最新の報道、解説、関連するテクノロジーストーリーを確認できます。
分析記事は、人工知能がチップ設計ツールで最大の価値を発揮するのは、単一のツールを改善する場合ではなく、ツール間およびチーム間のワークフローを調整する場合だと結論づけている。ただし、その導入は、意味の一貫性、決定論的な検証、あらゆる結果を監査できる可能性を条件とする。
エネルギー密度の上昇とチップレット設計の複雑化により、熱は後からチップレベルだけで試験する制約ではなく、初期段階から考慮すべきアーキテクチャ上の制約となっている。Synopsys、Silvaco、Vinci、Keysight EDA、Siemens EDAの専門家は、チップとパッケージ、ボード、システムを結び付けるために、マルチフィジックスモデリングとデジタルツインが不可欠になったと見ている。
EDA企業および半導体企業の専門家の見解から、ハードウェアとソフトウェアの開発統合は、作業チームやツールの違いから完全なワークロードのシミュレーションの難しさに至るまで、組織的・技術的な障壁に直面していることが分かる。AIはRTLやソフトウェアの記述を支援できる可能性があるが、複雑なアーキテクチャ上の意思決定を行うための十分なコンテキストは、まだ備えていない。
2ナノメートル未満の製造ノードへの移行により、テスト、計測、検査、製造の役割が統合され、チップはばらつきや欠陥に対してより敏感になっている。Semiconductor Engineeringの分析は、歩留まりと信頼性を維持するには、設計から稼働までのチップのライフサイクル全体にわたるデータ管理が条件になったと指摘している。
Cadence、ChipAgents、Keysight EDA、Siemens EDA、Synopsysの専門家を集めた議論では、エージェント型AIが単一タスクの自動化から、長時間にわたる複数エージェントのフロー実行へと移行したことが明らかになった。しかし、設計範囲の定義、結果の検証、重大なエラーを防ぐガードレールの構築には、依然として人間が必要である。
大規模言語モデルは、チップ設計仕様をSystemVerilog Assertionsによる形式的プロパティへ変換し、検証用ドラフトの準備時間を短縮する段階に近づいている。しかし、仕様の不足、構文的には正しくても論理的には弱いプロパティを生成する可能性、レビュー負担の増大により、人間による監督は不可欠である。一方、実際の経済的効果はなお確定していない。