（原标题：AI入侵EDA，要警惕）
公众号记得加星标??，第一时间看推送不会错过。
来源：内容编译自semiengineering。
几十年来，迭代循环一直是 EDA 流程中至关重要的环节。自从门电路延迟和线路延迟变得相当以来，确定给定逻辑综合运行的结果是否能够产生可接受的时序就变得至关重要。多年来，这个问题变得越来越严重，因为一个决策可能会影响许多其他决策。决策的后果对于流程中的单个工具来说可能并不明显。串行运行工具会导致大问题，而对于逻辑综合而言，即使采用迭代，也几乎不可能实现时序收敛，因为没有循环学习的概念。
通过将决策工具、估算器和检查器紧密集成到单个工具中，解决了这些多因素依赖关系的问题，从而可以在决策的同时进行快速检查，以找出特定选择可能导致不良结果的可能性。我们看到越来越多的领域需要这种功能，其中许多领域都具有交互式反馈回路，以便用户能够根据自身掌握的专业知识来指导工具的操作。
人工智能的幻觉能力广为人知。许多幻觉在非关键场景下都很有趣，尤其是在生成图形时。我的爱好之一是模拟1950年左右的英国铁路。不久前，我尝试用人工智能生成一些背景场景。人工智能根本无法理解火车的概念，即火车有两个轮辋，在一对轨道内运行。有些生成的图像包含任意数量的轨道，当包含道岔时，效果变得非常滑稽。轨道四处乱窜，有些消失得无影无踪，有些火车则悬浮在轨道上。看看你能在下图中发现多少错误。
这是 DALL·E 3 在被要求描绘 20 世纪 50 年代英国铁路枢纽时创作的图像
前几天，我在读《ACM通讯》（2025年5月刊），其中有一篇由Samel Greengard撰写的文章，题为《揭开AI幻觉的面纱》。他在文中写道：“随着词语变成数字向量，数值在模型内部以数量级倍增，事物变得模糊，含义也变得模糊。模型只是根据概率重复词语。‘AI幻觉是一种特性，而非缺陷，’加州理工学院（Caltech）计算与数学科学布伦教授Anima Anandkumar说道。‘模型被激励去生成似是而非的文本，而不是事实文本。’”
这就是为什么许多人试图使用检索增强生成 (RAG) 来控制这些幻觉。其目的是对生成的内容进行事实核查，并确保其真实可信。这听起来与我们长期以来在 EDA 领域的做法非常相似——我们并非认为 EDA 工具会产生幻觉。它们只是不够智能，无法预知某些功能无法正常工作，也无法预知工程师为了周末早点开始工作，在周五下午匆匆忙忙地完成了某项工作。
有人跟我说，当他们用AI来生成模拟电路时，AI会生成一个他们之前从未尝试过的全新架构。我不确定其他人是否也这么做过，然后AI会针对这种替代架构进行训练，但我们可以争论一下，这究竟是工具做出的明智决定，还是最终被证明是绝妙的幻觉。在EDA领域，我们已经认识到一切都必须经过验证，因此，我们在AI的许多其他应用领域似乎都占据了优势。我们习惯于在时间和成本预算内尽可能地验证所有内容，并且在确定这些资源的优先级方面拥有丰富的经验（虽然远非完美）。
这可能需要对验证流程进行一些重新调整，但如果能够成功完成，它将成为 EDA 开发流程中 GenAI 的 RAG。最大的障碍在于，当这些技术在工具中使用时，它们依赖于快速估算器，而功能验证的速度肯定不快。作为一个行业，我们迫切需要新的功能抽象，以便我们快速了解所做决策的有效性，而不是总是认为需要进行完整的回归运行。
我们在利用人工智能寻找能够以最低成本提供最大反馈的刺激集方面取得了进展，但我们也应该能够确定必要的抽象，以便在合理的程度上验证一个想法。尽管在更广泛的电子领域中，许多其他多物理场问题已经采用了这种方法，但我们目前还不知道如何做到这一点。数字孪生和降阶模型就是这方面的例子。
在最近一篇关于混合信号系统的报道中，一些人表示，拥有能够生成所需抽象概念的模型生成器至关重要，这些抽象概念可用于验证设计中已定义的方面。我们需要这种模型生成器来实现所有形式的功能，而且这是可以实现的。Arm 就是一个例子，它长期以来一直为一款处理器提供一个单一的黄金模型，并从中生成多个其他模型。我确信，生成该主模型首先需要更长的时间，但之后我们可以确保所有模型彼此完全一致，并且无需验证每个独立创建的模型。
有了正确的验证，我们就能让人工智能尽情发挥想象力，或许它能带来原本不可能实现的突破。鉴于我们从未质疑过50年前做出的决策，人工智能可以为行业带来亟需的重构阶段，从而带来巨大的性能和功耗提升。我们当然需要它。
https://semiengineering.com/iteration-and-hallucination/
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第4083期内容，欢迎关注。
加星标??第一时间看推送，小号防走丢
求推荐
盛多网提示：文章来自网络，不代表本站观点。
