摩爾定律的終結正在逼近。工程師和設計人員在使晶體管小型化和將盡可能多的晶體管裝入芯片方面只能做這么多。因此，他們正在轉向其他芯片設計方法，將 AI 等技術融入流程中。

　　例如，三星正在將人工智能添加到其內存芯片中，以便在內存中進行處理，從而節省能源并加速機器學習。說到速度，谷歌的 TPU V4 AI 芯片的處理能力比之前的版本提高了一倍。

　　但人工智能對半導體行業仍有更大的希望和潛力。為了更好地了解 AI 如何徹底改變芯片設計，我們采訪了MathWorks的 MATLAB 平臺高級產品經理Heather Gorr 。

　　Q：目前如何使用 AI 來設計下一代芯片?

　　Heather Gorr：人工智能是一項非常重要的技術，因為它涉及到周期的大部分，包括設計和制造過程。這里有很多重要的應用，即使是在我們想要優化的一般過程工程中。我認為缺陷檢測在流程的所有階段都是一項重要工作，尤其是在制造中。但即使在設計過程中提前考慮，[AI 現在發揮著重要作用] 當你設計燈光、傳感器和所有不同的組件時。您確實需要考慮很多異常檢測和故障緩解。

　　然后，考慮到您在任何行業中看到的logistical模型，總有您想要減少的計劃停機時間;但是您最終也會遇到計劃外的停機時間。因此，回顧一下歷史數據，當你經歷過制造某些東西的時間可能比預期的要長一些的時候，你可以查看所有這些數據并使用 AI 來嘗試識別近因或看到即使在處理和設計階段也可能跳出的東西。我們通常認為 AI 是一種預測工具，或者是一個做某事的機器人，但很多時候你通過 AI 從數據中獲得很多洞察力。

　　Q：使用 AI 進行芯片設計有什么好處?

　　Gorr：從歷史上看，我們已經看到了很多基于物理的建模，這是一個非常密集的過程。我們想做一個reduced order model，而不是解決這樣一個計算量大且廣泛的模型，我們可以做一些更便宜的事情。您可以創建一個代理(surrogate)模型，可以說是基于物理的模型，使用數據，然后使用代理模型進行參數掃描、優化、蒙特卡羅模擬。與直接求解基于物理的方程相比，這在計算上花費的時間要少得多。因此，我們在很多方面都看到了這種好處，包括快速迭代實驗的結果所帶來的效率和經濟性，以及真正有助于設計的模擬。

　　Q：所以從某種意義上說，這就像擁有一個數字雙胞胎?

　　Gorr：沒錯。這幾乎就是人們正在做的事情，你有物理系統模型和實驗數據。然后，結合起來，您擁有另一個模型，您可以對其進行調整和調整，并嘗試不同的參數和實驗，從而掃清所有這些不同的情況并最終提出更好的設計。

　　Q：所以，它會更有效率，而且，正如你所說，更便宜?

　　Gorr：是的，當然。尤其是在實驗和設計階段，你正在嘗試不同的東西。如果您實際制造和生產 [芯片]，這顯然會顯著節省成本。您想盡可能多地模擬、測試、實驗，而不需要使用實際的過程工程來制作東西。

　　Q：我們已經談到了好處。缺點如何?

　　Gorr： [基于 AI 的實驗模型] 往往不如基于物理的模型準確。當然，這就是您進行許多模擬和參數掃描的原因。但這也是擁有數字雙胞胎的好處，您可以牢記這一點——它不會像我們多年來開發的精確模型那樣準確。

　　芯片設計和制造都是系統密集型的;你必須考慮每一個小部分。這真的很有挑戰性。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。

　　還要考慮的另一件事是您需要數據來構建模型。您必須整合來自各種不同傳感器和不同類型團隊的數據，這樣就增加了挑戰。

　　Q：工程師如何使用 AI 更好地準備并從硬件或傳感器數據中提取見解?

　　Gorr：我們一直在考慮使用 AI 來預測某事或做一些機器人任務，但您可以使用 AI 來想出模式并自己挑選出您以前可能沒有注意到的東西。當人們擁有來自許多不同傳感器的高頻數據時，人們會使用人工智能，而且很多時候探索頻域以及數據同步或重采樣等事情很有用。如果您不確定從哪里開始，這些可能會非常具有挑戰性。

　　我想說的一件事是，使用可用的工具。有一個龐大的社區從事這些工作，您可以在GitHub或MATLAB Central上找到很多 [應用程序和技術]示例，人們在這里分享了很好的示例，甚至是他們創建的小應用程序。我認為我們中的許多人都沉浸在數據中，只是不確定如何處理它，所以一定要利用社區中已經存在的東西。您可以探索和了解什么對您有意義，并在領域知識和您從工具和 AI 中獲得的洞察力之間取得平衡。

　　Q：工程師和設計師在使用 AI 進行芯片設計時應該考慮什么?

　　Gorr：想想你要解決什么問題，或者你可能希望找到什么見解，并試著弄清楚這一點。考慮所有不同的組件，并記錄和測試每個不同的部分。考慮所有相關人員，并以對整個團隊都合理的方式進行解釋和交接。

　　Q：您認為 AI 將如何影響芯片設計師的工作?

　　Gorr：它將為更高級的任務釋放大量人力資本。我們可以使用 AI 來減少浪費、優化材料、優化設計，但在決策制定時仍然需要人工參與。我認為這是人和技術攜手合作的一個很好的例子。這也是一個所有相關人員——即使是在制造車間——都需要對正在發生的事情有一定程度了解的行業，所以這是一個推進人工智能的偉大行業，因為我們如何測試事物以及我們在投入之前如何思考它們他們在芯片上。

　　Q：您如何展望人工智能和芯片設計的未來?

　　Gorr：這在很大程度上取決于人的因素——讓人們參與到過程中并擁有可解釋的模型。我們可以用建模的數學細節做很多事情，但這取決于人們如何使用它，過程中的每個人如何理解和應用它。在此過程中，所有技能水平的人的溝通和參與都將非常重要。我們將看到更少的超精確預測和更多的信息、共享和數字孿生的透明度——不僅使用人工智能，而且使用我們的人類知識和許多人多年來所做的所有工作。