本文来自微信公众号“ 中国电子报”，【作者】姬晓婷。
1月19日，英伟达创始人兼CEO黄仁勋在参加英伟达北京年会时再次为AI背书。他说：“我们正在重塑计算机。计算机不再需要（人工）编码，现在会采用机器学习。它创造的软件，也不仅仅是一款软件程序，而是人工智能。我们正处在一个新的计算时代的开端。”
在半导体生产链条上，相较于其他环节，芯片设计（EDA）工具的研发生产是一个“代码上”的工种。相较于后续与工艺结合更紧密的环节，以代码编辑为核心工作的EDA软件设计研发与强IT属性的生成式人工智能有着天然的高贴合度。在AI席卷计算机、软件等多个行业，并带来深刻变革的过程中，半导体工具软件EDA行业究竟受影响几何？
工作效率确有提高
在半导体产业上游环节，芯片设计规模越来越大、复杂度越来越高是事实，很多环节的工作单纯依赖传统方式效率低下、跟不上市场变化速度也是事实。《中国电子报》记者在采访中了解到，很多芯片设计厂商就遇到过类似的问题——芯片设计复杂度提高后，很多任务如果用传统软件仿真，可能十天半个月都没有结果。
在这样的情况下，EDA公司为了满足芯片设计企业对效率的要求，开始采用AI完成部分任务，芯片设计工作也变得更加自动化。
一如，有的EDA工具利用生成式AI平台和大语言模型，对从RTL（寄存器传输级）到GDS（图形数据系统）的芯片设计流程进行自动优化，使其比手动迭代实现更好的PPA（功耗、性能和面积）。
二如，利用AI帮助工程师同时快速优化多个模块的流程，并能将这些知识成果用于下一个设计。
三如，当选择更先进工艺迭代产品时，AI工具可通过学习完成相应工艺节点的惯常工作，而工程师只需要做部分优化工作即可。
……
记者在采访中了解到，上述采用AI技术的工具软件助力芯片设计效率实现了极大的提升。国内某EDA知名企业在接受采访时表示：“我们的工具采用AI技术后，生产效率实现了很大的提升。有些原来需要做10个小时的工作，现在1个小时就能完成。”
行业大模型不成熟
AI对EDA工具的助力，目前以辅助性为主，还远远称不上颠覆性。
大模型在EDA行业的应用，仍有待时日。
在采访时，记者了解到一个典型的案例：业界普遍希望能够通过生成式AI技术自动生成芯片设计前端所需的RTL代码。目前这项工作很依赖工程师的能力，如果负责相关项目的工程师写的代码质量不好，就可能对项目推进产生负面影响。由此相关公司考虑，是否可以利用AIGC技术来提高该环节的代码质量稳定性。
但相关企业投入研发两年，截至目前，该功能仍无法实现。
其中最核心的问题，在于能够用于人工智能训练的数据量不够。
模型的训练需要巨量数据作为基础，没有足够的数据量支撑，模型的可靠性将存疑。大模型还没有在EDA行业普及，缺少足够的数据量供模型训练便是最核心的原因。对于各EDA和芯片设计企业而言，数据是最敏感、最机密的内容，没有企业愿意冒着泄密的风险共享数据资源。这样一来，EDA行业即便存在模型，也只能靠一家企业依赖内部数据来做，缺乏普适性性和可靠性。
针对这一问题，Cadence副总裁、中国区总经理汪晓煜在接受采访时也曾发出这样的疑问：“如果没有足够的数据做训练，这个所谓的‘大模型’会好用吗？客户敢用吗？”而在他看来，如果功能无法大规模上线，永远停留在实验室版本，那么该产品对企业来说便没有太大的意义。
大模型的技术底层逻辑也与追求高精度的EDA行业特点不够契合。在EDA行业，计算是工程师工作中非常核心的工作方法之一，但AI擅长的是推理，而推理的结果很难实现绝对精准。
目前，探索AI技术、尝试采用AI技术解决现实问题仍然是所有EDA企业的努力方向。但从实操的角度来看，想使AI在画版图等方面充分发挥其作用，还需要过程。
