Представьте, что проектирование сложнейшего чипа с миллиардами транзисторов – это строительство небоскреба. Сейчас над ним трудятся тысячи инженеров (архитекторы, чертежники, прорабы), которые вручную решают миллион задач. Марк Жэнь, основатель компании Agentrys и бывший директор по исследованиям в NVIDIA, предлагает дать каждому из них в помощники ИИ-агента. Это и есть агентная автоматизация проектирования (ADA).
Ключевая мысль: не нужно ждать, что одна супер-модель (вроде GPT-6) сама нарисует чип от начала до конца. Вместо этого ИИ должен стать «мозгом», который управляет существующими и будущими инструментами автоматизации (EDA), как дирижер оркестром.
Как ИИ изменит работу инженера?
Жэнь выделил 5 направлений, где ИИ возьмет на себя рутину, позволяя инженерам думать о глобальных вещах:
- Понимание задачи: ИИ прочитает техническое задание на естественном языке (например, «сделай контроллер для USB с низким энергопотреблением») и сам разберется, что к чему.
- Написание кода: ИИ напишет код на языках описания аппаратуры (RTL/Verilog), тесты для проверки (test bench) и вспомогательные скрипты.
- Анализ: ИИ сам просмотрит горы отчетов и логов, найдет проблемы и визуализирует их.
- Отладка: ИИ не просто покажет ошибку, а предложит, как ее исправить. (Об этом подробнее ниже).
- Оптимизация: ИИ будет перебирать варианты, чтобы добиться идеального соотношения производительности, энергопотребления и площади кристалла (PPA).
Как это работает на практике?
Жэнь рассказал о своем эксперименте – системе VerilogCoder.
- Проблема: Раньше, если дать ИИ задание: «Напиши код для контроллера», он выдавал общий план, но часто ошибался в деталях.
- Решение: Инженеры не стали усложнять ИИ, а создали для него умный инструмент.
- ИИ-агент получает задание на английском языке.
- Специальный инструмент детерминированно (то есть точно, а не "на глаз") выдергивает из этого задания все важные технические детали.
- Агент пишет код.
- Если код не работает, в дело вступает другой инструмент: он смотрит на структуру кода (синтаксическое дерево RTL), вычисляет, какие сигналы могли вызвать сбой, и подсовывает ИИ их временные диаграммы (waveforms).
- Вооруженный этими точными данными, ИИ успешно исправляет ошибку.
Вывод Жэня: «Сила системы – в инструментах». Сам по себе ИИ-агент – это просто болтун. Но если дать ему в руки точные инженерные "приборы", он становится гениальным инженером.
Три главных вызова на пути
- Нехватка специальных знаний: Современные большие языковые модели учились на интернете и книгах, а не на специфических данных по проектированию чипов.
Решение: Обучать доменно-адаптированные модели. Команда Жэня работает над проектом Scale RTL, чтобы натаскать ИИ именно на электронику. - Требования к производительности: Чат-бот может ошибаться, и это нормально. Чип ошибаться не может. ИИ должен находить самые лучшие решения по PPA, а не просто «какие-нибудь».
- Инструменты для машин, а не для людей: Нынешние программы для проектирования (EDA) созданы для человека: у них кнопки, графики, мышка. В будущем, когда над проектом будут трудиться тысячи ИИ-агентов одновременно, им понадобятся другие интерфейсы – с высокой пропускной способностью данных, понятные машинам.
Итог
Мы стоим на пороге новой эры. Если раньше мы повышали уровень абстракции (переходя от транзисторов к логическим элементам, потом к RTL-коду), то теперь ИИ поднимет абстракцию до уровня человеческого языка.
- Для «цифры»: Вместо RTL-кода проектирование пойдет от спецификаций на естественном языке.
- Для «аналога»: Вместо принципиальных схем – описание словами.
Марк Жэнь уверен: создание «родных для агентов» инструментов (agent-native tools) – это и есть та самая тропинка, которая приведет нас к полностью автономному проектированию чипов в будущем. И судя по первым результатам его команды в Agentrys, это уже не просто фантастика.
Ссылка на первоисточник: https://www.designnews.com/artificial-intelligence/could-agentic-ai-drive-the-future-of-chip-design-
Вас также могут заинтересовать: