AI pagreitintas lustų projektavimas ir automatinė mikroschemų kūrimo revoliucija

Dirbtinis intelektas (AI) jau pertvarkė tekstų, vaizdų ir kodo kūrimą. 2024–2025 m. jis vis agresyviau žengia į naują, daug tylesnę, bet milžiniškos vertės sritį – lustų projektavimą ir automatinį mikroschemų kūrimą. Tai ne kosmetinis patobulinimas, o struktūrinė revoliucija puslaidininkių industrijoje.

Kodėl lustų projektavimas tapo AI taikiniu?

Šiuolaikinio procesoriaus ar akseleratoriaus projektavimas – vienas sudėtingiausių inžinerinių darbų pasaulyje. Tipinė sistema lustelyje (SoC) turi milijardus tranzistorių, dešimtis IP blokų ir griežtus energijos, našumo bei ploto (PPA – performance, power, area) reikalavimus.

Tradicinis projektavimo procesas susideda iš kelių etapų:

aukšto lygio architektūros ir specifikacijų kūrimo;
RTL (register-transfer level) dizaino ir verifikavimo;
loginės sintezės ir fizinio išdėstymo (place & route);
laiko analizės, energijos optimizavimo, signalo vientisumo tikrinimo;
galutinio „tape-out“ ir gamybos.

Kiekviename žingsnyje dirba didelės inžinierių komandos, naudojančios galingus EDA (Electronic Design Automation) įrankius. Kaina – šimtai milijonų eurų ir 18–36 mėnesiai iki rinkos. Todėl bet koks laiko ir klaidų sumažinimas čia turi milžinišką finansinę reikšmę.

Kaip AI jau šiandien naudojamas lustų projektavime

AI puslaidininkių pramonėje nebėra eksperimentas – tai komerciniai produktai ir darbo įrankiai, kuriuos diegia didžiausi žaidėjai: NVIDIA, Synopsys, Cadence, Google, Intel, TSMC ir kt.

1. Architektūros tyrinėjimas ir ankstyvas projektavimo etapas

Vienas sudėtingiausių klausimų – kokia architektūra apskritai verta gamybos? Čia AI padeda:

Generatyvinis AI siūlo alternatyvias architektūrines konfigūracijas (branduolių skaičius, talpyklų dydžiai, sąsajos);
Modeliai-pakaitalai (surrogate models) greitai įvertina našumą ir energijos sąnaudas, nebereikia ilgo ciklo su pilna simuliacija;
Optimizavimo algoritmai (Bayesian optimization, reinforcement learning) automatiškai ieško geriausių parametrų derinių.

Rezultatas – daugiau išbandytų idėjų per trumpesnį laiką ir mažesnė tikimybė, kad į brangią gamybą keliaus prastai suprojektuotas lustas.

2. RTL generavimas ir kodo pagalba inžinieriams

Po architektūros seka RTL rašymas, kur iki šiol dominavo rankinis Verilog/VHDL kodas. Dabar atsiranda:

AI asistentai RTL kūrimui – panašūs į „GitHub Copilot“, bet pritaikyti aparatūros aprašymo kalboms;
Automatinis testbench ir verifikacijos scenarijų generavimas pagal specifikacijas;
Loginės klaidos ir stiliaus analizė naudojant ML, kuris „mato“ tipinius industrijos šablonus.

AI dar nerašo viso lusto nuo nulio, tačiau jau dabar ženkliai sumažina rutininių užduočių ir bugų skaičių, ypač jaunų inžinierių komandoms.

3. Fizinis išdėstymas (place & route) ir PPA optimizavimas

Čia vyksta didžiausia AI revoliucijos dalis. Google dar 2021 m. parodė, kad reinforcement learning gali išdėstyti komponentus (floorplanning) greičiau ir kartais geriau už žmonių komandas. Nuo to laiko rinka stipriai pajudėjo.

Šiandien AI naudojamas:

Automatiniam floorplan kūrimui – blokų išdėstymui ant kristalo;
Laidų maršrutizavimui, kad būtų išlaikyti laiko ir signalo vientisumo reikalavimai;
Energetiniam ir šilumos žemėlapiui prognozuoti dar prieš galutinį išdėstymą;
Iteracijų skaičiui mažinti tarp sintezės, išdėstymo ir sign-off analizės.

EDA lyderiai, tokie kaip Synopsys ir Cadence, jau siūlo komercinius AI modulius, kurie, jų duomenimis, gali:

sutrumpinti fizinio projektavimo laiką iki 2–3 kartų;
pagerinti PPA keliais procentais, kas aukščiausios klasės lustams yra kritiška;
sumažinti reikalingų inžinierių skaičių konkrečiam projektui.

4. Verifikacija ir klaidų paieška

Verifikacija sunaudoja iki 60–70 % viso lusto projektavimo laiko. AI čia tampa galingu pagalbininku:

Testų generavimas, kad būtų padengta kuo daugiau funkcinių scenarijų;
Logų ir bangų analizė (waveforms), automatiškai išryškinant anomalijas;
Regresijų prioritetizavimas – AI parenka, kuriuos testus paleisti pirmiausia, kad greičiausiai būtų aptiktos kritinės problemos.

Taip sutrumpinamas verifikacijos ciklas ir sumažinama rizika, kad klaidos „praslys“ iki gamybos, kur vien tik maskų komplektas pažangiam technologiniam procesui kainuoja dešimtis milijonų.

Automatinė mikroschemų kūrimo grandinė: nuo idėjos iki GDSII

Viena ambicingiausių vizijų – pilnai automatizuota mikroschemos kūrimo pipeline, kur AI prižiūri beveik visus etapus nuo aukšto lygio aprašymo iki GDSII failo, siunčiamo į gamyklą.

„Spec → kodas → lustas“ vizija

Ši vizija remiasi keletu ramsčių:

Natūralios kalbos specifikacija – inžinierius aprašo, ką lustas turi daryti (funkcijos, sąsajos, našumo tikslai);
AI generuoja architektūrinį modelį ir RTL šablonus, suderinamus su EDA įrankiais;
EDA + AI sintezuoja, išdėsto ir optimizuoja dizainą pagal PPA tikslus;
Automatinė verifikacija su generatyviniais testais ir formalios analizės įrankiais;
Sign-off ir DFM (design for manufacturability) analizė taip pat paremta ML modeliais.

Kol kas tai dar ne visiškai pasiekta, tačiau jau egzistuoja startuoliai ir tyrimų grupės, siūlančios pusiau automatinius sprendimus nišiniams lustams – pavyzdžiui, RISC-V pagrindu veikiančius valdiklius ar specializuotus AI akseleratorius.

Atviri įrankiai ir „demokratizuotas“ chip design

AI sutampa su kita tendencija – atviraisiais EDA įrankiais ir RISC-V architektūra. Projektai kaip OpenROAD, OpenLane, taip pat atviri PDK (process design kit) nuo SkyWater ir kitų, leidžia:

mažoms komandoms ir universitetams kurti realius lustus;
AI modeliams būti integruotiems į atvirą pipeline ir mokytis iš bendruomenės generuojamų dizainų;
eksperimentuoti su automatizuotu dizainu be brangių licencijų.

Jei ši kryptis išsiplės, lustų projektavimas taps artimesnis programinės įrangos kūrimui – atviros bibliotekos, bendruomenės ir AI įrankiai, padedantys nuo pirmos dienos.

Ekonominė ir geopolitinė reikšmė

Puslaidininkių rinka – vienas pagrindinių geopolitinių frontų. JAV, Kinija, ES ir kitos šalys investuoja dešimtis milijardų į vietinę gamybą ir dizainą. AI čia tampa konkurenciniu ginklu.

Greitesnis „time-to-market“ ir mažesni kaštai

Trumpesnis projektavimo ciklas reiškia:

greitesnį reagavimą į rinkos poreikius (pvz., AI akseleratorių bumas po generatyvinio AI sprogimo 2023–2024 m.);
mažesnę riziką, kad produktas pasens dar nepasirodęs;
mažesnę vieno dizaino kainą ir daugiau eksperimentų.

Didžiausi žaidėjai, kurie pirmi efektyviai integruos AI į visą pipeline, gali įgyti struktūrinį pranašumą prieš konkurentus.

Talentų trūkumo sprendimas

Pasaulyje trūksta patyrusių lustų inžinierių, ypač pažangiausiems procesams (5 nm, 3 nm, ruošiami 2 nm). AI čia veikia kaip:

produktyvumo daugiklis esamoms komandoms;
mokymo įrankis jauniesiems inžinieriams, nes AI asistentai paaiškina klaidas ir siūlo geresnius šablonus;
barjero mažinimas naujoms rinkoms, įskaitant mažesnes šalis, tokias kaip Lietuva.

Iššūkiai ir rizikos: ne vien rožinis scenarijus

Nors AI pažadai įspūdingi, realybė išlieka kompleksiška. Yra keletas rimtų iššūkių, kuriuos industrija dar tik mokosi spręsti.

Patikimumas ir verifikacijos paradoksas

Jei AI automatiškai generuoja vis daugiau dizaino, kyla klausimas: kaip įrodyti, kad jis teisingas?

AI gali pasiūlyti optimizacijas, kurių žmonės nesupranta iki galo, bet turi jas pasirašyti;
verifikacijos našta gali net išaugti, jei nebus naujų formalių metodų ir AI paaiškinamumo priemonių;
reguliavimo institucijos (ypač automobilių, aviacijos, medicinos srityse) gali reikalauti papildomų įrodymų.

Intelektinė nuosavybė ir duomenų klausimas

AI modeliai mokomi ant didžiulių dizainų ir logų kiekių. Tai kelia:

IP nutekėjimo riziką, jei modeliai treniruojami debesyje ar trečiųjų šalių aplinkoje;
licencijavimo klausimus, jei AI mokosi iš uždarų, licencijuotų IP blokų;
duomenų anonimizavimo ir segmentavimo poreikį, kad konkurentų dizainai nebūtų „sumaišyti“ viename modelyje.

Darbo rinkos transformacija

AI nereiškia, kad lustų inžinieriai taps nebūtini, tačiau:

rutininės užduotys bus automatizuotos;
išaugs poreikis „sisteminio lygio“ inžinieriams, kurie supranta ir architektūrą, ir AI įrankius;
atsiras naujų vaidmenų – AI/EDA integracijos specialistai, duomenų inžinieriai puslaidininkių srityje.

Ką tai reiškia Lietuvai ir regionui?

Lietuva jau vysto elektronikos, lazerių ir fotonikos ekosistemą, taip pat IT ir AI startuolius. AI pagreitintas lustų projektavimas atveria papildomas nišas:

nišiniai, specializuoti lustai – pavyzdžiui, pramonės, ryšių, saugumo ar IoT sprendimams Baltijos regione;
EDA ir AI įrankių kūrimas – programinė įranga, kurią galima eksportuoti globaliai;
universitetų ir pramonės bendradarbiavimas – atviri projektai su RISC-V, OpenROAD ir AI moduliais.

Su tinkamomis investicijomis ir partnerystėmis, net ir mažesnės šalys gali įšokti į AI ir puslaidininkių sankirtos traukinį, nes čia vertė kuriama ne tik gamyklose, bet ir algoritmuose bei įrankiuose.

Artimiausių 3–5 metų prognozės

Remiantis 2024–2025 m. tendencijomis, galima tikėtis kelių aiškių krypčių:

AI taps „default“ EDA įrankių dalimi – kaip šiandien niekas nestebisi automatinėmis sintezės optimizacijomis, taip rytoj nesistebės AI grindžiamu floorplanningu;
Vidutinio sudėtingumo lustų kūrimas supaprastės – nuo idėjos iki veikiančio prototipo galės nuvesti mažesnės komandos su AI pagalba;
Standartizuosis AI naudojimo metodikos – atsiras gerosios praktikos, sertifikavimo gairės ir industriniai standartai;
Vis daugiau dizaino bus „co-designed“ su AI – žmonės kurs tikslus ir architektūrines vizijas, AI rūpinsis iteracijomis ir optimizacija.

Galiausiai, AI pagreitintas lustų projektavimas taps ne išskirtine naujove, o nauju normaliu. Laimės tie, kurie išmoks su juo dirbti anksčiausiai.

Išvados

AI ir automatizuotas mikroschemų kūrimas keičia puslaidininkių industrijos žaidimo taisykles. Nuo architektūros iki fizinio išdėstymo, nuo verifikacijos iki sign-off – visur atsiranda AI moduliai, mažinantys laiką, kaštus ir klaidų skaičių.

Ši revoliucija dar tik įsibėgėja, tačiau jau dabar aišku: lustų dizainas artėja prie programinės įrangos kūrimo modelio, kur svarbiausia – idėja, teisingi įrankiai ir gebėjimas išnaudoti dirbtinį intelektą kaip pilnavertį komandos narį.

DUK: AI ir automatinis mikroschemų kūrimas

Kaip AI konkrečiai sutrumpina lustų projektavimo laiką?

AI automatizuoja daug iteracinių žingsnių – nuo floorplanningo iki testų generavimo. Modeliai iš anksto prognozuoja PPA rodiklius, todėl mažiau kartų reikia grįžti atgal ir ranka taisyti dizainą. Tai sumažina tiek simuliacijų, tiek verifikacijos ciklų skaičių.

Ar AI gali sukurti visą lustą be žmogaus dalyvavimo?

Šiandien – ne. AI puikiai atlieka optimizavimo ir pagalbines užduotis, generuoja kodą ir testus, bet architektūriniai sprendimai, specifikacijos ir galutinė atsakomybė vis dar priklauso žmonėms. Artimiausiais metais tikėtinas „bendraautorių“ modelis, o ne pilna autonomija.

Ar mažos įmonės gali pasinaudoti AI pagreitintu lustų kūrimu?

Taip. Dėl debesijos, atvirų EDA įrankių ir RISC-V ekosistemos, net mažos komandos gali naudoti AI modulius prototipams ir nišiniams lustams kurti. Didžiausias iššūkis – kompetencija ir gerai suplanuota infrastruktūra, o ne vien licencijų kaina.

AI pagreitintas lustų projektavimas: nauja mikroschemų era