51电子网公益库存:

ONET8501VRGPT

P6SMB43AT3G

QV00303-A28-4F-H

NC7S02M5X

M25P32-VMW6TG

L6563ATR

K4H281638L-LCCC

S-1312A31-A4T1U3

VIPER15LD

YB1300ST26S500

ZI90LV031A

6450161-2

40362

98DX107-B0-BCW1C000

215-0716052

      然而开发软件可以通过对逻辑本身的不断论证和验算，来求出更有效率的解，或者使用更庞大的数据库来训练，增加模型可靠性。ic 设计过程会受限于 ic 的类型以及要解决的问题类型，不同应用的 ic 可能布局就完全不同，甚至同一应用，但以不同终端为设计目标的 ic，也需要不一样的设计流程。 http://yishengwei.51dzw.com

      所以机器学习在 ic 设计上需要更多的训练，而这些训练是集中在 ic 的设计方法上，要考虑到发热均衡、电子信号流动距离、工艺库、金属层、工具链等，由于要同时考虑半导体材料的物理问题，情况要更复杂。最核心部分的逻辑处理方面，就类似 ai 程序中的模型，必须依照求解问题的类型来决定使用何种逻辑，比如说面对绘图处理或是大量的平行计算需求，我们会选择 gpu，一般通用计算则是使用 cpu，若是神经网络模型的处理和加速，则是采用 npu 结构。

      目前在 ic 设计的训练需求方面，由于牵扯到各家 ic 设计公司的机密技术，很难从公开管道获得学习的方法，也就是说，未来 ai 化 ic 设计在机器学习所需要的数据来源，可能仅能限定于自家设计的方案，导致参考性有限，未来较难做到完全的自主。而虽然代工厂可以获得大量的 ic 设计关键数据，但为了保护客户设计，即便是 eda 公司也很难从这些管道得到大数据。

      市场竞争的激烈导致 ic 设计公司不愿透露数据给 eda 公司作为建立模型使用，毕竟当 eda 工具自动化程度越高，能做到的项目越多，对 ic 设计业者而言，虽可能带来更大的便利，但同时也可能会引进更多的竞争者，而这就是目前 eda 工具要 ai 化的两难之处。 http://yishengwei.51dzw.com

      除了 google 以外，也有越来越多厂商正在发展类似 automl 之类的自动化 ai 工具，比如说由英特尔实验室的 ai programmer、微软的 deepcoder；eda 工具厂商也都在想办法解决大数据共享与取得问题。未来我们要建立自己的 ai 模型，可能根本不需要学习如何编程，而是只要选择正确的工具，并输入正确的数据集，工具就能自动建立好模型。而 ic 设计业者花费在 ic 布局与验证的时间也可望借助高度 ai 化的 eda 工具而大幅减少，开发人员可以专注于核心的逻辑算法结构部分。

       就好像一般客服或者是重复性文书处理工作，未来肯定会被大幅取代，如果在软件公司中负责的工作只是简单的接口设计，或是一般程序设计或建模工作者，那可能不久之后也要担心饭碗问题，不过核心算法或设计者短时间内还是很难被 ai 取代，暂时还可以高枕无忧。

      ic 设计方面也是类似的情况，基础的调试工作，或者是 ic 内部的基本布局设计工作可能会被 ai 大量取代，但是关键的主要架构部分，比如说 nvidia gpu 中的 cuda 单元，x86 cpu 之中的译码与分支预测结构，这些短时间之后都不是 ai 能够自主的设计。

      当然，这也代表，未来不论在软件或者是 ic 设计中，实际需要的开发人员将可能大幅降低，并走精兵政策；晶圆代工厂中的机台调试人员大概也都会被 ai 取代，毕竟调试工作没有比 ai 更能刻苦耐劳和细心的了，晶圆代工厂中需要的人类员工，大概就剩下精通材料及工艺发展的少数高端核心人才。 http://yishengwei.51dzw.com

       从另一个角度来，ai 自主设计开发 ic 与软件的技术所带来的变革，主是对既有半导体产业带来新的变化，也可能进一步改变传统价值链的分工体系，不论是华为海思形态的发展模式，又或者如鸿海大范围覆盖多个领域的战略布局，ai 将会许多企业开启新的战略思考方向，不论是垂直形态的横跨上下游发展，又或者是水平形态的跨产业领域全面植入 ai 能力，由 ai 带来的革命性变化效力之大，将不容小觑。