半导体工程领域的专家们近日齐聚一堂，围绕AI在芯片设计中的机遇与挑战展开深度讨论。参与者包括：SynopsysAI与机器学习副总裁Thomas Andersen、英特尔模拟/混合信号工具与流程高级总监Sridhar Boinapally、AMD院士级研究员Alex Starr、英伟达GPU硬件工程副总裁Stuart Oberman、微软硅工程基础设施合伙人兼总经理Silvian Goldenberg，以及加州大学伯克利分校电气工程与计算机科学教授Borivoje Nikolic。以下为在Synopsys Converge大会现场举行的圆桌讨论节选。

AI将如何在未来五年从根本上改变芯片设计流程？

Andersen表示，AI不会取代设计工具本身，但在工具操作层面——包括验证、实现和签核等环节中大量反复迭代的工作——将在未来两年内得到高度自动化。生成式AI和推理模型的进步使这一跨越成为可能，能够自动化工作负载生成、调试、验证及物理设计等任务，从而显著加速设计收敛。他同时指出，完全自动化仍需时日，因为目前保持人工参与至关重要，以确保系统行为符合预期。

Starr则强调变化速度之快令人咋舌："是五周还是五年？"他认为，模型的快速迭代和智能体工作流的兴起将彻底改变硅芯片设计的方式，工程师需要不断学习和提升技能，以适应这一转变，同时大幅缩短产品上市时间。

英伟达的Oberman引用其CEO黄仁勋的话："有任务性工作，也有人工监督工作。"他认为，分析、编码和验证调试等任务类工作应尽可能交由AI完成，但他也感叹模型迭代速度之快，希望科学发展能稍作放缓，让业界有时间跟上创新节奏。

英特尔的Boinapally指出，这对EDA行业而言是根本性变革。设计中大量重复性的验证工作将成为历史，整个行业正在向更高价值层级迁移。

微软的Goldenberg则强调芯片设计的严苛性："必须从第一天起就做对。"他认为AI的价值在于加快速度、模糊专业边界，使工程师能够拥有更广泛的跨领域知识，从而推动更多设计的诞生。

对于工科学生，加州大学伯克利分校的Nikolic给出的建议是："不要害怕。"他介绍说，其团队通过研究发现，AI已在通用核心处理器中发现了超越人类水平的新型缓存替换策略，并开发出用于模拟电路设计的AI发现流程，能够找到此前因推理难度大而被忽视的电路拓扑。他认为，如何在教育中有效融入AI，是当前亟待解决的重要课题。

在投资热潮与创新机遇方面，Andersen提醒业界保持理性：AI擅长认知类任务，但并不意味着所有问题都适合用AI解决。他建议从调试、约束文件清理等繁琐的小任务入手，而非急于自动化整个设计流程，否则可能像AI生成图像中出现"六根手指"一样产生难以察觉的错误。

Goldenberg特别指出，软件对硬件利用率的优化是一个尚未充分探索的领域，AI有潜力在此实现更优解。Boinapally对AI前景持更为乐观的态度，认为未来AI可能接管芯片设计的所有环节，人类未必比机器更少出错。Starr则预见未来将实现完全自主设计——多个智能体协同工作，相互验证，形成企业级、可扩展、确定性的解决方案。

在被问及"如果设计变成一键完成，芯片之间的差异化还从何而来"时，Starr认为，能够更快找到精简框架和解决路径的团队将脱颖而出，团队对AI的理解深度和抽象层次的运用能力将成为关键差异。Oberman则指出，即便使用相同的工具和框架，企业仍会产出不同的产品，将工程师的专业知识和机构经验编码并嵌入模型或工作流中，将是持续的竞争优势来源。他强调，目前距离"输入需求、一键出芯片"的阶段还相当遥远。

Q&A

Q1：AI在芯片设计中目前能做哪些事？

A：目前AI在芯片设计中主要能自动化重复性、任务性的工作，例如调试、验证、RTL代码生成、约束文件清理以及物理设计优化等。生成式AI和推理模型的进步使工作负载生成和设计收敛得以加速。但完全自动化整个设计流程尚不现实，人工监督仍不可或缺，以确保芯片功能符合预期、避免系统性错误。

Q2：AI会完全取代芯片设计工程师吗？

A：短期内不会完全取代，但行业角色将发生深刻变化。多位专家指出，AI将承担大量任务性工作，工程师将更多聚焦于高层次决策和监督。英特尔的Boinapally认为未来AI可能接管所有设计环节，而AMD的Starr则预见多智能体协同验证的全自主设计时代终将到来。但目前人工参与仍是保证芯片质量的关键环节。

Q3：加州大学伯克利分校在AI芯片设计研究上有哪些进展？

A：加州大学伯克利分校的Nikolic教授团队发表研究显示，AI已在通用核心处理器中发现了超越人类水平的新型缓存替换策略。此外，团队还构建了用于模拟电路设计的AI发现流程，该流程虽未完全发明全新拓扑，但找到了此前因推理难度大而被忽视的电路结构，展示了AI在硬件创新中的潜力。