在为我关于将人工智能融入 EDA 工具的文章进行采访时，新思科技高级总监兼人工智能产品管理主管 Anand Thiruvengadam 表示：“人工智能有潜力改变客户的芯片设计方式。人工智能可以颠覆整个 EDA 流程。他并不是唯一一个发表这种声明的人。每年，我都会做一篇预测文章，询问人工智能将如何颠覆 EDA。令人失望的是，除了他们最近的新闻稿之外，没有人给我一个好的答案。

颠覆是很难预见的——我理解这一点，但人们似乎能够想到的最好的办法是，代理会让人们更有效率。我不认为这是破坏。这是一种生产力辅助工具，使工程师能够更好或更快地完成他们已经做的事情。不要误会我的意思——这很有价值，但不会造成破坏。它使公司能够用一名工程师和一堆代理取代多名工程师。他们现在拥有了在这些特工中捕获的集体智慧。但是，当他们执行的任务发生变化时，就会发生真正的颠覆。

大约三年前，当 ChatGPT 公开亮相时，我在 DAC 小组讨论中说，它标志着“谷歌”一词的结束。人们认为我疯了，但在短短三年内，谁在谷歌搜索栏中输入一些东西，然后只期望看到一个网站列表？可能没有人。至少，搜索引擎已经抓取了相关网站并提供了摘要。这通常会提供足够的信息来满足您进行搜索的原因。在最近发表在《ACM 通讯》上的一篇评论文章中，Moshe Vardi 更进一步表示，这可能预示着万维网的整个崩溃，包括网站的概念——因为如果没有人真正访问该网站，谁会花费时间和精力来构建它们？您所做的只是提供有关可以训练哪些人工智能的信息，并祝您好运，尝试将其货币化。

他论文的另一部分是，随着人工智能开始吃掉自己的尾巴并认为它正在向自己学习，偏见和错误越来越多地内置于系统中。在这种情况下，它可以巩固种族主义、性别歧视等偏见。其中一些问题与芯片设计和 EDA 中可能发生的情况有关。如果我们不开始讨论它们，可能会犯很多代价高昂的错误。

芯片设计很复杂。非常复杂（我的高中英语老师会为此敲打我的指关节）。摩尔定律推动的复杂性增加意味着必须做出妥协。其中大部分是在创造力领域。在已知内容上逐步添加比每次都回到一张白纸上更快、更便宜、更安全。IP 的引入进一步巩固了这一概念，并且需要保留锁定在硬件架构中的遗留软件。这都是设计上的偏见。

并行处理的兴起并不是因为它被认为是好的，而是因为它已经达到了单处理器架构的极限。又过了十年或更长时间，它才开始得到广泛采用，早期机器学习技术的引入成为其认真发展的引人注目的事件。假设一种人工智能驱动的芯片设计工具存在，并且是在当时整个行业的集体智慧上接受训练的，它是否能够自己实现这一飞跃？我对此表示严重怀疑。

虽然它知道并行处理（这在 1980 年代比 2010 年代更常见），并且知道如何编写代码来针对它们，但单处理器设计的偏见会压倒一切。它会学习使用多个单个处理器，通常充当代理为总处理器的功能贡献一点点 之类的东西中，其中工具可以在大量架构上进行训练。这种培训有适量的数据，可以由个别公司加强。这将使它能够采用类似英语的规范并生成代码，然后通过传统的 EDA 流程进行。

虽然这一直是 HLS 自诞生以来的目标，但事实证明它太困难或仅在受限的应用程序中可行。SystemC 尚未真正被接受为输入语言，即便如此，工具也需要一组高度受约束的语言结构。但是，如果人工智能可以帮助实现这一目标，那么当定制设计可供更大的社区使用时，用户群可能会扩大 10 倍到 100 倍。这足以改变整个 EDA 流程，这也是为什么这项技术首次出现时对它进行了如此大的投资。

虚拟原型还需要能够根据这些规范进行作，以便识别错误或遗漏，并且需要显着推进顺序等效性检查，以便对人工智能转换表现出信心。随着时间的推移，新的核心流程将带来更多的代理助手来处理权力、成本等问题。

当某些东西发生变化时，就会发生颠覆，而不是当某些东西得到优化时。