从甲壳虫乐队的Let It Be，到约翰·克特兰（John Coltrane）的A Love Supreme，唱片公司常常会复刻（remaster）许多音乐流派的经典专辑，而这些高保真的复刻产品会受到主流粉丝们热烈欢迎。但就像齐柏林飞艇乐队（Led Zeppelin）或范·海伦乐队（Van Halen）的最伟大作品一样，如果芯片也可以“复刻”，而且“复刻”能帮助摆脱目前的芯片短缺状况呢？不管如何，让我们先来看看手头上的问题和潜在的办理方案。
芯片重新设计的本钱高，耗时长
当代处理器、掌握器和汽车传感器等芯片的设计和验证过程可能须要数年韶光，并须要大量的研发资金，而单是半导体掩模就须要花费数百万美元用于尖端工艺节点。有时候，工程师无法在第一次考试测验时就把设计做对，而芯片故障可能会导致恐怖的“重制”，从而不得不多花数百万美元的额外用度。
该行业的人力和资源本钱如此昂贵，连福特和通用等紧张OEM厂商在从老一代且产能受限的晶圆厂转向新的、当代化工艺的过程中都犹豫未定，只管后者能知足更大的产能需求。对汽车供应链来说，其有时必须在某个汽车型号或全体厂商平台的生命周期中持续多年地生产芯片，而且不仅是汽车行业，险些所有类型的产品都将包含越来越多的科技和硅制品。
与其他行业比较，汽车芯片含量的增长速率可能会更快。据英特尔等紧张厂商预测，到2030年，芯片在汽车BOM（物料清单）中所占的比例将达到20%，而这个问题的部分办理方案可能已经浮出水面——其会用到人工智能和机器学习的力量。
这很棘手，让人工智能来做吧
在此重申一下高层次的问题。一样平常来说，将旧的芯片设计重新定位到新的当代制造工艺节点会昂贵且耗时，而这正是人工智能可以发挥浸染的地方。大略地说，机器学习的超迭代特性非常适宜于半导体设计过程中的某些任务，特殊是在性能、功率和面积等方面的单调的优化事情。例如，芯片设计工具的领头羊Synopsys正在将机器学习运用到芯片设计的许多环节中，包括位置和路线（也称为电路的平面方案）、验证（证明设计，使其在生产前没有bug），乃至引入在实际中运作在芯片上的软件事情负载，以帮助进一步优化设计。
Synopsys即将推出的、由人工智能驱动的最新创新产品，便是用更新、更当代的芯片制造工艺来对传统芯片进行复刻。芯片设计的美妙之处在于，它们会先在各种EDA（电子设计自动化）工具中进行仿照和验证，然后被送去掩模组生产环节，并终极被送到晶圆厂。在过去几十年中，设计工程师一贯以这种办法在他们自己的小元宇宙中构建芯片，而实在质上是芯片的“数字孪生兄弟”。一旦一个芯片被很好地仿照和充分验证，它就会被送到那些昂贵的制造场景中。
在传统意义上，为新的晶圆制造工艺而重新设计旧芯片，这个过程须要一个工程师团队、昂贵的重制本钱、宝贵的工时，以及很长的上市韶光。除非可以将原始设计输入机器，并哀求它瞄准新的7纳米工艺节点。事实上，Synopsys声称它的复刻人工智能不仅能重新定位当代的芯片制造工艺节点，有朝一日还可以供应衍生设计和完备重制。
Synopsys的人工智能驱动的芯片生产过程节点复刻结果
在上面的例子中，Synopsys展示了一个实际的客户设计，个中赤色的三角形表示一个人类工程师团队的手工设计事情。正如图中显示的，其时钟频率（clock speed）和功率特性明显不如钻石点，即人工智能在原始制造节点上演习所达到的水平。其余，在更前辈的芯片制造工艺中利用同样的设计对人工智能进行演习后，Synopsys还可以令其拥有更好的性能和功率特性。
这项技能的早期成果非常令人鼓舞。目前，英特尔已经开始与Synopsys在复刻方面展开互助，令其与自身的IDM 2.0芯片厂和代工做事扩展相合营。“Synopsys是我们IFS（Intel Foundry Services）生态系统的紧张设计互助伙伴。我们对硅复刻等技能的潜力感到愉快，这些技能可以帮助我们的客户优化PPA（功耗、性能、面积）的设计。”
当然，硅复刻技能也对英特尔CEO帕特•吉尔辛格（Pat Gelsinger）有利，由于他最近正在鼓励急需芯片的汽车制造商，“与其花数十亿美元在新的‘旧时期’晶圆厂上，不如花数百万美元帮忙芯片设计向当代晶圆厂转变。”
因此，这彷佛是一个极好的机会，通过对芯片进行复刻来把旧的变成新的，至少能在短期内办理目前的一些芯片短缺问题。就像我们对待吉米·亨德里克斯（Jimi Hendrix）的伟大作品或盛行的复古游戏那样，只要把经典芯片的设计扔给人工智能，让它做自己的事情，然后我们就可以在一个当代化工厂里制造它。
Dave Altavilla是福布斯资深撰稿人，不雅观点仅代表个人。
