6月15日，CCF YOCSEF南京钟山论剑观点论坛——“AI赋能芯片设计自动化：机遇与挑战”于江苏省计算机大会期间举办，30余位高校专家学者、集成电路企业相关工作者，围绕AI赋能芯片设计的技术可行性、工程化落地以及产业生态协同等方面展开深入讨论。论坛由YOCSEF南京AC主席朱光辉（南京大学）和YOCSEF南京委员杜源（南京大学）作为执行主席共同主持。

引导发言

论坛邀请了学界和业界的三位引导嘉宾，他们基于自身的丰富经验，分别从EDA行业发展现状、AI赋能芯片设计的应用场景与关键技术以及AI技术在电路设计中的具体应用案例等多个角度，带来了精彩的引导发言，也为后续的思辨环节奠定了坚实的思辨基础。

赵康（北京邮电大学教授，集成电路学院EDA中心负责人）分享了如何在EDA工具中应用结合人工智能技术。芯片设计流程很长，他首选从系统级设计、高层次综合、逻辑综合、版图布图、ASIC布局以及物理验证等方面，介绍AI赋能EDA的案例以及技术方法。接着，介绍了AI在EDA领域的四种主要应用方式：跨阶段预测与优化、黑盒组合优化、多目标优化以及基于大模型的电路生成。最后，他指出成功应用到实际芯片设计的AI方法屈指可数，主要落地难点在与EDA工具需要确定性输出以及满足特定工艺约束的确定性规则，而AI技术内在的不确定性，可能导致同一输入在不同运行下产生不同结果。另外，AI在产业应用中多处于前端设计，尚未深入到版图验证、DRC校验等关键环节，这也限制了其在实际生产中的广泛应用。另外，芯片设计需要考虑延时以及资源利用率等多个目标，赵康也提出了使用AI解决多目标优化问题的挑战与思考。

钱超（南京大学教授、院长助理）介绍了在黑盒优化领域的研究成果及其在芯片设计自动化中的应用。钱超专注于芯片布局，芯片布局是一个典型的黑盒优化问题，例如目标函数黑箱、评估昂贵、优化目标多样以及芯片元件规模庞大。针对芯片布局问题，钱超团队利用演化学习技术，并结合专家知识，设计了一系列芯片自动布局算法，在计算效率以及最终的优化指标上显著优于已有的芯片布局算法，成果已落地应用于华为。随后，钱超介绍了现有AI技术应用于EDA过程中存在的泛化性问题，即AI模型设计大都聚焦于一款芯片，无法将AI模型有效迁移至其他类型芯片，并且分享了他们团队在提升AI模型泛化性的研究探索。最后，钱超结合华为难题揭榜的经验，强调了AI技术应用落地的重要性，通过跨领域合作，能够产生更大的应用价值。

陈熙（南京星火技术有限公司总经理）介绍了射频电路行业及其与AI技术的融合工作。射频电路因其特殊的电路结构和耦合需求，对人工设计依赖度高，AI技术的引入能够显著提升设计效率和减少人力成本，射频电路行业和AI技术的结合具有广阔的市场空间和应用前景。接着，陈熙介绍了团队自研的射频电路领域的大语言模型，并且演示了整合射频工具链、AI大模型以及射频标准数据平台的统一平台，该平台旨在解决射频电路设计多EDA工具组合的问题，通过统一数据格式，打通不同EDA工具之间的数据壁垒，实现AI与EDA工具的双向数据交换。

观点思辨

在中美博弈EDA软件断供的大背景下，AI赋能芯片设计自动化其能否真正成为产业升级的核心引擎？能否助力芯片产业的国产化实现关键突破？针对AI赋能芯片设计自动化的机遇与挑战，本论坛围绕以下核心思辨点展开讨论：

思辨议题一：如何采用AI技术赋能芯片设计的各个环节？技术难点在哪？自动化程度、设计质量、泛化能力究竟能达到何种水平？

思辨嘉宾杜力（南京大学集成电路学院副院长）首先指出在AI赋能芯片设计领域，迫切需要客观的开源评测数据集和评测标准，公平地去衡量不同AI算法的好坏，并且能够实现和人工经验的比较。而且，学界所采用的开源数据集大都是EDA竞赛数据集，数据规模和多样性较低，和业界实际应用场景差距较大，需要建立EDA领域的“ImageNet”，推动AI在芯片设计领域的发展和应用。

思辨议题二：AI赋能芯片设计自动化的产业落地现状如何？存在哪些现实壁垒？

思辨嘉宾董伟（中科麒芯智能技术（南京）有限公司董事长）指出芯片设计流程复杂，利用AI技术实现芯片设计全流程自动化几乎不可能，可以在某个点工具（如EDA智能问答、硬件代码生成、版图布局布线）引入AI技术。芯片设计需要构建EDA工具链，通过多款EDA工具协作完成。目前，芯片设计产业最大的痛点在于如何串联不同的国产EDA，实现一颗基础款芯片的设计。国内产业界还很难做到，不同国产EDA工具的数据格式不统一，需要打通不同EDA工具之间的数据孤岛，通过串链补链，把EDA工具链打通。

思辨议题三：如何通过多方协同创新，跨越AI赋能芯片设计自动化技术与工程化落地之间的“死亡之谷”，为我国芯片产业发展带来新机遇?

思辨嘉宾王翕（东南大学集成电路学院副教授，国家集成电路自动化设计技术创新中心iDebug项目组负责人）指出AI赋能EDA将为传统EDA行业带来新的机遇，与EDA国产替代不同，AI+EDA存在很多从0到1的创新空间，将会影响整个集成电路行业。然而从学术研究、技术研发到商业化落地，存在很大的鸿沟，需要证明从技术到生产的可行性。但是在EDA断供的大背景下，AI+EDA将会带来很多机会。国家顶层政策上也在积极布局AI+EDA，道路是曲折的，未来肯定是光明的，政策扶持和对未来产业的长远影响力让业界保持积极态度。