ChatGPT爆火，AIGC何时发展成为AIGS？

对于人工智能来说，这是重要的一周。

智能聊天机器人ChatGPT上线仅两个月，注册用户破亿，内容搜索、编写代码等应用引发人们对人工智能技术的新一轮探讨。随后，微软宣布推出基于人工智能的 Bing 搜索引擎和 Edge 浏览器；谷歌则发布了Bard，由其对话应用程序语言模型（简称 LaMDA）提供支持；百度也在开发类似 ChatGPT 的“文心一言”。

在业内人士看来，人工智能技术是信息通信领域创新最活跃的领域之一，以生成式AI（AIGC）、大规模预训练模型、知识驱动AI为代表的新技术释放行业爆发新增长能量。人工智能从探索“可用”阶段迈入了探求‘好用’的新阶段，当前受各界关注的大模型、知识计算、AIGC等很好地体现了这一趋势。这可以从人工智能产业投融资数据中得到印证。

中国信通院数据显示，2022年全球人工智能融资中，自然语言处理、智能语音、人机交互领域资金占比有所提升，其中人机交互领域投融资金额同比增加19%。深度学习技术及应用国家工程研究中心主任、百度首席技术官王海峰认为，让机器和人自由对话，一直都是人工智能领域的重要目标之一。在深度学习的基础上，融合大规模知识，即知识增强的深度学习，是人工智能发展的重要方向。与此同时，人工智能技术在应用中呈现出低门槛、自动化、规模化的趋势。

根据中国信通院预计，2022年我国人工智能核心产业规模（增加值）达到5080亿元，同比增长18%。人工智能不断赋能经济社会发展各领域，成为科技跨越发展、产业优化升级、生产力整体跃升的新动能。既然人工智能已经有了“创作能力”，那么是否意味着很快AI就可以在半导体领域大展身手？

谷歌团队在2021年发布论文《A graph placement methodology for fast chip design》，该团队提出了一种用于芯片布局规划的深度强化学习方法。在不到六个小时的时间内，人工智能自动生成的芯片平面图在关键指标（包括功耗、性能和芯片面积）上优于或可与人类生成的平面图相媲美。在这一过程中，研究团队将芯片布局规划作为一个强化学习问题，并开发了一种基于边缘的图卷积神经网络架构。将芯片版图看作围棋棋盘，将宏模块看作棋子，通过在大量内部数据样本上预训练，最终超越了人类的布局方案。该研究团队称团队的方法被用于设计下一代谷歌的人工智能加速器，并有可能为每一代新产品节省数千小时的人力。

EDA公司Synopsys表示公司的AI解决方案实现了100个商用芯片流片的里程碑。得益于 Synopsys DSO.ai（Design Space Optimization AI），意法半导体和SK海力士等客户的生产力提高了 3 倍，芯片的总功耗降低了 25%，芯片尺寸也显著减小。

需要明确的是，AI 并没有“偷走”芯片设计师的工作，Synopsys认为AI将芯片设计师和硬件工程师从迭代工作中解放出来，而且由于 AI 增强，他们能够转而从事创新。

Synopsys 表示：“通过减少设计和验证周期和工作量，设计团队可以将更多时间用于创新核心理念。”人工智能至少能在一定程度上缓解工程人才短缺的问题。Synopsys 取得的里程碑表明，人工智能在电子设计自动化中的应用正在迅速成为主流。此外，这种人工智能对于越来越希望进入芯片设计业务的工业部门特别有用——例如汽车制造商。

为了完成其任务，AI 软件针对任何给定的芯片设计空间优化功耗、性能和面积 (PPA)。改善PPA是一种行之有效的途径，可以用更少的资源做得更好，并且近年来由于加密货币和大流行导致关键材料短缺，一直是优化的非常受欢迎的目标。

Synopsys 的客户一直在从 DSO.ai 中获益，并取得了令人印象深刻的成果。Synopsys 声称，其客户的生产率提高了 3 倍以上，功耗降低了 15%，成品设计的芯片尺寸大幅减小，资源使用量也减少了。它还表明，人工智能的理想任务是促进多晶圆代工厂战略，以减轻供应链漏洞的影响并降低成本。

Synopsys 已经在考虑扩大 AI 在其他芯片设计和验证工作流程中的使用。看来我们可能会看到基于 AI 的芯片设计取得突破性的时刻。

*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。