AI世代到來，IC設計挑戰漸增。過去7年，AI模型訓練運算的需求成長30萬倍，比摩爾定律成長速度高上萬倍之多。
半導體進入後摩爾時代後，由於IC設計複雜度大幅提高，加上先進製程對各項設計條件有重重限制，如何確保IC開發週期和成本的可控性，並提高IC設計效率與晶片效能，對IC設計工程師們帶來了許多挑戰。儘管經過 50 年研究，晶片布局規劃仍無法實現自動化，需要物理設計工程師至少數月的努力，才能產生可量產的布局。
善用人工智慧及機器學習，將成為IC設計更快更有效率的關鍵
尤其在實體設計領域的布局布線階段，由於大量使用記憶體與IP，將這些所謂的巨集單元元件，以及動輒數百萬的標準單元放置在晶片上的合適位置，所衍生的可能性與複雜度極高。此時，透過AI技術的協助的EDA工具，成為這些問題的解方，各家IC設計巨擘也開始投注資源，期待能協助縮短IC設計工作開發時程，並產生巨大幫助。
將機器學習(Machine Learning; ML)導入晶片設計流程，透過大型語言模型自我探索和學習，規劃出晶片最佳電路區塊，大幅縮短開發時間。AI模型推論、訓練需求，將超越摩爾定律成長，AI及ML也將成為IC設計業者的強大工具。
Google已採用幾個不同模組的測試電路，比較使用各款機器學習教自己布局和繞線ASIC設計的AI性能。此外，在額外調整漸進式間隔後，比較相同機器學習與商用工具的性能（來源：Google Research/ISSCC）。其優點包括在極短時間內執行布局與繞線。完成這項任務可能需要花費人類專家數周時間，但機器學習布局與繞線，通常可在24小時內完成相同工作，而且其布局時的線長通常較短。
3月份即將來台的Motivo.ai，就是協助全球頂尖IC設計客戶 (包括Intel、AMD、Micron 等廠商)大幅提升良率及節省時間的一家AI企業。
Motivo.ai由AMD的前策略長Bharath Rangarajan 擔任執行長，以其獨門AI 及機器學習(Machine Learning)技術，協助全球頂尖IC設計客戶 (包括但不限於Intel、AMD、Micron 等)：
1.大幅提昇良率，為客戶節省幾億至十多億美元成本。2.大幅節省設計時間，可以將半導體設計流程從幾年縮短到幾週。3.無前收費用，完成後收取客戶節省之部分成本。
我擔任亞太區合夥人的矽谷Seraph 基金（全球最大的天使基金集團）為Motivo.ai早期投資者，Intel則為Motivo.ai 之A輪領頭投資者。
Seraph將於2024年3月24日至30日間，帶領20多位矽谷頂尖投資家(均為Seraph基金投資者)及創業家，拜訪台灣產業及企業。Motivo.ai的執行長 Bharath Rangarajan 也會同行來台，探討台灣企業與矽谷核心資源及公司之合作商機。
Motivo 團隊結合了數十年在IC 設計、計算成像和製造技術以及人工智慧方面的專業知識，創建了可縮短設計上市時間並加速新晶片產量提升的解決方案。
Motivo 技術結合了AI、機器學習和計算物理學。不僅適用於半導體行業，也適用於基因科技研發等其他行業。其優勢在於:
1.大幅提昇良率，為客戶節省鉅額成本。
2.大幅節省設計時間: 可以將半導體設計流程從幾年縮短到幾週。
3.節省成本：透過自動化重複性任務並提高營運效率，Motivo.ai 可以幫助企業降低與客戶支援和參與相關的營運成本。
4.智慧設計工具： AI可以用於設計自動化工具，加速設計流程。例如，能夠利用機器學習優化電路和佈局設計，提高晶片性能，同時減少人工參與的需要。這樣的工具可以更快速地生成和評估不同的設計方案。
5.模擬和測試： 使用AI進行高度準確的模擬和測試，可以幫助預測設計的性能、可靠性和功耗。這有助於減少在實際製造前的錯誤，節省重新設計的成本和時間。
6.優化能源效率： AI在設計過程中可以優化電路，以提高能源效率。這不僅有助於節省電力，還可以減少散熱問題，提高晶片的穩定性和可靠性。
7.協同設計： AI能夠協助不同團隊間的合作，促進協同設計。這有助於加速設計流程，使得各專業領域的專家能夠更好地協同工作。
8.模型優化：利用機器學習算法，可以優化現有的晶片模型，以提高性能和效能。透過大量的訓練數據，模型可以學習如何調整晶片的配置，以滿足特定的性能要求。使用強化學習來優化晶片設計的參數，例如電源供應、時脈頻率等。通過設定環境、定義獎勵機制，系統可以自主學習最佳的設計參數，以實現更好的性能和能源效率。智能監控和調整：
9.引入智慧監控系統，用感測器和監控設備即時監測晶片性能。並基於監控結果，使用強化學習算法調整晶片運行參數，以最大程度地優化性能和能源效率。
10.演算法優化：利用機器學習改進晶片設計相關的演算法，例如布線算法、時脈分配算法等。通過學習從先前的設計中獲得的知識，演算法可以更好地應對複雜的晶片設計問題。
11.個人化客戶互動：Motivo.ai 可能會提供根據客戶偏好、行為和歷史資料進行個人化客戶互動的工具和功能。這種個人化互動更可以提高客戶滿意度和忠誠度。
12.自動化客戶支援：人工智慧驅動的解決方案可以自動執行日常客戶支援任務，例如回答常見問題解答、排除常見問題以及提供及時回應，從而減少人工支援代理的工作量並提高效率。
13.全天候可用性：24/7的營業時間皆可提供服務，且全年無休。人工智慧驅動的聊天機器人或虛擬助理可以全天候提供服務，無論時區或營業時間如何，都可以為客戶提供即時協助。這增強了可訪問性和回應能力。
14.可擴充性：Motivo.ai 可以提供可擴充的解決方案，可以同時處理大量客戶查詢，而不會影響品質。這種可擴展性對於經歷客戶需求波動的企業特別有利。
15.數據驅動的前瞻見解：該平台可能提供分析和報告工具，為客戶行為、偏好和趨勢提供有價值的見解。這些見解可以為策略決策提供訊息，並幫助優化客戶參與策略。
16.整合能力：Motivo.ai可以與現有的CRM系統、通訊平台和其他工具集成，使企業能夠簡化工作流程並確保不同系統之間的無縫資料交換。
17.持續改進：Motivo.ai 等人工智慧驅動的解決方案通常利用機器學習演算法，這些演算法可以從互動和回饋中不斷學習，以隨著時間的推移提高效能，從而實現更有效、更智慧的客戶參與。
18.增強的客戶體驗：透過提供及時、相關和個人化的交互，Motivo.ai 可以為卓越的客戶體驗做出貢獻，與客戶建立更牢固的關係並提高長期忠誠度。
綜合來看，以上這些優勢可以單獨或結合使用，以加速IC設計公司晶片設計過程並優化性能、能源效率和尺寸。
總的來說，人工智慧和機器學習在晶片設計中的應用，可以提高效率、降低成本、縮短設計週期，同時改善晶片的性能和可靠性。然而也需要謹慎處理由自動化和機器學習引起的問題，包括驗證和安全性等方面的挑戰。
作者為紐約哥倫比亞大學MBA、矽谷Seraph天使基金集團亞太區合夥人、中華財金高階管理人協會監事會召集人
責任編輯/周岐原
