By Tesla 高阶人型机器人 Optimus 正式亮相、未来一台 L4～L5 的自驾车内晶片成本将提升 10 倍至 5000 美元（约 16 万台币），这些产业风向印证着什麽未来趋势？
越来越多可即时精密运算的 AI 应用正在你我生活中落地，这些装置靠新型态 AI 晶片在背後驱动。因此，设计出一个运算功能强大又符合造价成本的 AI 晶片就成为产业新门槛。
新思科技：EDA 与 AI 训练数据，都是为了得到更优化的结果
来自美国电子设计自动化领域（Electronic Design Automation, EDA）公司新思科技（Synopsys）就在这股变迁中扮演一个关键角色。
新思科技全球副总裁暨台湾区总经理李明哲表示，做 IC 设计自动化，须从两个面向思考，包含：EDA 和 AI 的关系／EDA 未来做 AI 的相关应用设计。
AI 发展的快速演进，除了科技革新、算力提升，大量且经训练的数据累积则是另一项突破关键。各种 AI 应用本质上，都是把模糊的产品或不确定的方式，透过 AI 进行分析、预测并解决问题。在事前则需要充足的训练资料与数据，才能根据训练结果进行归纳、得出模型，最後套进相关机器程式进行大量运算。
李明哲解释 EDA 与 AI 训练在流程上高度一致，包含要先尝试捕捉（capture）电子数据、放进模型，接着进入机器学习阶段，给予大量的训练，进行模拟与分析，根据分析结果推论，决定采取的有限动作（limited actions）再反覆优化，最终目标是迈向自动化。
AI 技术如何优化晶片设计流程？
在半导体产业，更具规模化的 AI 技术也正在加速晶片设计流程创新，甚至可将晶片上的运算能力提升至千倍。
李明哲以荷兰艺术家 M. C. Escher 的名作《画手》（Drawing Hands）举例分享，EDA 本身演进到一定程度，设计出更强大的 SoC 就可以回来协助 EDA 做更复杂的 AI 运算；就像画作中一只手画出另外一只手，无止境重复的循环。
现在的 IC 设计可能比早期复杂一千倍，已经超越人工设计的程度。同时，面对 IC 设计领域都需要考量三大限制： 功耗（Power）、性能（Performance） 与面积（Area） ，这三项英文的总称为 PPA，让工程师需要就 IC 设计限制、功能需求等面向去思考优化可能性。
导入 AI 後， EDA 产业就能运用机器学习处理历史资料，让数据逐渐逼近需要的数值，即可达成比人工设计更快又好的 PPA 优化；另一方面，云端技术赋予 EDA 更强大的运算力与弹性，使设计与验证空间优化（design/verification space optimization）变得可行。
在这样的技术基础之上，从设计到生产，过往需要 2~3 年才能制作完成的晶片，现在耗时可能不到一年，却有能力达成数倍以上的精细程度。
李明哲提醒，业界也必须考虑两项限制：摩尔定律与经济效益。IC 设计也必须思考未来的成本、生产良率，并看好「小晶片」（chiplet）成为最新半导体技术赢家。
台湾 IC 产业发展三大优势
从半导体产业上游来看，李明哲认为即使各国持续发展自己在地化的半导体产业链，台湾拥有三项优势，仍然能在持续变动的国际供应链中证明自己的角色与价值：
- 高度成熟的产业价值链：从设计、生产，到封装测试，整个过程在台湾可於三小时内搞定，且对外依赖度低，如此完善的生态系完整程度与弹性，在全球绝无仅有。
- 精准掌握客户产业脉动、市场敏感度高：例如车用电子就是台湾 IC 产业深具潜力与优势的发展方向——现在车厂和台湾公司对接，在 1~2 年就能把 IC 做出来交给车厂，比传统的 6~7年快很多。
- 半导体人才素质高，但碍於人口基数小，储备人才数量不足是事实，台湾必须努力弥补产学落差。
AI 导入与软体自动设计晶片的趋势，正同步强化半导体产业供应链的上下游效率，并促进生态系整合，面对持续整合的 IC 产业供应链，正在被改写的产业行规，对台湾的半导体产业与新思科技来讲，同为契机与挑战。关键问题即为：台湾预计要在国际上扮演什麽样的角色？是否已经迎接好未来挑战？
（本文开放合作夥伴转载。）