黄仁勋说计算机不再需要人工编码，这在EDA行业成真了吗？

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(yǐng)响(xiǎng)几(jǐ)何(hé)？

工(gōng)作(zuò)效(xiào)率(lǜ)确(què)有(yǒu)提(tí)高(gāo)

在(zài)半(bàn)导(dǎo)体(tǐ)产(chǎn)业(yè)上(shàng)游(yóu)环(huán)节(jié)，芯(xīn)片(piàn)设(shè)计(jì)规(guī)模(mó)越(yuè)来(lái)越(yuè)大(dà)、复(fù)杂(zá)度(dù)越(yuè)来(lái)越(yuè)高(gāo)是(shì)事(shì)实(shí)，很(hěn)多(duō)环(huán)节(jié)的(de)工(gōng)作(zuò)单(dān)纯(chún)依赖传统方式效率低下(xià)、跟(gēn)不(bù)上(shàng)市(shì)场(chǎng)变(biàn)化(huà)速(sù)度(dù)也(yě)是(shì)事(shì)实(shí)。记(jì)者(zhě)在(zài)采访(fǎng)中(zhōng)了(le)解(jiě)到(dào)，很(hěn)多(duō)芯(xīn)片(piàn)设(shè)计(jì)厂(chǎng)商(shāng)就(jiù)遇(yù)到(dào)过(guò)类(lèi)似(shì)的(de)问(wèn)题(tí)——芯(xīn)片(piàn)设(shè)计(jì)复(fù)杂(zá)度(dù)提(tí)高(gāo)后(hòu)，很(hěn)多(duō)任(rèn)务(wu)如(rú)果(guǒ)用(yòng)传(chuán)统(tǒng)软(ruǎn)件(jiàn)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(yī)如(rú)，有(yǒu)的(de)EDA工(gōng)具(jù)利(lì)用(yòng)生(shēng)成(chéng)式(shì)AI平(píng)台(tái)和(hé)大(dà)语(yǔ)言(yán)模(mó)型(xíng)，对(duì)从(cóng)RTL（寄(jì)存(cún)器(qì)传(chuán)输(shū)级(jí)）到(dào)GDS（图(tú)形(xíng)数(shù)据(jù)系(xì)统(tǒng)）的(de)芯(xīn)片(piàn)设(shè)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(zhī)名企(qǐ)业(yè)在(zài)接(jiē)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(xū)要(yào)做(zuò)10个(gè)小(xiǎo)时(shí)的(de)工(gōng)作(zuò)，现(xiàn)在(zài)1个(gè)小(xiǎo)时(shí)就(jiù)能(néng)完(wán)成(chéng)。”

行(xíng)业(yè)大(dà)模(mó)型(xíng)不(bù)成(chéng)熟(shú)

AI对(duì)EDA工(gōng)具(jù)的(de)助(zhù)力(lì)，目(mù)前(qián)(qián)以(yǐ)(yǐ)辅(fǔ)(fǔ)助(zhù)(zhù)性(xìng)(xìng)为(wèi)主，还(hái)远(yuǎn)远(yuǎn)称(chēng)不(bù)上(shàng)颠(diān)覆(fù)性(xìng)。

大(dà)模(mó)型(xíng)在(zài)EDA行(xíng)业(yè)的(de)应(yīng)用(yòng)，仍(réng)有(yǒu)待(dài)时(shí)日(rì)。

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(zuò)，缺(quē)乏(fá)普(pǔ)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(zài)他(tā)看(kàn)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。