英特尔“按需服务”计划概述 - 英特尔于2021年首次推出软件定义芯片计划，最初名为SDSi，后更名为“Intel On Demand”[4] - 该计划旨在为第四代至强可扩展处理器用户提供激活芯片内加速器和硬件增强功能的选项[4] - 计划提供两种付费模式：一次性付费永久解锁功能，或按实际使用量付费[4][5] 计划提供的具体功能 - 计划支持的加速器功能包括：动态负载均衡器、数据流加速器、内存分析加速器、快速辅助技术、软件保护扩展[4] - 对于第五代至强芯片，还支持CPU上的虚拟RAID功能[4] - 该模式允许客户无需预先购买更高级别处理器型号，即可按需激活加速器功能[5] 计划终止的迹象与现状 - 近年来，英特尔基本停止了公开讨论其“Intel On Demand”计划，开发活动明显放缓[2] - 包含支持该计划所需软件组件的Intel SDSi GitHub代码库已于2023年11月被存档，标志着积极开发结束[2] - 英特尔已从其网站上删除了大部分On Demand相关文档，仅能访问到一些旧的PDF文件[2] - 软件支持、文档和公开讨论的消失强烈表明，英特尔已彻底放弃该计划，它不会成为下一代至强平台的一部分[2] 市场反应与计划失败原因 - 该计划遭到业界强烈批评，主要担忧在于加速器模块物理存在于处理器中，但需付费激活，被质疑为让用户为某些功能支付两次费用[5] - 鉴于这些担忧，按需加速功能并未真正普及，SDSi支持代码被存档也证实了这一点[5]

文章核心观点 - AI和半导体行业正经历高速发展 大模型带动算力需求暴涨 AI芯片企业成为焦点 数据中心扩张 自动驾驶落地和智能终端升级持续推动芯片性能与能效极限[1] - 摩尔定律放缓使晶体管微缩变得困难 芯片设计复杂度与成本显著提升 传统设计方法难以跟上技术发展节奏[1] - Cadence提出代理式AI将芯片设计从"工具使用"带入"智能协作"时代 这将成为半导体创新的关键拐点[1] 软件定义的芯片时代 - 计算机芯片正彻底改变人类感知世界和互动的方式 "软件定义用户体验"驱动"软件定义芯片"成为重要趋势[2] - 非传统芯片企业如小米 阿里巴巴 字节跳动和滴滴已成为颇具规模的芯片制造商 这在20年前难以想象[2] - AI相关产业规模预测从9500亿美元大幅上调至1.2万亿美元 增长动力从数据中心AI计算向边缘端延伸[2] - EDA行业面临客户数量增长与传统软件难以适应变化的双重挑战[2] 3D维度整合技术 - 横向维度需要突破单一芯片局限 进行先进封装中的系统级验证 包括芯片到物理层面的机电 热学 流体仿真乃至整个数据中心模拟[4] - 技术维度利用AI提供新计算技术路径 解决传统方法难以攻克的问题[4] - 计算层支持x86 CPU ARM架构 GPU和专属加速器等多种运行环境[4] - 原理性方法 加速计算与AI三层技术结合形成"三层蛋糕"架构[4] AI在EDA工具的演进 - Cadence的AI探索始于2016年 受AlphaFold启发将机器学习融入工具 实现"AI优化"[5] - AI应用正从优化AI向虚拟工程师转型 工具支持自然语言交互 用户可通过对话获得帮助[5] - 未来模式将从"授权工具"转变为"授权虚拟人员" 包括虚拟物理设计师 虚拟验证团队和虚拟布局团队[5] - 超过50%的Cadence工具用户已使用AI优化功能 到今年年底所有产品都将支持直接与工具对话[6] JedAI平台特性 - JedAI平台支持客户自主选择功能模块 连接本地数据 所有数据存储在本地服务器 确保数据安全[7] - 平台提供自定义代理构建框架 支持整合代理[7] - 发展重点在于构建快速系统 使用提示工程和推理与工具交互 而非模型微调[8] - 通过检索增强生成技术降低幻觉风险 利用formal verification工具比对不同答案[8] 全自动化与数字孪生 - 完全由AI接管设计仍需时间 但未来两年内用户使用体验将接近与人交流[9] - 全流程数字化仿真将是巨大机遇 不仅适用于半导体领域 还将延伸至物理 化学和生物学等学科[9] - 数字孪生用仿真映射现实状态 AI介入能加速过程 如神经图形学中先用AI渲染低分辨率图像再上采样[9] - AlphaFold展示了AI提供全新科学突破的潜力 不仅加速仿真更解决传统算法长期无法攻克的问题[10] 产业需求与人才挑战 - 所有域的Cadence客户对AI都有同等兴趣 超大规模云服务提供商更倾向于使用自己的LLM[10] - AI不会取代芯片设计工程师 而是解决工程师数量不足的问题[10] - 人才需求可能是现有人数的十倍 全球各行业都面临人员短缺危机[11] - AI将使人类工程师效率提升十倍 人类与AI结合将放大生产能力[11]