芯片后端设计：AI算法的潜在影响

芯片后端设计工程师是否会被人工智能算法取代？对于刚入行一两年的工程师，这是一个很普遍的问题，特别是随着AI技术在机器视觉、内容推荐等领域的飞速发展和大规模应用，信息产业中很多细分领域都对自己的未来发展产生了疑惑。结合笔者的知识和从业经验，尝试从两方面回答一下这个问题。

识别二维码添加老师

领取IC学习资料

1、后端工程师的职业发展

（以后端Place&Routing为例）

Place&Routing示例

1、刚进入行业的新人都从跑小的模块做起，在这个阶段会了解基本的后端流程，优化方法和流片标准。

2、对于小的模块游刃有余后，可以开始做一些追求高性能、小面积、低功耗的模块，比如CPU、GPU、VPU。

3、接下来做一些低功耗流程的单芯片，这样会熟悉一颗完整芯片所需要的功耗分析，IRDROP分析，ESD规划等等。

4、做大项目的TOP (>30M)， 在这个阶段可以学习到模块划分，时序规划，bump routing，等大型项目当中才能遇到的问题。

5) 如果想更进一步，就在做大项目的同时去了解封装，了解测试，了解运营，有合适的机会，就可以晋升到项目经理，负责一颗芯片从前到后的实现，生产，测试。

6、 在成功运营几颗大型芯片以后，就可以选择进入一些初创公司成为研发总监，争取成功上市。

一般这就是比较顺利的职业发展路线，需要比较好的机遇和自己的努力，一般工程师停留在4) 的阶段就很难上去了。回到AI技术，我们可以看到，到了第四级，更重要的是对项目的把握和整个项目的管理，基本也就和AI不太搭边了。

2、AI技术在后端算法中的应用

AI人工智能抽象图

在笔者看来，AI在2)当中的应用场景更为广阔。实际上在我们的后端流程中，由于计算能力的限制，我们做了很多的简化，比如一个典型的例子，是在做布局时我们不会做真正的布线，我们会做一种简化的布线（global routing），希望用它的结果来指导我们布局，因为真正的布线会花费十倍以上的时间，对于我们是无法接受的。但既然使用了简化模型，简化模型和最终结果的一致性就非常的重要了，在先进工艺里面尤其困难。

在后端的物理实现中，一些复杂的步骤，比如说placement，则十分困难。要检查一致性是很容易的事情，而得到一个函数的最优解或者近似最优解则较为复杂，同时这个最优解的限制条件还很多，如面积最小、时序最好、功耗最低、可以绕线、符合工艺摆放要求等。再在比如说，布局阶段产生的Congestion往往会恶化时序Timing，并影响设计的Routability，同时导致布线时可能产生Short或Detour，那么如何选取合适的布局和布线才能减少congestion？

congestion示例

在机器学习算法引入之前，CAD领域通常都采用启发式算法对以上问题进行求解。启发式算法尝试基于随机选择，在可接受的代价（比如计算时间和空间）下给出待解决组合优化问题的可行解。常见的启发式算法包括禁忌搜索(Taboo Search)、模拟退火(Simulated Annealing)、遗传算法(Genetic Algorithm)、人工神经网络(Artificial Neural Networks)等。各种启发式算法在优化机制方面存在着一定的差异，但在优化流程上十分相似。这些算法本身都是邻域搜索(Local Search)结构，即算法都是从一个或者一组初始解出发，在关键参数的控制下通过邻域函数产生若干个邻域解，根据一定的接受准则(比如确定性、概率性或混沌方式)来更新当前状态，而后根据当前状态调整关键参数。重复上述搜索步骤直到满足算法的收敛准则，最终得到问题的优化结果。尤其是模拟退火算法，自从该算法被引入VLSI领域后，诞生了大量基于其的布局布线优化算法。

对于EDA工具的使用者——后端工程师而言，这些算法的优化效果往往就像玄学一样，很难选取合适的搜索步长，并且多次计算结果往往并不能得到同一个解，甚至有时候得到劣解。此外，让广大后端工程师苦不堪言的是，随着摩尔定律的推进，芯片中集成的晶体管数以亿计而且还在以指数级进行增长，由此导致数据的处理时间以小时为量级。

目前AI技术在机器视觉、自然语言处理、内容推荐等领域发展欣欣向荣，而在VLSI CAD领域还鲜有耳闻。2017年台积电在ISSCC和ISPD会议均做了基于机器学习的拥塞预测算法进展的口头报告，演讲内容显示该算法可在布局布线阶段将芯片速度提升40MHz。Cadence和Synopsys也多次在业界重要会议中展示了机器学习预测拥塞算法的最新进展。2018年DAC会议上也刊出了一篇用机器学习做congestion预测的文章。

台积电在ISSCC2017关于应用AI消除congestion的演讲内容

晶圆厂和EDA公司天生具备引入AI的基因，大数据处理、智能优化算法等问题都需要有更优、更新的算法来替代。我们期待着AI能够造福广大工程师，也更希望运用AI技术，发现新问题，开创新的研究和技术领域。在孩子小的时候还不会识字，对书本并没有兴趣，这个时候需要父母或者其他家长，通过讲故事、互动游戏等，进行亲子阅读，让孩子理解书本中传递的意思，引导孩子对阅读产生兴趣，为今后的识字和自主阅读打下基础。

文章来源于：知乎Forever snow