在2023世界人工智能大会上，美国超威半导体公司（AMD）董事会主席兼首席执行官苏姿丰表示，未来*会有人工智能主导的芯片设计师这样的设定，对下一代来说，跨学科可能是所有工作最需要关注的事情。
比如仅仅硬件深度设计的专家是不够的，你必须真正了解硬件是如何与软件和算法结合在一起，因为这将有助于更好的设计硬件，那些能够真正跨越端到端、能够去思考系统的使用方式、去思考客户的部署方式、以及应用会是什么样子的工程师，才能有更好地设计产品的基础。
AMD首席执行官苏姿丰，图源：百度
一、AI和设计结合
早在2021年，楷登电子（美国 Cadence 公司）宣布推出*创新的基于机器学习 (ML)的设计工具Cerebrus，扩展数字芯片设计流程并使之自动化，让客户能够高效达成要求严苛的芯片设计目标。Cadence数字与签核事业部产品工程资深群总监刘淼表示，Cerebrus是完全基于机器学习人工智能引擎的一款EDA工具，可以实现数字芯片自动化和规模化。
据官方介绍，Cerebrus采用独特的机器学习 ML 技术，推动 Cadence RTL-to-signoff 实现流程，提供高达 10 倍的生产力，将设计实现 的 PPA (Power, Performance, Area即功耗、性能、面积三个评价芯片的最重要标准的缩写) 结果提高 20%。
Cerebrus概念图，图源：百度
二、中科院团队用AI设计了一颗CPU
今年六月底，来自中科院的团队在预印本平台arxiv上发表了重磅论文《Pushing the Limits of Machine Design：Automated CPU Design with AI》（机器设计新突破：使用人工智能自动设计CPU），其中使用了人工智能的方法，团队使用了该训练集在5小时内完成了算法的训练，并且把生成的BSD(Binary Speculation Diagram)送入EDA软件中进行综合，在经过FPGA验证后进行了流片，最后CPU芯片能跑在300MHz时钟频率并且能成功运行Linux和Dhrystone。
三、行家发声
英伟达创始人兼首席执行官黄仁勋强调了英伟达加速计算和AI解决方案在芯片制造中的潜力，他认为芯片制造是加速计算和AI计算的“理想应用”。
另一芯片巨头AMD首席技术官Mark Papermaster也透露，目前AMD在半导体设计、测试与验证阶段均已开始应用AI，未来计划在芯片设计领域更广泛地使用生成式AI。同时，AMD已在试验GitHub Copilot（由GitHub和OpenAI合作开发的代码生成算法），并研究如何更好地部署这一AI助手。
日本半导体企业Rapidus社长小池淳义表示，将引进人工智能和自动化技术，以约500名技术人员确立量产工序。公司已有人才、设备、技术齐备的头绪，预计2027年启动量产。
