芯片設計AI化，數據才是真難題

數據之亂，正在拖慢整個芯片AI。

將人工智能融入芯片設計流程，正推動企業全面重構數據管理策略，從被動存儲轉向主動、結構化、機器可讀的系統。隨著訓練與推理負載不斷增長，數據遷移、擁堵和能效已成為核心挑戰，其重要性甚至超過了單純的算力。EDA專用且復雜的數據格式，加上公開數據有限，使得針對半導體設計的AI模型微調變得非常困難。無論是用于RAG還是模型微調，都需要大量解析工作和深厚的領域專業知識。AI正迫使半導體企業從底層重新思考數據管理，將其從被動存儲轉變為一門主動的工程學科。

工程團隊首先必須將分散的日志和設計成果整合到機器可讀的數據湖中，用元數據和本體論進行豐富，并在工具之間搭建穩定的數據流管道。為此，他們會使用智能助手、檢索增強生成（RAG）和微調模型，而這一切都必須在嚴格安全與本地部署的約束下完成。隨著數據量增長，企業將需要新增EDA數據管理員這類角色，并持續投入數據結構與質量建設。無論工程團隊使用RAG、訓練模型還是微調數據，數據如果只是躺在那里，就毫無價值。歷史數據與現有數據必須從不同集群、工具和項目中收集，再按項目、流程階段和團隊進行清洗與整理。此外，代碼、文本、圖像、時序數據和二進制格式都需要解析與分塊。這些需求共同推動團隊轉向集中式數據湖和向量數據庫，取代臨時文件共享，數據管理也更強調機器可讀性與檢索能力。這也解釋了為什么如今圍繞AI設計的數據管理活動如此活躍，而僅僅一年前，行業還更關注可以使用哪些AI工具。

是德科技EDA部門IP與數據管理業務總經理Simon Rance表示，當時大家問的問題是需要在方法或設計流程中做哪些改變，才能融入并利用AI，他們也在思考如何訓練AI。隨著企業開始真正思考并著手落地，這個領域不斷發展。企業面臨數據安全挑戰、算力問題、AI計算的能耗問題。現在人們越來越了解AI幻覺及其成因，也想知道如何緩解或減少幻覺。當前的重點大量集中在數據安全上。相比于創建大語言模型或訓練方法，數據編排的優先級變得更高。大家都想直接深入應用，但如果基礎沒打好，就會在各種地方卡住，很多企業確實卡住了，某種程度上就像陷入癱瘓。這不是只改一個點就能解決的問題，會引發一連串連鎖反應。

西門子EDA生成式AI產品總監Niranjan Sitapure也持相同觀點。從AI設計對數據管理的影響來看，主要可以分為兩類，一類是訓練新AI模型、大模型或微調現有模型，另一類是檢索增強生成（RAG），不需要訓練或微調模型，也能利用已有數據。第三類，對半導體設計尤其重要，是前兩類都共用的數據格式問題。像ChatGPT、Gemini這類大模型非常擅長文本、代碼和多模態處理，因為它們在互聯網上有大量這類格式的數據。但在EDA領域，代碼高度專有，存在專用語言，很多EDA工具還有自己的語法且不對外公開，即便是最新模型也很難獲取這些信息。部分EDA數據的格式甚至不支持機器讀取，即便有圖像和表格，也都是極其復雜的電路圖、原理圖，當前AI模型很難理解其含義。這直接影響模型微調和RAG兩類應用。

Sitapure指出，在微調方面，現有模型并沒有EDA數據，它們可能很擅長寫Python代碼、回答光刻原理這類通用問題，但并不真正懂如何深入設計電路。此外，微調需要大量數據，而很多芯片設計數據并不在EDA廠商手里，而是在客戶和代工廠手中，它們不會公開。想要微調當前頂尖模型，既要解決EDA文件格式解析問題，又要面對公開數據不足的問題。而在RAG方面，比如在工具里打開一個設計做DRC，想理解設計狀態或從日志文件排查錯誤，這類場景用RAG會更可行、更直接。

工程團隊主要有兩種應對方式。第一種是為所有數據搭建智能助手，配合RAG使用，相當于EDA領域的ChatGPT，廠商提供模型、RAG管道和友好界面，用戶直接提問即可。另一些用戶則希望擁有自己的微調AI模型，他們希望搭建訓練或微調管道，在不同設計上運行仿真，讓本地AI模型理解仿真數據，預測運行時間、內存占用，甚至預估PPA。目前EDA廠商會向用戶提供這類技術。用戶將信息集中到自己的機器可讀數據湖中，再整體遷移到EDA廠商的AI服務基礎設施里，但數據保留在本地、完全物理隔離，既保證安全，又能精準響應用戶需求。換句話說，AI芯片與系統設計迫使數據管理從孤立、基于文件的結果，演進為云原生、大數據基礎設施，能夠承載跨物理域模型、減少昂貴的數據遷移，最終將設計階段與運行階段數據整合為統一、可擴展的系統。

部分企業已采用大數據技術，打造專門面向芯片設計的數據基礎設施，例如如今并入新思科技的Seascape數據庫。新思科技產品營銷總監Marc Swinnen表示，他們重寫了大量工具，讓它們直接運行在Seascape之上，通過MapReduce等大數據技術，部分工具可以原生部署在云端。在EDA行業，通常是先做數據庫或工具，再考慮如何上云，而Gear創始人的思路相反，是云優先，算法再去適配。當多個工具都在Seascape上時，可以實現傳統系統無法做到的深度數據融合與聯合分析。

工程數據價值極高，但過去長期處于高風險、弱治理狀態。ChipAgents首席執行官William Wang表示，RTL、規格書、波形、日志、ECO歷史都極度敏感、碎片化且難以審計。數據質量，而非模型質量，才是瓶頸。無論模型多大，錯誤上下文都會導致智能體輸出錯誤。這意味著安全與溯源比規模更重要。用戶不再只關心大數據，更關心數據來源、權限、被哪些模型使用過。為解決數據質量、安全與溯源問題，有效的做法是嵌入工作流的數據治理，數據管理必須融入工程流程，而不是放在獨立平臺里。每份成果都需要歸屬、溯源和權限，溯源與訪問控制必須默認開啟，現在還可以通過智能體介導訪問，由智能體自動管控可見范圍與安全使用規則。

弗勞恩霍夫研究所研究員Martin Neumann-Kipping認為，今天談AI，必須拋棄大數據就是答案的觀念，大數據熱潮已經在退去，單純收集盡可能多的數據不再是終極目標。企業需要的是有信息含量的數據，描述清晰、關聯充分、上下文準確。大多數企業的問題不是數據不夠，而是數據被鎖在豎井里，每個豎井本身都有價值，但真正的潛力在于打通它們，把生產系統看作整體，從而建立關于系統的真實知識庫。要做出優秀的AI方案，僅僅擁有數據遠遠不夠，必須精確知道數據代表什么，需要語義描述、本體論、統一的數據語言。企業現有數據管理系統可以是很好的基礎，但需要擴展語義層，跨源連接信息。AI時代的數據管理不是獨立話題，而是前提條件。如果不投入精力去描述、結構化、關聯數據，就永遠只能做狹隘、局部的優化。如果把數據當作系統數字孿生的一部分，就能優化整個流程，而不只是孤立環節，這才是AI在工業界真正的長期價值。

幾年前，英偉達CEO黃仁勛曾說，未來工程師會成為AI智能體的管理者。沿著這個方向，EDA數據管理員的需求正在快速增長，其職責是確保數據結構化、配有正確元數據、格式合規、目錄清晰、權限合理等。西門子Sitapure表示，這類角色的重要性正在顯著提升，它可能看起來不那么光鮮，處于設計后端，但卻是基礎性角色，必須有人搭建這套體系，并且需要大量投入。從企業級AI視角來看，全行業都必須加大數據管理與結構化投入，否則就是垃圾進，垃圾出。

企業規模越大，數據越容易碎片化，并購后尤其嚴重。是德科技Rance表示，不同部門用著不同的數據管理系統，有些甚至不用系統，只用Confluence、SharePoint、文件服務器，沒有索引、沒有目錄、沒有版本控制。當數據到處分散時，AI會出現延遲、重復，進而因數據質量、位置、可達性、算力等問題引發幻覺。找數據和數據質量本身才是很多問題的根源。過去企業沒有專人來清理數據，現在必須有這類角色和數據治理團隊，明確如何結構化數據、存儲位置、唯一可信源、數據安全、加密、防泄漏以及算力支撐。

歷史上，很多數據管理系統都運行在普通服務器或工作站上，但要真正支撐模型訓練、推理和流程編排，數據必須放在高性能計算平臺上。Rance表示，底層也存在IT和基礎設施問題，現在大家都聚焦于如何創建和管理模型，卻發現必須先整理數據、存儲位置、算力資源和安全問題。把基礎打好后，下一個挑戰就是建立唯一可信源，并在設計流程中保留以往從未保留過的數據，用于機器學習，這會讓數據量暴增，而傳統IT服務器根本沒有為這種海量存儲做過配置。

向全新數據管理理念轉型，也帶來了獨特的組織挑戰。Rance說，以前合作的主要是工程師、架構師、CAD團隊、工程管理層，現在還要加上IT、安全工程師、安全專家，在大型客戶那里甚至需要法務團隊參與，評估數據風險、分級規則，確保受出口管制的內容不會進入機器學習。這些工作以前由不同團隊在后臺分別完成，現在所有角色都要參與整體方案評估，事情明顯變得更復雜。

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅為分享與討論，不代表我方贊成或認同，如有異議，請聯系后臺。