李华伟：智能EDA前沿——AI与EDA的协同进化之旅 | CNCC专家谈 - 新鲜讯息

在即将于今年10月24-26日在浙江横店举办的CNCC2024上，138个技术论坛覆盖了人工智能、安全、AI+、网络、计算+、系统软件、教育、芯片等34个专业领域，推动不同领域的交叉融合，为各界专业人士提供了广泛的专业内容。包括国际知名学者、两院院士、产学研各界代表在内的800余位报告嘉宾将着力探讨计算技术与未来宏观发展趋势，为参会者提供深度的学术和产业交流机会，当中不乏在各领域深具影响力的重磅学者专家亲自担纲论坛主席。

本专题力邀CNCC2024技术论坛主席亲自撰稿，分享真知灼见，欢迎走进CNCC，领略计算领域专业大观魅力！

本期特别嘉宾：

李华伟 CCF会士，CCF理事，CCF集成电路设计专委主任，中国科学院计算技术研究所研究员

作者：CNCC2024【智能EDA前沿论坛——AI会比人类更懂芯片设计吗？】论坛主席李华伟研究员

AI赋能新一代EDA

在当今科技飞速发展的时代，电子设计自动化（EDA）的价值愈发凸显。EDA 是电子设计的基石，它贯穿了从芯片设计、验证到制造的整个流程，对于提高电子产品的性能、降低成本、缩短研发周期起着至关重要的作用。随着半导体技术的不断进步，芯片的复杂度呈指数级增长，对芯片设计流程的可扩展性和可靠性提出了挑战。因此，需要更高效的EDA算法和软件，以加快电路的设计、验证和制造。AI 的出现为新一代 EDA 设计带来了革命性的变化。通过利用深度学习、大语言模型等技术，AI 能够从大量的历史设计数据中学习模式和规律，从而为 EDA 过程提供更高效更智能的解决方案。近年来，在工业界，Synopsys、Cadence等公司都推出了各自的智能EDA工具，在学术界，也涌现出大量相关研究工作。

现代芯片设计流程[1]

智能EDA的挑战与动力

智能EDA的研究面临诸多挑战。首先，数据稀缺性是一个显著问题，由于电路设计的特殊性，高质量的开源电路设计数据相对匮乏，这导致AI模型在训练时缺乏足够的素材，难以充分学习和捕捉电路的特征和规律。其次，模型的可扩展性也面临严峻考验，随着电路设计的日益复杂，模型必须具备处理大规模和复杂电路设计的能力，但现有模型在计算资源和训练时间方面往往存在瓶颈。此外，EDA领域的高专业性要求AI模型能够理解并处理大量的专业知识和技术，这对模型的设计和训练提出了更高的挑战。与此同时，与现有工具的兼容性也是一个关键问题，智能EDA系统需要与现有的各种EDA工具无缝集成，以实现高效的工作流程。然而，不同工具之间的接口和数据格式差异，给集成带来了不小的困难。

尽管面临挑战，智能EDA研究的动力依然强劲。首先，提升设计效率是最主要的驱动力，AI能够自动化并优化许多EDA任务，如电路设计、验证和优化，从而显著缩短产品的上市时间。其次，提高设计质量也是一个重要目标，通过学习历史设计数据和模式，AI可以提供更准确的设计预测和建议，帮助设计师避免错误和缺陷，从而提升产品质量。此外，降低成本是企业的关注重点，高效的设计流程和优化的设计决策能够降低生产成本，增强企业的市场竞争力。最后，推动创新是AI在EDA领域的核心价值所在，AI能够探索更多设计可能性，发掘新的设计架构和解决方案，为芯片设计领域注入创新活力。

开源数据集是重要的研究基础设施

为了应对这些挑战，我们需要建立必要的研究基础和基础设施，开源的电路设计数据是其中的重要组成部分。高质量的开源电路设计数据集应当涵盖丰富的内容，包括设计描述、设计代码、综合结果、电路性能等数据内容。这些数据涵盖了芯片设计过程中，自顶到底各个层次，对电路的描述和评价。例如，设计代码以具体的编程形式呈现了电路的实现方式，这些代码不仅为模型训练提供了实际的案例参考，还能帮助大模型理解电路设计的技术细节和实现逻辑。综合结果作为电路设计的阶段性成果反馈，记录了不同设计参数和策略下的实际表现。通过对综合结果的分析，可以评估各种设计方案的优劣，从而为进一步的优化提供方向。电路性能数据则是衡量电路设计质量的关键指标，它包括诸如功耗、速度、面积等重要参数，这些数据能够帮助模型更精准地学习电路的特征和规律，以便在设计过程中更好地平衡各种性能指标，实现最优的设计方案。

在模型训练过程中，研究人员可以充分利用这些数据，让模型接触到各种不同类型、不同复杂度的电路设计案例，从而使其能够更全面、更深入地学习电路的特征和规律。这不仅有助于提高模型的准确性和泛化能力，还能为智能EDA研究带来更多的创新思路和方法。

智能EDA的研究分类

我们调研了近5年来30余个相关学术会议、期刊上发表的300多篇智能EDA相关的学术论文，并搜集到30余个开源项目，如下图所示，我们将已有的研究工作主要分为以下四个大类：AI生成设计，AI增强算法，AI控制流程，以及AI重塑EDA。

智能EDA的研究分类

AI生成设计

为了提升电路设计水平和设计效率，研究者借助决策图算法和大语言模型，对于自动化生成电路设计代码、自动化地进行电路验证、优化，以及自动化地进行设计代码错误修复等任务进行了探索。

AI生成硬件设计示例1：ChipGPT [2]

AI生成硬件设计示例2：HLSPilot [3]

AI增强算法

为了根据设计代码，自动化设计更好的电路，EDA过程往往需要高效求解预测、优化等问题。相比传统算法，AI方法在预测、优化和设计空间探索方面具有惊人的性能，同时AI方法在为许多 NP 完全（NPC）问题生成高质量解决方案上具有巨大潜力，这使得EDA领域研究者看到了提升EDA性能的新希望。近年来，研究者借助AI算法来替换或增强一些传统方案，对EDA流程中部分工具进行性能增强，取得了不错的进展。

AI增强EDA算法：CircuitNet [4]

AI控制流程

随着大语言模型表现出惊人的文本生成的能力，研究者提出使用大语言模型，来编写脚本，从而进行自动化的EDA流程控制等。

基于大模型的脚本生成方案：ChatEDA [5]

AI重塑EDA

近年来，还有研究者提出AI原生EDA的研究路线，通过AI方法，有望进行跨层次的设计自动化生成、优化和验证等任务，重塑已有EDA流程。

AI重塑设计流程：Large Circuit Models [6]

AI会比人类更懂芯片设计吗？

集成电路将很快达到万亿级晶体管规模，这对现有EDA设计流程与工具带来了前所未有的挑战。可以预见，在极具挑战的集成电路设计任务中，AI将走向与EDA协同进化之旅。AI会比人类更懂芯片设计吗？10月25日下午的CNCC智能EDA论坛中，来自香港中文大学、北京大学、东南大学、中国科学院计算技术研究所、中科鉴芯公司、华为公司的专家将为我们带来他们在AI EDA领域的最新发现和正在关注的有趣问题。期待集成电路设计领域的广大研究者、开发者和感兴趣的人士参与论坛，一起探讨AI在芯片设计中的能力极限。

参考文献：

1.Huang G, Hu J, He Y, et al. Machine learning for electronic design automation: A survey. ACM Transactions on Design Automation of Electronic Systems (TODAES), 2021, 26(5): 1-46.

2.Chang K, Wang Y, Ren H, et al. ChipGPT: How far are we from natural language hardware design. arXiv preprint arXiv:2305.14019, 2023.

3.Xiong C, Liu C, Li H, et al. HLSPilot: LLM-based High-Level Synthesis. ACM/IEEE International Conference on Computer-Aided Design (ICCAD), 2024.

4.Chai Z, Zhao Y, Liu W, et al. CircuitNet: An Open-Source Dataset for Machine Learning in VLSI CAD Applications with Improved Domain-Specific Evaluation Metric and Learning Strategies. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2023, 42(12): 5034-5047.

5.Wu H, He Z, Zhang X, et al. ChatEDA: A Large Language Model Powered Autonomous Agent for EDA. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems, 2024.

6.Chen L, Chen Y, Chu Z, et al. The Dawn of AI-Native EDA: Opportunities and Challenges of Large Circuit Models. arXiv preprint arXiv:2403.07257, 2024.

CNCC“智能EDA前沿论坛——AI会比人类更懂芯片设计吗？”论坛安排：

顺序	主题	主讲嘉宾	单位
1	大模型和EDA技术	杨军	东南大学
2	大语言模型在EDA领域的应用	余备	香港中文大学
3	AI与EDA：从点工具优化到全流程控制	叶靖	中科鉴芯（北京）科技有限责任公司
4	深度学习赋能集成电路物理设计自动化：从建模到优化方法	林亦波	北京大学
5	数据驱动的高效EDA技术与展望	袁明轩	华为技术有限公司
6	Panel：AI会比人类更懂芯片设计吗？主持人：李华伟中国科学院计算技术研究所	徐强	香港中文大学
		杨军	东南大学
		余备	香港中文大学
		叶靖	中科鉴芯（北京）科技有限责任公司
		林亦波	北京大学
		袁明轩	华为技术有限公司

想了解更多关于CNCC2024技术论坛信息，欢迎观看CCF公众号【CNCC专家谈】专题及CCF视频号【CNCC会客厅】直播，我们将陆续邀请本届CNCC技术论坛的论坛主席或重磅嘉宾，围绕今年CNCC涉及到的热门话题进行研讨交流，亲自带观众走进CNCC，敬请随时关注！最新一期【CNCC会客厅】直播将于9月14日（周六）晚19:30开始，欢迎一键预约，准时观看！

点击“阅读原文”，进入CNCC官网。