人工智能在半导体设计中的角色定位 - 人工智能对工程岗位的影响是微妙的，取决于任务性质、工作复杂性及工具成熟度，更可能作为辅助工具而非完全替代设计师 [2] - 在复杂领域，人工智能更可能成为提高生产力的工具，而不是完全的替代品 [2] - 人工智能工具的普及填补了人才短缺的空白，但技能并非完全重叠，EDA流程中部分环节仍需人类工程师 [2] 以人类为中心的核心任务领域 - 架构/概念设计需要人类的直觉、远见和跨领域推理能力，难以被人工智能取代 [2] - 模拟电路设计需要深厚的专业知识、创造性问题解决能力及对权衡因素的深入理解，实现完全自动化仍具挑战 [3] - 安全关键型和高可靠性设计决策必须由人验证，任何错误都可能导致灾难性故障 [3] - 验证签核和质量保证的最终判断需人工介入，以解释结果、评估风险并确保完整性 [3] - 物理设计收敛和制造准备关于良率、可制造性的决策需要专家专业知识 [3] - 处理新颖问题和例外情况需要创造性的问题解决能力，人工智能无法完全自动化 [3] - 设定芯片目标、功能和限制条件需要对市场、客户和技术有深刻的人类洞察力 [3] 人工智能的应用与局限性 - 人工智能最容易接管功能验证、回归测试和覆盖率分析等基于规则、重复性高且涉及大型数据集的任务 [14] - 自动化布局布线工具已相当成熟，人工智能增强工具正进一步提高效率，常规数字布局任务也越来越自动化 [14] - 人工智能工具可以生成测试平台、预测覆盖率漏洞并提出新的测试场景 [14] - 模拟/混合信号设计领域因更接近物理学且抽象概念复杂，应用人工智能工具更具挑战性 [8][10] - 人工智能在模拟/混合信号领域可用于分析、优化、调试及作为自然语言训练伙伴，但工程师可能因过度关注工具而偏离问题核心 [8][9] 信任、验证与风险 - 验证对于避免代价高昂的错误至关重要，是设计过程中最耗时、成本最高的环节 [5] - 风险缓解和上市时间是关键，企业不信任人工智能完全取代价值数百万美元的项目，需要在工作流程中引入人工干预和验证步骤 [6] - 建立对人工智能系统的信任需要数年甚至数十年时间及多次迭代，早期版本可能产生幻觉或错误 [6] - 工程师需要监控系统并随技术进步不断训练系统，对使系统达到实用水平至关重要 [5] - 在安全关键型应用中，需要经验丰富的专家来理解模型结论并具备否决权，否则可能非常危险 [10] 行业适应与人才演变 - 航空航天/国防等安全关键行业因文化原因采用人工智能速度较慢，工具将适应环境而非被忽视 [12] - 工作岗位不会消失而是发生变化，人员从设计转向更多从事验证工作，以努力弥补技能缺口 [6] - 年轻一代对协调人工智能构建机器人系统等新领域更感兴趣，而非从事可被自动化替代的底层编程工作 [12] - 工程师需理解生成代码的机制，完全依赖人工智能可能导致无法解决的问题 [13]