2024年5月份，Brian Bailey在《半导体工程》上发表了一篇颇具洞见的文章，他是一位在电子设计自动化（EDA）领域具有深厚背景的技术编辑。在这篇文章中，Bailey探讨了人工智能（AI）在半导体行业中创建EDA模型的可靠性和成本效益问题。他指出，与行业中的其他AI应用相比，EDA模型需要通过更为严格的质量和成本效益分析，因为AI的失误可能会带来资金损失，并增加所有相关成本。
文章中，Bailey提出了关于AI创建模型的多个重要观点，包括模型的价值、成本、数据来源的可靠性、创建和验证模型所需的时间和努力，以及模型的准确性和适用性。他还讨论了AI在EDA模型中的多种应用，如优化模型的创建、执行引擎的替代或增强、按需模型的生成以及在反馈循环中的应用。下面具体来说一说这些观点：
图：人工智能创建的EDA模型可靠吗？
AI的可靠性与挑战
在半导体行业，AI的引入带来了显著的机遇，同时也伴随着挑战。Bailey在文章中指出，“AI创建的模型需要通过更严格的质量和成本效益分析”，这是因为在半导体行业中，任何小的失误都可能导致巨大的经济损失。文章中，Ambiq人工智能副总裁Carlos Morales提出，“许多方法不需要大量数据集”，例如强化学习，它依赖于数据合成和少量/无样本学习，这些方法减少了对海量数据集的需求。
成本与效益的权衡
Bailey在文章中强调了在评估AI模型时，需要考虑模型的价值和成本。他提到，“模型是开发团队所能创建的最昂贵的项目之一”。Ansys高级产品营销经理Mazen El Hout补充说，“当你想要更好的性能或更快的洞察力时，你将以牺牲精度为代价”，这适用于不需要高保真结果的用例。
AI作为助手而非替代品
文章中引用了西门子EDA设计验证团队的AIML解决方案经理Dan Yu的观点，"目前形式的人工智能不会立即改变或直接取代人类工人。它更像是一个助手"。这表明，尽管AI可以提供快速的预测和分析，但在关键的决策点，人类的专业知识和验证仍然是不可或缺的。
模型的抽象与具体化
Bailey讨论了在模型的创建过程中，需要在抽象化和具体化之间找到平衡。Synopsys产品线管理高级总监Marc Serughetti强调了"引入自动创建模型的技术绝对至关重要"，业界必须谨慎考虑向模型中引入多少信息。
调试与验证的重要性
Bailey指出，超过一半的开发资源用于验证，而在验证过程中，调试会耗费大量时间。他引用了艾默生NI测试与测量组首席系统工程师Adam Arnesen的话，“我们进行了一项有趣的波形异常检测测试”，这表明AI可以帮助缩小搜索范围并提供额外的见解。
尽管AI在半导体行业中的潜力巨大，但我们需要谨慎地评估其潜力，并在实际应用中找到其正确的位置。Bailey的文章提供了对AI在半导体行业中应用的深刻见解。他的观点强调了在追求技术创新的同时，我们必须保持谨慎，确保技术的可靠性和成本效益。
我很认同Bailey的观点，即AI应该作为人类的助手，而不是替代品。在实施AI解决方案时，重点应该放在创建能够提供实际价值的模型上，同时确保这些模型的透明度和可解释性，以便人类专业人员能够有效地验证和信任它们。随着AI技术的不断进步，教育和培训也将变得越来越重要。行业专业人士需要对AI有深入的理解，以便有效地利用它，并在必要时进行干预。最终，AI的成功应用将取决于我们如何将其集成到现有的工作流程中，并确保它与人类专业知识相辅相成。
