【芯视野】ChatGPT要取代人力设计芯片？“攻城狮”：我笑了

　　集微网报道（文/朱秩磊）自然语言生成模型ChatGPT在去年11月30日发布，上线两个月就超过一亿注册用户，成为月活跃用户增长最快的消费类应用，在AI泡沫之后成为行业“拯救者”的担当。伴随这股热潮而来的，自然是“ChatGPT将会取代XX工作”的吸睛分析，其中高危职业包括技术工种（程序员、软件工程师、数据分析师）；媒体工作者（广告、内容创作、记者）；市场研究分析师等等。

　　比如小编的老板也已表示，AI正一点点改变职场，继去年导入自动发稿系统取消了发布编辑岗位，今年将推出自动撰稿淘汰最初级编辑岗位。芯片设计领域也早已开始研究如何利用ChatGPT进行芯片设计，工程师作为一个技术工种，是否也将面临着被AI取代的风险？

　　用ChatGPT设计芯片？老板和员工这么看

　　一位芯片设计公司创业者告诉集微网，在近两年高昂的人才成本下，从以前芯片设计人员到现在作为企业管理者，他一直在研究如何提高芯片研发工作效率。“ChatGPT发布不久，我就在研究它是否能用于设计芯片，以及如何用到设计过程中。”他表示，芯片开发过程有很多重复的模块化的代码编写，原本可能需要一个中级别的员工来做，或者这个中级别的员工指导一个新人也能做出来，但是会花费更多时间。“现在ChatGPT可以承担这部分工作，虽然比人工的结果还差一点点，但修补一下就可以，意味着未来我就不用再招一个新员工了。”

　　比如，在设计过程中需要查一个器件的某个指标，查找一段代码，到现成的文档中肯定能找到，但是需要去翻网页、去下载，这个过程可能需要10分钟。但是只要网络上有相关数据，ChatGPT可能30秒内就能完成同样的工作，无疑大大提高了效率。

　　“固定路径就能实现的工作都可以交给ChatGPT，它本质上是一个用来提高效率的工具，简单、重复的工作接管后，人类就得以解放出来做更高级的创造工作。”该创业者指出，“未来ChatGPT可以被视为一个个人助手，接管所有底层琐碎工作，而自己则必须在工程交付部分不停提升水平。要如何用好这个秘书，必须先了解它、理解它，学习别人是怎么使用的，可能会在接下来成为一个重要的必修课。”

　　他认为，随着ChatGPT的不断完善，基本上低级别的芯片设计人员可以淘汰了。

　　从管理者角度来看，ChatGPT无疑将会是减少用工成本的一大利器；而在芯片设计人员看来，ChatGPT要用在实际开发过程中，还为时尚早。

　　使用ChatGPT设计芯片。图片截取自“新哥聊科技”视频

　　前端开发工程师F告诉集微网，他以及周围工程师群体都对ChatGPT很感兴趣，也在进行各种用ChatGPT来帮助设计芯片的尝试，但现在仅能提供一些设计思路，离实用还差得远。

　　“我们常用的对一些Verilog语言字符串的处理，ChatGPT给出的答案不完全对——非常具体、简单的问题它的回答比较靠近，复杂的、需要抽象的就完全不行了——但是可以启发一些思路。”F说，“比如，我想找一下，某个文档里有没有完全相同的两行代码，如果有，报出具体信息，ChatGPT基本能猜对思路，而且积累的数据越多（也就是被问得越多）准确性就会越好；越抽象，越泛泛的问题就越不行，比如，‘如何让待机电流减小30%’，ChatGPT只会给一些正确的废话，一些原则性的建议。”

　　“正确的废话”示意

　　正如文章形容ChatGPT解决问题的逻辑：“考满分的绝招就是把所有答案都背下来”。

　　因此，F认为，现阶段ChatGPT模型仍是一个实验性项目，还需继续完善。而随着它日益成熟，芯片开发过程中一些重复性的、非常具体的标准职位将更容易被取代，比如小模块的IP单元设计，“现在这部分工作主要是刚入行的新人在做，未来他们将面临较大压力。”

　　他也强调，越具体的工作AI越容易完成，但是抽象的不行；人会联想、推理，能依靠抽象产生完全新的内容，这些AI都还做不到。“我坚定地认为AI不可能统治人。”

　　AI在芯片设计中扮演越来越重要的角色

　　事实上，在ChatGPT因自然语言处理器方面的惊人能力而受到广泛关注之前，AI在芯片设计中已经扮演越来越重要的角色。各种AI工具早已被用于IC设计的各个阶段，包括设计优化、布局、仿真和验证。人工智能算法还可以帮助更有效地探索设计空间，比传统方法更快地发现最佳设计配置。

　　为了加快和优化IC设计流程，许多公司（包括科技行业的一些最大公司）现在都在投资AI工具来完成一些繁重的工作。

　　例如2022年3月，Google Research推出了PRIME，这是一种深度学习方法，它使用功耗、延迟等现有数据来创建比使用传统方法设计的芯片更快、更小的加速器设计。而且谷歌表示深度学习“强化学习” (reinforcement learning，RL) 方法可以在比人类少得多的时间内生成有效的版图布局，而且双方在质量上不相上下。谷歌研究人员使用10000个芯片平面图来训练他们的模型，AI生成芯片设计的用时不到六个小时。谷歌表示，这种方法已经被用于其张量处理单元 (TPU）的设计，这是谷歌基于云的机器学习应用的一部分。

　　谷歌PRIME使用加速器数据来训练设计加速器的保守模型。图源：谷歌

　　英伟达同样为芯片设计开发了一种深度学习方法。该公司的PrefixRL的RL模型，证明AI可以从头开始学习电路设计，并使用最新的EDA工具来设计更小、更快的电路。如今英伟达的GPU架构中已包括由13000个使用AI技术设计的电路。此外，针对自动化标准单元迁移，该公司开发了NVCell自动标准单元布局生成器，只需要两个GPU就能在短短几天内无错完成10个人大约一年时间内完成的92%的工作，人类可以对剩下的8%没有自动迁移的单元进行处理。英伟达首席科学家兼研究部高级副总裁Bill Dally表示，“通过RL来研究和修正设计规则错误，能够基本完成我们的标准设计单元。既节省了劳动力，又比人类的设计更好。”

　　Synopsys、Cadence、西门子等EDA公司也在其最新工具中使用了AI技术。例如，Synopsys的Synopsys DSO.ai自主芯片设计系统在去年帮助三星实现了首个尖端计算机芯片的自动化设计，截至今年2月已经帮助诸多半导体客户成功实现100次流片，显著提升设计公司在突破功耗、性能和面积（PPA）方面的需求和设计效率。除了芯片设计，AI还在芯片测试和验证中找到了用武之地，而芯片设计通常在这两个领域需要耗费大量时间。为此，西门子推出了Questa Verification IQ，这是一个帮助IC设计工程师加快验证过程的软件平台。

　　新思科技DSO.ai案例学习前后对比。图源：新思科技

　　由此看来，如今的AI已经可以在版图设计和优化等领域替代很大一部分IC设计人员的工作，提高了整体效率，必然会在某种程度上造成部分IC设计领域的工作职位被AI取代。另一方面，AI可以帮助人类实现更高效的设计工作，比如它可以分析大量数据并提供参考意见，为工程师提供新的设计思路和方案，这将提高IC设计人员的价值，使他们能专注于更复杂、更具创造性的设计方面，并最终带来更好的芯片产品。

　　为此，AI可能无法完全取代对熟练IC设计工程师的需求。但随着AI在IC设计中的应用越来越普遍，对能够在设计过程中熟练甚至善于使用相关工具的人才需求无疑会越来越多。

　　结语

　　ChatGPT不是开始也不会是结束，可以预见会有越来越多的AI迅速被用于协助日常生活、工作。尽管科技的进步推动了生产关系的变化，但永远无法否认人才在其中的主观能动性作用，“战胜”不了工具，那就要培养能掌握好工具的能力。

　　我们可能即将站在技术大爆炸的“奇点”，这次变革的高速列车，必会成就一部分人，但也将有很多人被甩下。在AI浪潮下，懂得运用、驾驭这些技术，必将会成为职场竞争中的加分项。如同ChatGPT自己对于是否将取代公司员工的回答——

　　“ChatGPT在某种程度上可以取代公司员工，但并不意味着它能完全取代公司员工，因为它仍然无法满足特定的需求和处理复杂的问题。未来，企业应当在利用GPT和人工结合的方式下，创造出更好的用户体验和更高的效率”。