芯⽚
紐約⼤學坦登⼯程學院的⼀個團隊通過與ChatGPT對話，在⼤約⼀個⽉的時間⾥設計出⼀款芯⽚。
這項技術被稱為“Chip Chat”，研究⼈員隻需與ChatGPT對話， 就能⾃動編寫描述芯⽚功能的芯⽚設計語⾔ Verilog。
紐約⼤學坦登⼯程學院電⽓與計算機⼯程研究所副教授Siddharth Garg表示，“通過使用與ChatGPT相關的AI系統，研究人員希望將硬件設計時間加速到⼀個⽉或更短的時間”。
通常來說，設計一款最復雜的微芯⽚，可能需要耗費長達半年，甚至更長的時間。
但這些AI工具並非，無所不能。
德克薩斯大學奧斯汀分校電氣與計算機工程學教授David Pan說，目前，這些工具主要用於培訓年輕的芯片設計師、編寫硬件語言和報告錯誤等方面。
⽬前的⼯具還有其他局限性。
⼯程師必須仔細驗證AI⽣成的輸出結果， ⽽且⽬前還沒有⼀種解決⽅案可以⾃動完成從設計到驗證、實現設計的晶體管以及檢查設計的電⽓特性等整個芯⽚設計流程。
Synopsys公司的Krishnamoorthy估計，利⽤⽣成式AI⾃主創建功能芯⽚的能⼒⼤約還需要5年時間。
參考資料：
https://www.businessinsider.com/nvidia-uses-ai-to-produce-its-ai-chips-faster-2024-2
https://www.wsj.com/articles/designing-chips-is-getting-harder-these-engineers-say-chatbots-and-ai-can-help-092b4c4