隨著 ChatGPT 和大型語言模型 (LLM) 呈現(xiàn)爆炸式增長，生成式人工智能 (Generative AI) 成為近來的一大熱詞。由此引發(fā)了一場爭論：哪種 AI 模型使用的訓練參數(shù)最多？與此同時，更多人意識到，需要針對特定的應用對模型進行更廣泛的訓練。因此，只要說到“生成式 AI”這個詞，我們很自然地就會聯(lián)想到要使用經(jīng)過訓練的模型。但是，生成式 AI 的起源和含義可以追溯到業(yè)界開始討論模型之前。“生成式 AI”一詞的含義是什么？為這一顛覆性技術(shù)的發(fā)展奠定基礎(chǔ)的基本概念是什么？

生成式 AI 的早期階段

在經(jīng)過訓練的 AI 模型出現(xiàn)之前，生成式 AI 的核心理念是創(chuàng)建一個能夠生成新的原創(chuàng)內(nèi)容的智能系統(tǒng)。生成式 AI 最早的例子之一是進化算法。進化算法受到自然選擇過程的啟發(fā)，旨在通過迭代進化和改進現(xiàn)有算法來生成新的解決方案。

生成式 AI“模型前時代”取得的另一項重要進展是專家系統(tǒng)領(lǐng)域。專家系統(tǒng)旨在捕捉人類專家在特定領(lǐng)域的知識和專長，并利用這些數(shù)據(jù)生成智能輸出。雖然這些規(guī)則和啟發(fā)式方法可以被視為“模型”，但它們的訓練方式與如今的 LLM 并不相同。

生成式 AI 在電子系統(tǒng)中的應用

生成式 AI 已經(jīng)日臻成熟，正在整個電子系統(tǒng)的芯片設(shè)計、3D-IC 封裝、印刷電路板 (PCB) 和熱分析等各個方面大展身手，帶來了革命性的變化。利用生成式 AI 技術(shù)，設(shè)計人員可以提高效率、優(yōu)化性能并加快開發(fā)進度。

芯片設(shè)計

生成式 AI 有助于自動執(zhí)行復雜集成電路的 layout 設(shè)計和優(yōu)化。通過在大量數(shù)據(jù)（包括現(xiàn)有芯片設(shè)計和性能指標）上訓練 AI 模型，生成式 AI 算法可以生成滿足功耗、速度和面積利用率等特定要求的新型芯片布局。這使設(shè)計人員能夠探索更廣闊的設(shè)計空間，從而提高芯片性能并縮短設(shè)計周期。

3D-IC 系統(tǒng)

生成式 AI 可以發(fā)揮關(guān)鍵作用，用于優(yōu)化單個封裝內(nèi)多個堆疊芯片的設(shè)計和布局。通過分析電源分配、信號完整性和熱管理等各種因素，生成式 AI 算法可以生成經(jīng)過優(yōu)化的 3D-IC 架構(gòu)和實現(xiàn)方案，從而最大限度地減少信號干擾、降低功耗并提高整體系統(tǒng)性能。

PCB 設(shè)計

設(shè)計工具可自動生成符合特定設(shè)計約束條件的 layout，如信號完整性、電源分配和器件擺放。這可以簡化 PCB 設(shè)計流程，減少設(shè)計迭代次數(shù)，提高整體設(shè)計質(zhì)量。

Cadence于去年發(fā)布了Allegro X AI technology，這是 Cadence 新一代系統(tǒng)設(shè)計技術(shù)，在性能和自動化方面實現(xiàn)了革命性的提升。這款 AI 新產(chǎn)品依托于 Allegro X Design Platform 平臺，可顯著節(jié)省 PCB 設(shè)計時間，與手動設(shè)計電路板相比，在不犧牲甚至有可能提高質(zhì)量的前提下，可自動執(zhí)行 PCB 布局設(shè)計和小至中型 PCB 布線設(shè)計，將物理布局布線和分析用時從數(shù)天縮短至幾分鐘。

歡迎閱讀《產(chǎn)品前沿 I 生成式 AI 助力 PCB 設(shè)計：打破限制，解鎖無限可能》了解更多。

熱分析

生成式 AI 可用于對整個電子系統(tǒng)進行熱分析。生成式 AI 算法可以仿真系統(tǒng)內(nèi)的散熱和氣流，優(yōu)化組件、散熱器和冷卻機制的擺放，確保高效的熱管理。這有助于防止系統(tǒng)過熱、提高系統(tǒng)可靠性并延長電子設(shè)備的使用壽命。

今年2月，Cadence推出 Celsius Studio，率先在業(yè)內(nèi)提供完整的用于電子系統(tǒng)的 AI 散熱設(shè)計和分析解決方案。融合 FEM 和 CFD 引擎，Celsius Studio 可用于 PCB 和完整電子組件的電子散熱設(shè)計，也可用于 2.5D 和 3D-IC 封裝的熱與熱應力分析。當前市場上的產(chǎn)品主要由不同的零散工具組成，而 Celsius Studio 引入了一種全新的方法，通過一個統(tǒng)一的平臺，熱、應力和電子散熱可以實現(xiàn)設(shè)計同步分析，讓設(shè)計人員可以無縫利用 ECAD 和 MCAD 對機電系統(tǒng)進行多物理場仿真。

基于模型的生成式 AI

隨著深度學習技術(shù)不斷進步，生成式對抗網(wǎng)絡(luò) (GAN) 和變分自編碼器 (VAE) 等 AI 模型也在不斷完善，使得“生成式 AI”這一術(shù)語得到了更多的關(guān)注和認可。這些模型出現(xiàn)于2010年代中期，它們能夠生成逼真且具有創(chuàng)造性的內(nèi)容，引發(fā)了更多關(guān)于生成式 AI 的討論和研究。

值得注意的是，在 AI 模型出現(xiàn)之前，“生成式 AI”一詞可能在不同的語境中使用過，流行程度也不盡相同。該術(shù)語首次使用的確切時間很難確定，因為它很可能是隨著 AI 技術(shù)的進步和人們對創(chuàng)造性內(nèi)容生成技術(shù)的探索而逐漸出現(xiàn)的。

電子系統(tǒng)設(shè)計中的大型語言模型（LLM）

大型語言模型 (LLM) 是生成式 AI 在電子設(shè)計領(lǐng)域的最新創(chuàng)新成果。這些 AI 模型在大量文本的基礎(chǔ)上經(jīng)過訓練，可以生成“人話”并執(zhí)行復雜的任務(wù)，因此成為電子設(shè)計過程中的重要工具。LLM 的應用分為三類：設(shè)計資源的智能搜索、設(shè)計資源的深度推理以及在高層次方向上生成設(shè)計和資源。

在設(shè)計資源的智能搜索方面，LLM 可用于篩選大量設(shè)計數(shù)據(jù)，包括原理圖、設(shè)計規(guī)范和技術(shù)文檔。LLM 能夠理解搜索查詢的上下文和語義，與傳統(tǒng)的基于關(guān)鍵字的搜索算法相比，LLM 可以提供更準確、更相關(guān)的搜索結(jié)果。這有助于大大減少查找相關(guān)設(shè)計資源所需的時間和精力，從而加快設(shè)計進程。

在改進和清理設(shè)計方面，LLM 可以提供有價值的見解和建議。LLM 能夠分析設(shè)計資源并找出潛在問題，針對設(shè)計提出修改建議，從而解決這些問題。例如，LLM 可提供 PCB layout 修改建議，以提高信號完整性，或提供芯片設(shè)計修改建議，以降低功耗。設(shè)計人員可以利用這些建議來優(yōu)化設(shè)計，確保設(shè)計滿足所需的性能規(guī)范。

Cadence Optimality Intelligence System Explorer 運用 AI 驅(qū)動的多學科設(shè)計分析優(yōu)化（Multidisciplinary Design Analysis and Optimization， MDAO） 技術(shù)，在 3D 電磁仿真、高速信號和電源完整性分析中快速地優(yōu)化設(shè)計，在不損失精準性的情況下，平均速度比傳統(tǒng)手動操作快 10 倍，在一些設(shè)計上甚至實現(xiàn)了高達 100 倍的速度提升。

用于 3D 電磁（EM）分析的 Cadence Clarity 3D Solver 和用于高速信號完整性（SI）和電源完整性（PI）分析的 Sigrity X 技術(shù)是首個支持 Optimality Explorer 的 Cadence 多物理場系統(tǒng)分析軟件產(chǎn)品。有了 Optimality Explorer，Clarity 和 Sigrity X 求解器可以顯著提高設(shè)計人員的生產(chǎn)力和效率，使設(shè)計團隊能夠探索整個設(shè)計空間并快速有效地收斂最佳設(shè)計。