近年來，人工智能作為一項新興的技術，已經受到越來越多廠商的關注，甚至有不少廠商已經基于此開發自己的芯片。但是，如何才能快速的開發出適用于人工智能的芯片呢？

近日，mentor, a siemens business中國區總經理凌琳在接受集微網記者采訪時表示，隨著技術的演進，

從提高計算能力到完全實現智能處理，人工智能的目的就是讓所有的事情變得更簡單，更直接，更容易。

而想要實現這一目標，除了在工藝、制造等領域有所變革之外，從最初的設計開始就需要重新思考！

不可否認，人工智能所涉及的市場和應用方向是非常廣泛的，大到智能工業、智能城市，小到電力能源的管理、小型設備的使用，都蘊藏著無限的人工智能商機。這就使得越來越多的芯片廠商，甚至是互聯網公司和系統公司都開始涉足這一領域。

而這些公司如果想要在這一市場脫穎而出，吸引客戶，就必須能夠提供不一樣的產品和服務，這也是為什么越來越的廠商開始設計自己的芯片的原因，因為芯片的創新才是最難模仿的。

然而，設計芯片，尤其是全新的人工智能芯片并不是一件容易的事情。凌琳強調，技術的演進單純依靠電子自動化已經不能夠滿足市場的需求，在技術演進的基礎之上，人工智能更需要全新方法論的支撐。

那么什么才是全新的方法論呢？從提出eda 4.0這一概念開始，mentor就一直在思考這一問題。

凌琳強調，人工智能對運用環境提出了更高的要求，開發難度也愈加復雜，為了保證更有效率的進行芯片或是系統的開發，就需要使用更加高端的語言去設計和驗證。

這就如同什么時代就會使用與之匹配的工具一樣，遠古時代使用原始器械進行加工，機器時代就使用精密器具進行生產，人工智能時代自然要需要更高端的工具。

對于工具的要求，不僅僅是科技發展的要求，更是時代的必然。

為什么國際領先的公司能夠開發出別人開發不出的產品呢？除了開發人員的努力之外，超越傳統設計方法的先進的方法論也是關鍵。

因此，從eda的角度而言，滿足創新的需求，符合更加復雜的芯片設計要求，將是未來eda作為工具的主要發展趨勢。

人工智能下的新方法論

從另一個角度而言，高端的設計工具不僅推動了人工智能產業的發展，人工智能技術也反作用于設計工具本身。

凌琳解釋道，對于設計工具而言，由于在過去的使用過程中積累了大量的，有跡可循的經驗，這些經驗都可以拿來幫助開發者加快設計過程。

這些經驗的積累和運用類似于人工智能的機器學習，即能夠根據大量的可以遵循的數據，對即將發生或者要做的類似的事情進行邏輯性的套用與疊加。可以說，經驗積累的越多，機器學習的效果越好，對研發的加速效果也就越好。

據了解，mentor曾經收購了一家做機器學習的公司，在此基礎之上，利用機器學習技術，進行算法的優化，從而幫助工程師加速使用eda的開發進程，甚至于能夠突破以往的思路，解決研發團隊此前解決不了的難題。

對芯片設計是如此，對更復雜的系統設計更是如此。

凌琳在采訪中強調，過去eda公司主要面對的是半導體芯片設計公司，但是現在越來越多的系統客戶也開始購買工具進行芯片甚至是系統的設計，傳統的設計工具已經不能夠滿足更復雜系統的需求。

“我們要做其他廠商做不到的，那么就不能僅僅只盯著芯片，要從宏觀的角度，關注更加復雜的系統設計。”而在凌琳看來，人工智能的應用能夠更好的幫助復雜系統的設計。

人工智能技術能否改變設計工作

這是否意味著在人工智能的影響下，傳統的芯片設計工程師、電路設計工程師和軟件設計工程師將會失業呢？

凌琳表示，人工智能對設計工作的改變將會是多方面的。

首先，人工智能技術的應用必然或縮減以往工具對人力的需求，甚至是能夠代替人工進行一些簡單的，可重復的研發工作，尤其是在那些有跡可循的領域。

其次，人工智能雖然能夠代替簡單的工作，但是并不能基于算法和概念代替人來進行科技的創新和創造。

凌琳認為，人工智能的出現只是意味著傳統工作的進化，就如同以往先進工具的出現總能夠變革一些行業一樣，人工智能也必然會改變一些行業。

準確的說，人工智能之于方法論，更多是提高效率，人的作用是不可替代，也不能被完全取代的，只是人工工作隨著工具的高級化也高級化了。

更何況，當前半導體產業對于人才的需求依然處于短缺的狀態，但培養人才的速度比不上產業的需求速度。

以上是網絡信息轉載，信息真實性自行斟酌。