芯片流片成功率暴跌，引發深思

來源：內容來自Brian Bailey ，謝謝。

差不多一個月前，我們轉發了一篇關於芯片首次流片成功率正在急劇下降的文章，具體可以參考閱讀的文章。針對這個問題，半導體工程的編輯Brian Bailey表示，對於芯片來說，這只是冰山一角。在他看來，隨着半導體行業的成功率下降，也許是時候重新考慮我們的優先事項了。

他引述Wilson Research/西門子最新功能驗證調查的統計數據表示，功能正確且可製造的設計數量急劇下降。在過去一年中，這一比例從24%下降到僅14%。與此同時，落後於計劃的設計數量也急劇增加，從67%上升到75%。

他指出，未來幾個月，更多數據將會發布，他預計這些數據將揭示行業存在的系統性問題。

Brian Bailey直言，出現這種問題，人們很容易把所有原因都歸咎於前沿設計。它們吸引了所有人的注意力。但這些設計的數量根本不足以解釋目前所暴露問題的嚴重性。問題更爲根本。它與人工智能有關，儘管許多人認爲它是行業的救星、新的技術驅動力、下一個前沿領域。

人工智能對計算能力的要求遠超傳統半導體的進步速度，甚至超過了我們在架構上看到的提升。與此同時，開發或驗證效率方面卻沒有取得重大突破，這意味着團隊需要使用相同的工具，在相同甚至更短的時間內交付更多成果。這注定會失敗。

認爲人工智能會促進計算機設計，進而加速人工智能，使其更加強大，如此循環往復，這種想法是天真的。“人工智能根本無法提出支持這一目標所需的架構創新。它最多隻能優化設計和實現，或許還能提高驗證效率。”Brian Bailey直言。

硅谷誕生於“快速前進，快速失敗，然後進化”的理念之下。尖端設計必須採用大量新技術才能達到如今的水平。光罩限制導致芯片向多芯片設計、新存儲器和接口以及新計算架構遷移。問題在於軟件的發展速度比硬件快得多。快得多。硬件無法跟上，這導致了一些近乎魯莽的擴張，而這些擴張也註定會失敗。

這或許可以解釋爲什麼一些前沿設計會遇到問題。但其餘的設計又如何呢？它們也感受到了來自人工智能的壓力，每家公司都被問及它們的人工智能戰略。它們或許並不確切地知道將如何使用它，也不知道它可能帶來的長期影響，但它們知道必須有所行動，而且必須迅速行動，這會導致錯誤。缺乏穩定的第三方知識產權來幫助他們最大限度地減少知識差距和風險，使這個問題更加嚴重。

這個問題也延伸到了 EDA 領域。在這裡，我們看到的直接答案是添加 AI，投入大量的計算能力來對實現進行微小的改進。AI 的另一個新興用途是消除流程效率低下的問題，而這些問題可以通過從根本上解決問題來更好地解決。這就是功能驗證領域正在發生的事情。

這種魯莽與人工智能的各個方面息息相關，其範圍遠不止半導體開發領域，新的準則似乎是：發表大膽的聲明，等待有人指出錯誤，然後修改。如此反覆。沒有人會因爲發表務實的聲明或指出缺點而被銘記。金絲雀永遠不會獲得獎牌。

舉個例子，請考慮一下最近一位受人尊敬的高管的言論。他認爲，環境因素不應成爲贏得人工智能競賽的障礙。“我們需要各種形式的能源。可再生能源、不可再生能源，等等。能源必須存在，而且必須迅速存在。”他說道，暗示一旦美國在超級智能發展方面超越中國，人工智能就能解決氣候危機。

Brian Bailey表示，他不會透露這位個人、記者或出版物的姓名，因爲其中可能存在許多錯誤，或者遺漏了重要的背景信息。但他認爲這種說法幾乎可笑：

首先，陳述絕不應暗示不相關事物的依賴關係。作爲專家證人，Brian Bailey本身在庭審中花費了無數個小時才學到這一點。永遠不要回答覆合問題。

那麼，說我們可以忽略所謂的最終目標，就好比說工業革命沒有影響我們的氣候，所謂的效率也沒有解決問題。至少在維多利亞時代，人們並不知道會發生什麼。現在我們更清楚。我們不能僅僅爲了擁有更好的聊天機器人而讓人工智能以指數級的速度消耗更多電量。我知道這只是學習如何讓人工智能更強大的一部分，但我們還必須考慮成本因素。

舉個例子，許多公用事業區由於新增數據中心的建設，配電能力已經捉襟見肘。他們警告說，必須增加基礎設施投資，這反過來又會導致公用事業費率上漲。這實在令人無法接受。如果是人工智能迫使新建數據中心，那麼應該由他們自己買單，而不是由公衆買單。換句話說，應該把與人工智能相關的所有成本都加到數據中心上，而不是其他所有成本。

如果有人認爲唯一的目標就是不惜一切代價開發超級智能，並確保其他人無法擁有，那麼他們就沒有從歷史中吸取任何教訓。不考慮後果地武斷地追求目標，充其量是不負責任的，而且很可能是不道德的。那麼，什麼是超級智能？這是一個不確定的目標，因爲沒有人能夠定義它的含義。

這裡面牽涉到一整條責任鏈。人工智能公司是同謀。數據中心是同謀。半導體公司也是同謀。即使是工程師，如果他們不考慮自己所做的事情對環境的影響，不去思考它是否提供了真正的價值，他們也是同謀。

我認爲，現在是時候放慢腳步，探討一些能夠真正帶來價值的問題的真正解決方案了。我們應該把硬件和軟件架構視爲一個整體問題。我們應該思考它們將消耗多少能量，以及如何產生和分配這些能量。

“我們應該思考人工智能的真正價值，而不是將其浪費在瑣碎的需求上。我們應該重新評估我們的開發方法，使其更加有效、高效。我們應該思考人工智能將如何改善世界。”Brian Bailey說。

https://semiengineering.com/tape-out-failures-are-the-tip-of-the-iceberg/

半導體精品公衆號推薦

專注半導體領域更多原創內容

關注全球半導體產業動向與趨勢

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅爲了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯繫半導體行業觀察。

今天是《半導體行業觀察》爲您分享的第4105期內容。

『半導體第一垂直媒體』

實時 專業 原創 深度

公衆號ID：icbank