半導體設計自動化：AI驅動EDA轉型對產業挑戰與設計團隊協作影響解析

半導體產業最近悄悄達成了一個很不簡單的里程碑啦，市值直接衝到 USD 627 billion。聽起來數字有點誇張沒錯，但老實講，光這一串數字還真說不盡全部細節。背後關鍵反而藏在產業如何求生、搶下主導權這件事。有沒有辦法在未來十年站穩腳步，其實不是你手上能賣幾顆晶片那麼單純，最有競爭力的應該是那些敢於改寫晶片製程規則的公司才對 - 然後整個革命中 AI 技術剛好就是重頭戲。

從市場表面的規模去切入，只能抓到局部畫面啦。你問分析師怎麼解讀增長，大多時候都圍繞手機熱潮、資料中心流量、高速 AI 伺服器或者電動車需求等等打轉。他們觀點其實沒錯，只是容易忽略了另外一塊。更有意思的是，那些半導體大廠內部近年真的捲起波濤，他們面臨的變化說直接點，比你我看到外圍熱鬧還猛烈得多呢。

最近我一直覺得啊，晶片設計真的是來到一個卡點了。這幾年下來，傳統做法開始越來越吃不消，好像怎麼追都追不上現在爆炸式成長的需求。很老實講，我自己有時也有種不知道該怎麼辦的感覺。

我們都清楚現在矛盾很明顯 - 整個市場想要的晶片，從沒像現在這麼多、這麼急。但偏偏，要把一顆新晶片生出來，比以前麻煩太多啦！

### 傳統方法遇到的大魔王

其實這話題已經聊過很多年：靠著電子設計自動化（EDA）工具，人類才勉強跟上摩爾定律一路狂飆。什麼10nm、7nm還有5nm，那些都是工程師拼死拼活、用一堆智慧自動化硬是弄出來的。然而事實就是，只要往3nm甚至更新世代跳，熟悉那些老把戲就慢慢不靈了。

說白了，就拿數字舉例好了：
• 單一顆晶片裡電晶體已經從50 billion硬是跳到超過275 billion，那規模之大真的難以想像。
• 驗證整個流程，也沒再輕鬆過，以前幾週能搞定，如今拖成好幾個月都不是新聞。
• 最棘手的大概就是設計收斂，有時候即便每天加班爆肝，也未必真能跨越最後關卡。

但公司、客戶，他們等不了嘛！AI和高效運算領域現在哪裡還肯等你兩三年慢慢磨？人家希望幾個月內新品就該現身。如果換個角度看，就是系統愈加複雜，但交付時程卻被狠狠縮短。於是壓力越堆越高，那套傳統流程撐不住也好像合情合理囉…唉，有時想起來還真頭大，不知道大家是不是也會這樣想？

2025年這一年喔，工程師們真的普遍有種「產業規則全翻了」的感覺。你看，第一個明顯的變化，就是設計的複雜程度大暴漲 - 比以前難搞至少五倍左右，不管是電路互連、工藝變異性還是驗證，每一項挑戰都一層層疊上來。有點累。然後還有啊，產品上市的時程整個被壓縮得很扯，本來開發週期抓2到3年算正常，但某些案子現在甚至要一年以內就端出來；對那種做雲端服務或超大型資料中心營運商來說，一拖延他們根本不能忍吧。再講第三點，PPA（三大指標：功耗、效能跟面積）要求拉高很多，在AI加速器或GPU圈裡極致效率真的是標配，哪怕細節差一點，都可能輸給別人。有趣的是，這三股力量才幾年，就已經把整個產業結構弄到面目全非。目前也確實看到一些公司不但熬過轉型潮，反而新局裡衝出很亮眼的成長氣勢。

根據資料，Samsung 最近透過 AI 技術，把 PPA 指標硬是拉高了 8 – 11%，其實這種進步在晶片圈算很猛。有時候，你別看好像只多幾個百分點，業界真的很看重這一點。 微軟這邊，他們選用了 Synopsys.ai Copilot（我個人覺得蠻新穎的選擇），把驗證速度推快到原來的 10 倍，所以過去那種要耗掉大半年的驗證流程，現在很可能幾週就能跑完了。講真的，Intel 也沒閒著。他們硬是把設計迭代的時間從幾個月壓縮成幾週，差不多每個星期都是戰場，就變得格外有壓力啊。

但你說這只是小修小補嗎？我會認為絕對不是啦 - 事實上，這波轉變其實讓大公司的設計流程開始徹底翻新。話說，像這類優化如果持續進行，它產生的效果可以一路累積。例如說，只要能再縮短一次設計週期，那下次新品發表就更搶先；而且團隊若利用 AI 優化了部分模組，也代表同時管理多項專案變容易太多。當然啦，照目前速度，提早加入這波浪潮的企業應該只會越衝越前面，那些還在觀望的人日後就會被拉開距離。

再來，這樣劇烈的變動背後，其實有三大技術核心在撐著。我打算依序聊一下，第一位主角就是 Synopsys DSO。

DSO.ai可以理解成一套把強化學習實際應用到晶片設計的新法門。講白了啦，這招就有點像當年AI下圍棋突破人類大師的操作，如今整套搬到處理超大規模、包含數兆參數的晶片設計空間來運作。在傳統手工模式下，要人一步步微調、校對參數，往往耗上好幾個月，坦白說滿累人的，不過現在這些細瑣流程能通通交給AI慢慢優化 - 從搜尋、改良，到策略提升都是。照現階段的一些統計觀察，其實比起單純仰賴人工經驗去摸索，AI能做到約10 – 20%的PPA（Power, Performance, Area）增進，而且所需時間還縮短不少，更棒的是，可以觸及本來工程師獨力很難企及的邊界。

那接著聊聊Cadence Cerebrus AI Studio，它再往前跨了一步啦，搞出了一個「代理式」的AI平台，堪稱新流派登場。有了這個自動決策的智慧小夥伴，一切SoC設計都能跑全自動。說穿了，它已經不只輔助一兩段特定任務，而是重塑你我熟悉的作業方式，以前大家都知道，一位工程師往往頂多負責專注在其中某一組件嘛，但這新辦法讓同一位工程師反而可以協調多個由AI操作、自動分工跑並行作業的模組──很像你原本一人DIY做事變身為領著許多老練助手，共同協作型態的小型工作坊呢！

老實說，我剛起床腦袋還有點霧，但聊到 Synopsys.ai Copilot 這主題，倒是挺有感。其實，採用 Copilot 已經不只是在加快日常進度，更像是一種讓團隊重新思考工作結構的契機啦。你看，DSO.ai 跟 Cerebrus 通常都聚焦在設計或技術落地環節，而 Copilot 比較不一樣，它著眼點更偏向怎麼幫工程師、團隊把人與知識連結起來。有趣的是，這套系統靠大型語言模型（LLMs），可以減少新手跟資深之間的落差。不唬爛，公開資料提到剛加入沒多久的小工程師，上手速度足足快了 30%，而老手寫腳本和找文件時效率竟然能衝到提升十倍。有這一層工具後，多數工程師會發現自己需要操作各類工具的時間明顯變短，那些真正頭痛的大哉問反而能多花點力氣去突破。

再往下聊，隨著設計策略出現新的轉型典範，其實已經對企業領導階層釋放出一個很直接的訊號 - 誰願意搶先佈署 AI 驅動 EDA（電子設計自動化）方案，未來競爭優勢就可能越拉越開。我觀察身邊的公司也好像逐步印證這現象：擁抱 AI 的企業開始感受到時序、壅塞等預測分析更順暢；還有啦，只要把 AI 介入平面規劃、元件擺位這些環節，每次收斂流程好像都比以前省時不少。其實整體看下來，你會發現 AI 不只是提升效率或省事這麼簡單，它基本上正在多個維度改造我們對工程團隊協作、甚至整個工作流程運作方式的想法。嗯，大概就是這種感覺吧 - 偶爾真的有種局內人驚喜。

現在有AI幫忙的團隊，真的省下不少繁瑣的小事，把原本得自己慢慢處理的例行工作都交給智慧助手，自然整體效率就往上拉。而且啊，像是遇到市場風吹草動或者臨時要加速進行晶片流片的時候，有AI撐腰，他們反應起來會比過去靈巧許多。不過嘛，還只靠傳統方式搞事情的團隊，很難有餘力處理額外狀況，基本需求都快捉襟見肘了。某種程度上，人工智慧早已不是單純在講生產效率而已，其實更和一間公司的策略和能不能撐下去密不可分。

再說到未來發展，感覺目前多數公司還是在那個由人掌控、AI當左右手的輔助階段（所謂AI-assisted）；不過照這股業界拼命推進的勢頭看，很快大家都會切換成讓AI能自己主導設計（AI-autonomous）的新模式。要論這裡最有趣也最具破壞性的突破，大概有兩種，一個叫「多代理系統協作」：你可以想像好幾組不同分工的AI，各自專門盯著譬如功耗、效能、良率這些領域—大家攜手配合、各展所長去優化指標，同步推進，把整體晶片設計水準提到前所未有的新高度。

跨領域優化，現在在晶片設計流程裡，越來越吃重啦。老實說，目前的類比、數位還有系統層級設計，常常都還各做各的，好像彼此有點各自為政。不過話說回來，未來發展應該會不一樣，因為人工智慧技術正逐步把這幾個領域串在一起 - 等於是在流程很前面就先揪出問題，而且可以更靈巧地去拿捏那些制約與取捨。坦白講，這已經不是什麼空想小說囉，有一些端倪顯示：像強化學習代理之類的方法，其實開始能管理整個設計流程。有意思的是，將來焦點應該會落在「協同編排」，而不是只有傳統意義上的輔助。

其實這波變革的重要程度，不單只是工程圈的事。如果你第一眼看到以為只是一般技術新知，好吧，那大概低估它了。要知道，晶片根本就是現代社會底層的支柱呀 - 舉凡手機、汽車、伺服器，到醫療儀器甚至每天跟我們打交道的 AI 模型，全靠它在背後撐場面。換句話說，一旦晶片開發進度卡住，各種產業的新創可能也會拖延；反倒是，如果能加快設計腳步，就有機會推動所有相關行業奔馳起來。所以總結一下，由 AI 帶動的新設計模式真的蠻關鍵，它所引發的轉變絕不只是幫工程師省事那麼單純 - 它帶來連鎖效應，其影響早就跨出了原本的小圈圈。

產業現在能不能跟上這波需求，真的是大家心頭的一大問號。

### 其他產業的啟示
回頭看，過去在不少領域都看過很類似的劇情。像金融嘛，演算法交易其實已經徹底顛覆市場規則。不只如此，醫療這塊光是AI影像輔助診斷，就把速度和精確度拉高一個檔次。另外還有物流也是啊，預測型AI把全球貨物流轉整個翻新了一遍。每一次技術革新，其實都是率先嘗鮮的企業搶到籌碼，把「護城河」築高高，然後那些還沒追上的競爭對手，就卡在外圍難跨越半步。我只能說，目前半導體圈正往同樣套路奔去。

### 領導層的挑戰
身為工程團隊的帶頭人，你得面對的核心問題，不再是「我們要不要引進AI來優化設計？」坦白說嘛，真正棘手的是：「要怎麼才能快刀斬亂麻、重新洗牌工作流程，在人家遙遙領先之前搶回主動權？」這關鍵根本不只是預算規劃或者某些人的偏好小事，而是真的會直接決定整間公司未來存亡。老實講啦，晶片設計前沿正朝你迎面疾馳而來，你也不太可能有多少緩衝時間。

半導體這個產業，其實骨子裡就很愛搞自我顛覆，講白了，它要不是一再把電晶體做得更小，就是突然拋開舊路徑，設計出新奇的架構。不過嘛，能一直維持前進，全靠每次有點像在走鋼索式的創新突破，挺刺激。這波輪到AI來牽動整個設計流程了喔──可以說正在掀起新的一場大變動啦。有些公司如果現在就緊抓AI不放，未來不只是還能保住競爭優勢，有可能還反過來領頭制定市場遊戲規則。反觀，那些沒打算採用AI的廠商，大概很快會被那些越來越複雜的挑戰困住，到最後只能像吃瓜群眾一樣，看別人指揮賽局。其實現在整個趨勢已經默默啟動，你會不會也覺得自己有點緊張或心癢癢？嗯，我也是耶。

對了，如果我的這些亂聊剛好有讓你長知識或者哪裡讓你笑了一下，也歡迎隨時用杯咖啡請我，不強求啦。如果你也對這話題特別有共鳴，其實 Nikhil 那邊故事一大把喔，比如：
> **從零開始學UVM：VLSI驗證工程師的逐步指南**
> **如何在短短2個月內成為Verilog高手**
> **每位VLSI工程師必備的協議和IP介紹**
> **Intel的緩慢衰落：科技巨擘如何失去優勢**

以上幾篇我個人覺得都很值得一看。