生成式AI时代来临 德勤预测AI芯片设计工具CAGR达20%

北京时间8月8日晚间，在计算机图形年会SIGGRAPH上，英伟达（NVIDIA）创始人兼CEO黄仁勋发表了长达大约1小时20分钟的演讲。

作为人工智能浪潮中最重要的人物，黄仁勋曝光了用于生成式AI的GH200 Grace Hopper超级芯片、NVIDIA AIWorkbench以及通过生成式AI和OpenUSD升级的NVIDIA Omniverse。

同时，他还宣布英伟达与AI开源社区Hugging Face合作，将把生成式AI超级计算能力交付给数百万开发者，为他们构建大型语言模型（LLM）和AI应用提供支持。

这再次点爆“生成式AI”的热点话题。那么，用人工智能（AI）来设计芯片到底有哪些好处？未来发展规模如何？

AI设计正被应用于芯片“智”造

事实上，人工智能正在迅速成为人类芯片工程师的强力助手，助力高效完成极度复杂的半导体设计工作。

德勤全球预测，2023年全球半导体企业将投入3亿美元，以利用内部自有或第三方人工智能工具开展芯片设计，且未来四年这一数字将每年增长20%，到2026年将超过5亿美元（图1）。2023年全球半导体市场规模预计将达到6600亿美元，相比之下这一数额虽然不大，但对于投资所带来的超常回报而言却意义非凡。

人工智能设计工具正在赋能芯片制造商拓宽摩尔定律的边界，节约时间和资金成本，缓解人才短缺困境，甚至带动过时芯片设计迈入现代化新时代。

与此同时，这些工具亦能增强供应链安全保障，助力延缓下一波芯片短缺潮。换言之，用于芯片设计的人工智能软件工具的单用户授权费用虽可能需要数万美元，但利用这些工具设计的芯片价值可达数十亿美元。

过去一年，在芯片制造商和科技企业已开发出自有人工智能设计工具的同时，规模最大的EDA公司也已开始推出先进的人工智能赋能型工具。这些先进工具并不仅仅是试验品，而是正被应用于诸多真实芯片设计场景中，每年创造的价值可达数十亿美元。尽管并不能取代人类设计师，但这些工具在速度和成本效益方面具有显著的互补性优势，大大增强了芯片制造商的设计能力。

芯片设计与制造过程极为复杂。先进人工智能可在以下三个主要方面提供助力：

制造全新及更优芯片：采用10nm以下制程节点的芯片普遍应用于智能手机、计算机和数据中心，在芯片市场中增长最快，也是目前最具盈利能力的部分。但其制造成本亦是最高，单个全新芯片设计投入高达5亿美元。相比传统方法，先进人工智能工具可显著提高这些芯片的设计速度，从而降低成本。

提升过时芯片性能：2022年全年售出的芯片中，有三分之二采用65nm或更大的制程节点，而这是几十年前的过时技术。将这些过时的芯片设计转至更为先进的制程节点（即“缩小”），能让这些芯片实体更加小巧、能效更高，且并不依赖于过时淘汰的制造设备。借助先进人工智能工具，芯片制造商能更快速地以更低成本完成“缩小”过程。

弥补芯片人才短缺：2022年全球芯片行业从业人数约为200万人，然而随着美国、欧盟和中国日益推进芯片自主化战略，到2030年芯片行业还需增加100万人。先进人工智能工具作为一个可弥补人才短缺的方法，其重要性将会日益增长。

芯片设计需要经过三个主要阶段：系统级设计、寄存器传输级设计（RTL）以及最终的物理电路设计。先进人工智能工具可真正发挥作用的，便是在最后的电路设计阶段。

芯片设计的目标是优化三个变量指标——功耗、性能和面积（PPA），从而使制造出来的芯片具有最小用电量、最大处理速度以及最小尺寸。采用传统工具进行PPA优化不仅耗时漫长且需要大量人力：设计迭代可能耗时长达数周，且这些迭代对PPA的提升往往极为有限。而从芯片设计到实体落地，再到设计与实体落地的评估、测试和仿真，可需要长达数年的时间。

芯片内部含有数以十亿计的晶体管，表现为不同的组合模块（包含存储器子系统、计算单元、控制逻辑系统及电源）和标准单元。在高度复杂的芯片中，这些组合模块被最长达到50千米的线路连接在一起。若组合模块未实现最优化排列，其连接所需的线路和空间则会更长、更大。各组件之间产生的非预期电荷量（称为寄生效应）可降低芯片的性能，增加功耗。

先进人工智能工具可用于检测人类完成的设计，发现导致功耗增加、性能下降或空间利用效率低的布局错误，提出改进建议，并对此进行仿真验证和检测。这些工具可从过往迭代中学习提升，以最大限度地改善PPA。

但是真正革命性的一点，是先进人工智能可以自主完成这一过程，相比利用传统EDA工具的人类设计师，能够实现更优的PPA表现，某些情况下甚至能在几个小时内完成，仅需一名设计工程师协助，而无需整个工程团队工作数周乃至数月的时间。

中国：AI技术助力EDA发展

芯片设计环节繁多，精细且复杂，EDA工具对于提升芯片设计效率，优化芯片设计，保证芯片功能发挥着极为重要的作用。

目前，美国三大EDA公司（Synopsys、Cadence、Mentor）占据全球EDA市场超过60%的市场份额，绝大部分芯片设计公司都需要三巨头的EDA工具。国产化率仅10%左右的国产EDA，面对发展了二三十年的EDA三巨头的技术和商业壁垒，想要进一步提升国产化率面临极大挑战。

目前，中国的AI技术全球领先，这种优势在一定程度上有助于短期内加快追赶步伐。还有不可忽略的云技术，随着云计算的发展，云上设计芯片能够减少芯片设计流程中耗时较多的芯片设计验证时间。

受益于半导体产业向中国转移趋势，中国EDA市场将以14.71%的CAGR增长，预计在2025年将达到27.4亿美元的市场规模。

小结：AI设计芯片已成必然之势

主要芯片制造商和设计师如今正采用先进人工智能设计芯片，甚至在先进节点也不例外。事实上，部分芯片的复杂性日益增长，先进人工智能的使用可能很快便成为必然要求：例如，新思科技的最新芯片设计包含超过1.2万亿个晶体管和40万个人工智能优化核心。

借助基于云的EDA服务，先进人工智能亦正在加速普及，潜在市场进一步扩大。成功上云后，技术水平和计算能力不足的小型企业也能够充分获取先进人工智能能力，不再仅限于少数行业专家和市场领导者。

规模最大的半导体公司甚至可以利用先进人工智能开发全新服务，创造新的收入来源。通过进一步扩大自身的图神经网络和强化学习能力，这些公司不仅能够自主开展芯片设计，同时亦可为其重要客户提供芯片设计或联合设计服务，包括联合开发垂直专用芯片。

对芯片行业而言，人工智能的作用可并不仅仅局限于芯片设计。例如，人工智能可用于晶圆的外表检查，其检查次数可达到近九次，从而提升故障检测能力。借助人工智能，芯片公司还能有效应对供应链方面的挑战，如管理半导体组装和测试外包提供商网络。

近几年来，我们曾针对人工智而设计专门的芯片；如今，由人工智能设计芯片已成必然之势。未来将会如何发展？人工智能有望与人类联手，共同设计驱动其自身运行的硬件和软件，开启21世纪新一轮创新浪潮！