自然語言生成模型ChatGPT在去年11月30日發(fā)布，上線兩個月就超過一億注冊用戶，成為月活躍用戶增長最快的消費類應用，在AI泡沫之后成為行業(yè)“拯救者”的擔當。伴隨這股熱潮而來的，自然是“ChatGPT將會取代XX工作”的吸睛分析，其中高危職業(yè)包括技術工種；媒體工作者(廣告、內容創(chuàng)作、記者)；市場研究分析師等等。

比如小編的老板也已表示，AI正一點點改變職場，繼去年導入自動發(fā)稿系統(tǒng)取消了發(fā)布編輯崗位，今年將推出自動撰稿淘汰最初級編輯崗位。芯片設計領域也早已開始研究如何利用ChatGPT進行芯片設計，工程師作為一個技術工種，是否也將面臨著被AI取代的風險？

用ChatGPT設計芯片？老板和員工這么看

一位芯片設計公司創(chuàng)業(yè)者告訴集微網，在近兩年高昂的人才成本下，從以前芯片設計人員到現(xiàn)在作為企業(yè)管理者，他一直在研究如何提高芯片研發(fā)工作效率?！癈hatGPT發(fā)布不久，我就在研究它是否能用于設計芯片，以及如何用到設計過程中。”他表示，芯片開發(fā)過程有很多重復的模塊化的代碼編寫，原本可能需要一個中級別的員工來做，或者這個中級別的員工指導一個新人也能做出來，但是會花費更多時間?！艾F(xiàn)在ChatGPT可以承擔這部分工作，雖然比人工的結果還差一點點，但修補一下就可以，意味著未來我就不用再招一個新員工了。”

比如，在設計過程中需要查一個器件的某個指標，查找一段代碼，到現(xiàn)成的文檔中肯定能找到，但是需要去翻網頁、去下載，這個過程可能需要10分鐘。但是只要網絡上有相關數(shù)據(jù)，ChatGPT可能30秒內就能完成同樣的工作，無疑大大提高了效率。

“固定路徑就能實現(xiàn)的工作都可以交給ChatGPT，它本質上是一個用來提高效率的工具，簡單、重復的工作接管后，人類就得以解放出來做更高級的創(chuàng)造工作。”該創(chuàng)業(yè)者指出，“未來ChatGPT可以被視為一個個人助手，接管所有底層瑣碎工作，而自己則必須在工程交付部分不停提升水平。要如何用好這個秘書，必須先了解它、理解它，學習別人是怎么使用的，可能會在接下來成為一個重要的必修課?！?/p>

他認為，隨著ChatGPT的不斷完善，基本上低級別的芯片設計人員可以淘汰了。

從管理者角度來看，ChatGPT無疑將會是減少用工成本的一大利器；而在芯片設計人員看來，ChatGPT要用在實際開發(fā)過程中，還為時尚早。

前端開發(fā)工程師F告訴集微網，他以及周圍工程師群體都對ChatGPT很感興趣，也在進行各種用ChatGPT來幫助設計芯片的嘗試，但現(xiàn)在僅能提供一些設計思路，離實用還差得遠。

“我們常用的對一些Verilog語言字符串的處理，ChatGPT給出的答案不完全對——非常具體、簡單的問題它的回答比較靠近，復雜的、需要抽象的就完全不行了——但是可以啟發(fā)一些思路。”F說，“比如，我想找一下，某個文檔里有沒有完全相同的兩行代碼，如果有，報出具體信息，ChatGPT基本能猜對思路，而且積累的數(shù)據(jù)越多準確性就會越好；越抽象，越泛泛的問題就越不行，比如，‘如何讓待機電流減小30%’，ChatGPT只會給一些正確的廢話，一些原則性的建議?！?/p>

正如文章形容ChatGPT解決問題的邏輯:“考滿分的絕招就是把所有答案都背下來”。

因此，F(xiàn)認為，現(xiàn)階段ChatGPT模型仍是一個實驗性項目，還需繼續(xù)完善。而隨著它日益成熟，芯片開發(fā)過程中一些重復性的、非常具體的標準職位將更容易被取代，比如小模塊的IP單元設計，“現(xiàn)在這部分工作主要是剛入行的新人在做，未來他們將面臨較大壓力?！?/p>

他也強調，越具體的工作AI越容易完成，但是抽象的不行；人會聯(lián)想、推理，能依靠抽象產生完全新的內容，這些AI都還做不到。“我堅定地認為AI不可能統(tǒng)治人?！?/p>

AI在芯片設計中扮演越來越重要的角色

事實上，在ChatGPT因自然語言處理器方面的驚人能力而受到廣泛關注之前，AI在芯片設計中已經扮演越來越重要的角色。各種AI工具早已被用于IC設計的各個階段，包括設計優(yōu)化、布局、仿真和驗證。人工智能算法還可以幫助更有效地探索設計空間，比傳統(tǒng)方法更快地發(fā)現(xiàn)最佳設計配置。

為了加快和優(yōu)化IC設計流程，許多公司現(xiàn)在都在投資AI工具來完成一些繁重的工作。

例如2022年3月，Google Research推出了PRIME，這是一種深度學習方法，它使用功耗、延遲等現(xiàn)有數(shù)據(jù)來創(chuàng)建比使用傳統(tǒng)方法設計的芯片更快、更小的加速器設計。而且谷歌表示深度學習“強化學習” 方法可以在比人類少得多的時間內生成有效的版圖布局，而且雙方在質量上不相上下。谷歌研究人員使用10000個芯片平面圖來訓練他們的模型，AI生成芯片設計的用時不到六個小時。谷歌表示，這種方法已經被用于其張量處理單元 (TPU)的設計，這是谷歌基于云的機器學習應用的一部分。

英偉達同樣為芯片設計開發(fā)了一種深度學習方法。該公司的PrefixRL的RL模型，證明AI可以從頭開始學習電路設計，并使用最新的EDA工具來設計更小、更快的電路。如今英偉達的GPU架構中已包括由13000個使用AI技術設計的電路。此外，針對自動化標準單元遷移，該公司開發(fā)了NVCell自動標準單元布局生成器，只需要兩個GPU就能在短短幾天內無錯完成10個人大約一年時間內完成的92%的工作，人類可以對剩下的8%沒有自動遷移的單元進行處理。英偉達首席科學家兼研究部高級副總裁Bill Dally表示，“通過RL來研究和修正設計規(guī)則錯誤，能夠基本完成我們的標準設計單元。既節(jié)省了勞動力，又比人類的設計更好?！?/p>

Synopsys、Cadence、西門子等EDA公司也在其最新工具中使用了AI技術。例如，Synopsys的Synopsys DSO.ai自主芯片設計系統(tǒng)在去年幫助三星實現(xiàn)了首個尖端計算機芯片的自動化設計，截至今年2月已經幫助諸多半導體客戶成功實現(xiàn)100次流片，顯著提升設計公司在突破功耗、性能和面積方面的需求和設計效率。除了芯片設計，AI還在芯片測試和驗證中找到了用武之地，而芯片設計通常在這兩個領域需要耗費大量時間。為此，西門子推出了Questa Verification IQ，這是一個幫助IC設計工程師加快驗證過程的軟件平臺。

由此看來，如今的AI已經可以在版圖設計和優(yōu)化等領域替代很大一部分IC設計人員的工作，提高了整體效率，必然會在某種程度上造成部分IC設計領域的工作職位被AI取代。另一方面，AI可以幫助人類實現(xiàn)更高效的設計工作，比如它可以分析大量數(shù)據(jù)并提供參考意見，為工程師提供新的設計思路和方案，這將提高IC設計人員的價值，使他們能專注于更復雜、更具創(chuàng)造性的設計方面，并最終帶來更好的芯片產品。

為此，AI可能無法完全取代對熟練IC設計工程師的需求。但隨著AI在IC設計中的應用越來越普遍，對能夠在設計過程中熟練甚至善于使用相關工具的人才需求無疑會越來越多。

結語

ChatGPT不是開始也不會是結束，可以預見會有越來越多的AI迅速被用于協(xié)助日常生活、工作。盡管科技的進步推動了生產關系的變化，但永遠無法否認人才在其中的主觀能動性作用，“戰(zhàn)勝”不了工具，那就要培養(yǎng)能掌握好工具的能力。

我們可能即將站在技術大爆炸的“奇點”，這次變革的高速列車，必會成就一部分人，但也將有很多人被甩下。在AI浪潮下，懂得運用、駕馭這些技術，必將會成為職場競爭中的加分項。如同ChatGPT自己對于是否將取代公司員工的回答——

“ChatGPT在某種程度上可以取代公司員工，但并不意味著它能完全取代公司員工，因為它仍然無法滿足特定的需求和處理復雜的問題。未來，企業(yè)應當在利用GPT和人工結合的方式下，創(chuàng)造出更好的用戶體驗和更高的效率”。