新思科技

Tesla 高階人型機器人 Optimus 正式亮相、未來一台 L4~L5 的自駕車內晶片成本將提升 10 倍至 5000 美元(約 16 萬台幣),這些產業風向印證著什麼未來趨勢?

越來越多可即時精密運算的 AI 應用正在你我生活中落地,這些裝置靠新型態 AI 晶片在背後驅動。因此,設計出一個運算功能強大又符合造價成本的 AI 晶片就成為產業新門檻。

新思科技:EDA 與 AI 訓練數據,都是為了得到更優化的結果

來自美國電子設計自動化領域(Electronic Design Automation, EDA)公司新思科技(Synopsys)就在這股變遷中扮演一個關鍵角色。

新思科技全球副總裁暨台灣區總經理李明哲表示,做 IC 設計自動化,須從兩個面向思考,包含:EDA 和 AI 的關係/EDA 未來做 AI 的相關應用設計。

AI 發展的快速演進,除了科技革新、算力提升,大量且經訓練的數據累積則是另一項突破關鍵。各種 AI 應用本質上,都是把模糊的產品或不確定的方式,透過 AI 進行分析、預測並解決問題。在事前則需要充足的訓練資料與數據,才能根據訓練結果進行歸納、得出模型,最後套進相關機器程式進行大量運算。

李明哲解釋 EDA 與 AI 訓練在流程上高度一致,包含要先嘗試捕捉(capture)電子數據、放進模型,接著進入機器學習階段,給予大量的訓練,進行模擬與分析,根據分析結果推論,決定採取的有限動作(limited actions)再反覆優化,最終目標是邁向自動化。

AI 技術如何優化晶片設計流程? 

在半導體產業,更具規模化的 AI 技術也正在加速晶片設計流程創新,甚至可將晶片上的運算能力提升至千倍。

李明哲以荷蘭藝術家 M. C. Escher 的名作《畫手》(Drawing Hands)舉例分享,EDA 本身演進到一定程度,設計出更強大的 SoC 就可以回來協助 EDA 做更複雜的 AI 運算;就像畫作中一隻手畫出另外一隻手,無止境重複的循環。

現在的 IC 設計可能比早期複雜一千倍,已經超越人工設計的程度。同時,面對 IC 設計領域都需要考量三大限制: 功耗(Power)、性能(Performance) 與面積(Area) ,這三項英文的總稱為 PPA,讓工程師需要就 IC 設計限制、功能需求等面向去思考優化可能性。

導入 AI 後, EDA 產業就能運用機器學習處理歷史資料,讓數據逐漸逼近需要的數值,即可達成比人工設計更快又好的 PPA 優化;另一方面,雲端技術賦予 EDA 更強大的運算力與彈性,使設計與驗證空間優化(design/verification space optimization)變得可行。

在這樣的技術基礎之上,從設計到生產,過往需要 2~3 年才能製作完成的晶片,現在耗時可能不到一年,卻有能力達成數倍以上的精細程度。 

李明哲提醒,業界也必須考慮兩項限制:摩爾定律與經濟效益。IC 設計也必須思考未來的成本、生產良率,並看好「小晶片」(chiplet)成為最新半導體技術贏家。

台灣 IC 產業發展三大優勢

從半導體產業上游來看,李明哲認為即使各國持續發展自己在地化的半導體產業鏈,台灣擁有三項優勢,仍然能在持續變動的國際供應鏈中證明自己的角色與價值:

  1. 高度成熟的產業價值鏈:從設計、生產,到封裝測試,整個過程在台灣可於三小時內搞定,且對外依賴度低,如此完善的生態系完整程度與彈性,在全球絕無僅有。
  2. 精準掌握客戶產業脈動、市場敏感度高:例如車用電子就是台灣 IC 產業深具潛力與優勢的發展方向——現在車廠和台灣公司對接,在 1~2 年就能把 IC 做出來交給車廠,比傳統的 6~7年快很多。
  3. 半導體人才素質高,但礙於人口基數小,儲備人才數量不足是事實,台灣必須努力彌補產學落差。

AI 導入與軟體自動設計晶片的趨勢,正同步強化半導體產業供應鏈的上下游效率,並促進生態系整合,面對持續整合的 IC 產業供應鏈,正在被改寫的產業行規,對台灣的半導體產業與新思科技來講,同為契機與挑戰。關鍵問題即為:台灣預計要在國際上扮演什麼樣的角色?是否已經迎接好未來挑戰?

(本文開放合作夥伴轉載。)