AI帶來的最直接收益正顯現(xiàn)在仿真和設(shè)計(jì)迭代中。

繼Elliott Investment Management獲得激進(jìn)股份之后，近期圍繞新思科技(Synopsys)的關(guān)注度不斷上升，這使得人們重新將焦點(diǎn)集中在AI如何從工程工作流中的技術(shù)升級演變?yōu)樵鲩L驅(qū)動力上。

從芯片設(shè)計(jì)到系統(tǒng)級仿真，AI滲透到了每一個(gè)層面，有望將開發(fā)周期從數(shù)年縮短至數(shù)月。更快的設(shè)計(jì)周期和更高的迭代次數(shù)不再僅僅是工程基準(zhǔn)；它們?nèi)找姹灰暈槲磥碓鲩L的指標(biāo)。然而，隨著企業(yè)擴(kuò)大計(jì)算支出并嘗試生成式設(shè)計(jì)和AI驅(qū)動的仿真，切實(shí)的生產(chǎn)力收益到底在哪里顯現(xiàn)？更重要的是，在已展示的能力與可重復(fù)的真實(shí)世界生產(chǎn)力收益之間是否存在差距？

《EETimes》采訪了新思科技創(chuàng)新高級副總裁兼執(zhí)行領(lǐng)導(dǎo)團(tuán)隊(duì)成員Prith Banerjee。在新思科技斥資350億美元收購仿真巨頭Ansys之后，該公司正將其芯片設(shè)計(jì)工具擴(kuò)展到系統(tǒng)級仿真領(lǐng)域。曾擔(dān)任Ansys首席技術(shù)官的Banerjee表示，新思科技正在押注AI驅(qū)動的仿真、生成式設(shè)計(jì)以及其所謂的“代理式工程(agentic engineering)”，認(rèn)為這些技術(shù)能夠顯著縮短設(shè)計(jì)周期并提高產(chǎn)品質(zhì)量。

AI在哪里帶來生產(chǎn)力

AI帶來的最直接收益正顯現(xiàn)在仿真和設(shè)計(jì)迭代中，這些領(lǐng)域在歷史上一直與較慢的工程周期相關(guān)聯(lián)。

“試圖降低空氣動力學(xué)阻力的汽車設(shè)計(jì)師，傳統(tǒng)上大約需要花費(fèi)100小時(shí)進(jìn)行CAD設(shè)計(jì)，10000小時(shí)進(jìn)行仿真，”Banerjee說，“借助SimAI和GeoAI等AI工具，這些任務(wù)可以在幾分鐘內(nèi)完成?！?/p>

這種轉(zhuǎn)變不僅關(guān)乎速度，更關(guān)乎規(guī)模。他說：“工程師不再僅僅評估兩三個(gè)設(shè)計(jì)，而是可以評估數(shù)千個(gè)?！?/p>

在最近的一份公司聲明中，新思科技表示其代理式設(shè)計(jì)工作流已經(jīng)顯示出可衡量的收益，生產(chǎn)力提高了2倍，在某些情況下，對于傳統(tǒng)上需要4到6個(gè)月才能完成的復(fù)雜芯片設(shè)計(jì)任務(wù)，生產(chǎn)力提升高達(dá)5倍。

這正是投資回報(bào)變得顯而易見的地方。更快的仿真縮短了周期時(shí)間，而生成式方法則擴(kuò)大了工程師可以實(shí)際探索的設(shè)計(jì)空間。在實(shí)踐中，這意味著團(tuán)隊(duì)可以在同一個(gè)開發(fā)窗口內(nèi)，從少數(shù)幾次設(shè)計(jì)迭代轉(zhuǎn)向成百上千次迭代。

新思科技正在推行一種更自主的工程模型，也即代理式工程。Banerjee表示：“我們正在從輔助型AI轉(zhuǎn)向更自主的系統(tǒng)。我們的愿景就是我們所說的代理式工程?！?/p>

在這種模型中，AI代理接管了工作流中更大的部分，代表工程師使用設(shè)計(jì)和仿真工具。上周，《EETimes》報(bào)道稱：“新思科技在Converge大會上宣布了其首個(gè)L4代理式工作流。例如，該工作流可以通過獨(dú)立的任務(wù)代理處理從架構(gòu)規(guī)范到RTL的轉(zhuǎn)換、構(gòu)建測試計(jì)劃，并處理形式驗(yàn)證、靜態(tài)驗(yàn)證、覆蓋率和調(diào)試。”

其理念是超越協(xié)助單個(gè)步驟的工具，走向能夠在有限的人工干預(yù)下執(zhí)行多步流程的系統(tǒng)。在另一次與《EETimes》的交談中，代理式AI初創(chuàng)公司Emergence AI的聯(lián)合創(chuàng)始人兼首席執(zhí)行官Satya Nitta解釋說，許多此類系統(tǒng)仍然在迭代循環(huán)中運(yùn)行，而不是作為完全自主的決策者?！叭绻粋€(gè)模型在95%的時(shí)間里是正確的，而另一個(gè)也是95%正確，那么組合起來的系統(tǒng)無法達(dá)到100%的準(zhǔn)確率，”Nitta說，“代理系統(tǒng)在循環(huán)中工作……驗(yàn)證器會檢查它們……如果沒有信心，它會要求系統(tǒng)重試?！?/p>

這表明工程領(lǐng)域的自主性正在演變?yōu)橐粋€(gè)分層過程，其中生成和驗(yàn)證仍然緊密耦合，而不是完全獨(dú)立。隨著工作流變得更加自動化，圍繞驗(yàn)證、可追溯性和信任的問題變得更加復(fù)雜，在受監(jiān)管的行業(yè)中尤為如此。目前，大多數(shù)工程團(tuán)隊(duì)仍處于輔助階段，在這個(gè)階段AI只是支持決策，而不是自主執(zhí)行。

數(shù)字孿生：有用，但尚未被完全信任

數(shù)字孿生通常被定位為一種減少對物理測試和驗(yàn)證依賴的方法，但它們在生產(chǎn)工作流中的作用仍在不斷演進(jìn)。Banerjee表示：“目標(biāo)是達(dá)到極高的準(zhǔn)確率，但它永遠(yuǎn)不會是100%。今天，我們的準(zhǔn)確率可能在90%左右，我們正努力達(dá)到95%和99%?！?/p>

該公司還在推廣連接芯片設(shè)計(jì)、軟件行為和全系統(tǒng)驗(yàn)證的數(shù)字孿生平臺。在汽車領(lǐng)域的用例中，新思科技表示，此類平臺可以在硬件可用之前實(shí)現(xiàn)高達(dá)90%的軟件驗(yàn)證。在這個(gè)層面上，數(shù)字模型對于探索各種場景和縮小設(shè)計(jì)選項(xiàng)范圍非常有用?！斑@允許你在不進(jìn)行物理測試的情況下運(yùn)行不同的場景，”他說。

但物理驗(yàn)證并沒有消失。Banerjee指出：“大約75%的[研發(fā)]投入到了物理測試和原型制作中，”這反映出工程設(shè)計(jì)在多大程度上仍然依賴于現(xiàn)實(shí)世界的驗(yàn)證。

結(jié)果就是一種混合模型。數(shù)字孿生越來越多地用于減少物理迭代的次數(shù)，而不是完全消除它們，在汽車和航空航天等安全關(guān)鍵領(lǐng)域尤其如此。

對于工程師來說，這種區(qū)別很重要。數(shù)字孿生在預(yù)測和迭代方面是有效的，但最終的驗(yàn)證仍然取決于物理系統(tǒng)、監(jiān)管要求和安全標(biāo)準(zhǔn)。

這種局限性并非仿真模型所獨(dú)有。在整個(gè)行業(yè)中，工程師們也在努力應(yīng)對AI系統(tǒng)本身的概率性質(zhì)。Nitta表示，即使是高性能模型，在關(guān)鍵環(huán)境中也可能無法達(dá)到要求。“在許多情況下，99%的準(zhǔn)確率仍然是不可接受的，”他說，“你不能僅僅依賴概率系統(tǒng)……你需要執(zhí)行規(guī)則的確定性系統(tǒng)?！?/p>

這對如何部署數(shù)字孿生和AI驅(qū)動的仿真具有實(shí)際影響。雖然模型可以縮小設(shè)計(jì)選項(xiàng)的范圍，但最終決策(尤其是在受監(jiān)管的行業(yè)中)仍然需要確定性的驗(yàn)證以及多次運(yùn)行之間的一致性。

AI計(jì)算與基礎(chǔ)設(shè)施

AI帶來的生產(chǎn)力收益伴隨著另一種成本。Banerjee說：“AI確實(shí)需要大量的計(jì)算資源。有些模型擁有數(shù)萬億個(gè)參數(shù)……這需要巨大的計(jì)算能力?！?/p>

訓(xùn)練和部署用于仿真的AI模型與運(yùn)行傳統(tǒng)的工程工作負(fù)載不同。它引入了對高性能計(jì)算基礎(chǔ)設(shè)施(特別是GPU)的依賴，并將成本轉(zhuǎn)向數(shù)據(jù)處理和模型訓(xùn)練。

對于擴(kuò)展這些方法的公司來說，權(quán)衡不僅在于工具和人才之間，還在于軟件效率和基礎(chǔ)設(shè)施投資之間。實(shí)際上，曾經(jīng)分配給許可證和工程工時(shí)的預(yù)算越來越多地與計(jì)算基礎(chǔ)設(shè)施共享。

新思科技與計(jì)算生態(tài)系統(tǒng)中的參與者緊密結(jié)合，包括與AMD和微軟(Microsoft)合作在云平臺上運(yùn)行EDA工具，突顯了工程工作流是如何與大規(guī)模計(jì)算基礎(chǔ)設(shè)施緊密耦合的。

行業(yè)的其他方法包括試圖通過在部署期間(特別是在偏重推理的企業(yè)環(huán)境中)轉(zhuǎn)向更小的、特定于任務(wù)的模型來減少這種HPC基礎(chǔ)設(shè)施依賴。

AI無法替代什么

盡管在推動自動化，Banerjee還是劃出了一條清晰的界限。“AI并沒有取代工程判斷，”他說，“工程師將變得更有能力，但責(zé)任仍然在他們身上。”

他指出，這種比較類似于編程的演變，從底層編碼到高級抽象，再到如今的代碼生成工具。工程師的角色在改變，但問責(zé)制并沒有改變。

這在安全、認(rèn)證和責(zé)任等領(lǐng)域變得尤為重要。無論工作流在多大程度上實(shí)現(xiàn)了自動化，設(shè)計(jì)決策和系統(tǒng)性能的責(zé)任仍然落在人類工程師及其背后的組織身上。

雖然目前的許多發(fā)展勢頭都與應(yīng)用程序和數(shù)字基礎(chǔ)設(shè)施有關(guān)，但深入系統(tǒng)級工程將需要超越軟件的能力，包括硬件設(shè)計(jì)、計(jì)算基礎(chǔ)設(shè)施和大規(guī)模的產(chǎn)品開發(fā)。

AI已經(jīng)在縮短設(shè)計(jì)時(shí)間、減少迭代次數(shù)并提高產(chǎn)品質(zhì)量。然而，這些收益是不均衡的，嚴(yán)重依賴計(jì)算，并且仍在跨行業(yè)不斷發(fā)展中。正在改變的是人們的期望值。隨著新思科技等公司面臨越來越大的將AI能力轉(zhuǎn)化為持續(xù)增長的壓力，工程生產(chǎn)力與業(yè)務(wù)績效之間的聯(lián)系正變得更加直接。

工程團(tuán)隊(duì)現(xiàn)在不僅要決定是否采用AI，還要決定它在哪里能帶來可衡量的價(jià)值，以及在哪里它仍然依賴于尚未大規(guī)模驗(yàn)證的假設(shè)。

*聲明：本文系原作者創(chuàng)作。文章內(nèi)容系其個(gè)人觀點(diǎn)，我方轉(zhuǎn)載僅為分享與討論，不代表我方贊成或認(rèn)同，如有異議，請聯(lián)系后臺。