推 h9602b : 短期很難，APR在做決定有很多是無法做"量化"分析的 06/27 10:25
→ kobekobe007 : Routing難 placement 有機會 06/27 10:26
→ h9602b : AI我不懂，會發展成怎樣我也不知道，但以前讀研念AP 06/27 10:26
→ h9602b : R演算法的概念，像floorplan這種需要考量類比需求的 06/27 10:27
→ h9602b : 連obj function都訂不出來的這個我相信短期很難自 06/27 10:28
→ h9602b : 動化，那你說像placement這種比竟規一化的東西，不 06/27 10:29
→ h9602b : 用說AI，最佳化演算法就解得差不多了 06/27 10:29
推 cateran : 十年內不可能 聽說當初google內部的IC團隊就有 06/27 10:38
→ cateran : 問過deepmind能不能把alpha go借來做APR 06/27 10:39
→ cateran : 結果得到的答案是難度差幾個數量級 06/27 10:39
→ cateran : 現在AI連車都開不好 要做全自動APR是越級打怪 06/27 10:41
→ cateran : 就算train出一個model 結果製程節點一更新 就沒用 06/27 10:41
→ andyping : apr某些特殊製程應該無法實現吧 比如top metal 1u 06/27 10:56
→ andyping : m以上 然後低層數的design 應該還是要人工 06/27 10:56
→ justin199306: 謝謝各位大大為小的解惑～ 06/27 10:56
推 Morphee : 上面回文的感覺沒看過最新哪篇nature 06/27 11:09
推 labbat : 看不懂原po的意思，底下推文回覆才知道問題點 06/27 11:10
推 Izangel : 看一下最新論文吧，performance也許還有差一些，但 06/27 11:28
→ Izangel : 速度比人工快太多了 06/27 11:28
→ MAgong : 不可能被取代，類比電路太多matching know how 06/27 11:34
推 a12349221 : 最難的就是高階placement跟routing 06/27 11:51
推 h9602b : 我沒看過那篇論文，不過APR整個流程太多了，有容易 06/27 11:59
→ h9602b : model也有根本無法model的，你說AI加入演算法 06/27 12:00
→ h9602b : synopsys早就做進timing ECO engine裡了，可以做的 06/27 12:01
→ h9602b : 原因是ECO已經obj function可以被描述，但APR流程無 06/27 12:01
→ h9602b : 法數學描述的東西多的事，況且目前這部分的功能非常 06/27 12:02
→ h9602b : 侷限，design差一點整個AI就要重新training,我是不 06/27 12:03
→ h9602b : 知道那篇所謂的nature指的是APR哪部分 06/27 12:03
→ h9602b : 有人可以描述那篇論文在說啥嗎?? 06/27 12:04
噓 a000000000 : 想太多喇 ai能作的部份EDA公司肯定第一葛包進去 06/27 12:33
→ a000000000 : 然後老闆跟晶片架構啥的一樣會找出東西給尼忙 06/27 12:33
→ a000000000 : 還有如果尼4作最先進製程的 EDA那些怪怪的新功能 06/27 12:34
→ a000000000 : 光是要過新製程認證就不知道要搞多久惹 06/27 12:34
→ a000000000 : 常常都要量產惹還沒搞定 06/27 12:34
→ a000000000 : 一弄就好幾年 06/27 12:35
推 wahaha279 : 略懂ai 不懂APR，好奇AI很多不能解釋的預測真的是IC 06/27 12:39
→ wahaha279 : 設計能接受的嗎？ 06/27 12:39
推 ming5566 : 樓上教主 推一下 06/27 12:40
→ ming5566 : 外行的借文問一下 那fully layout是不是更難被取代 06/27 12:41
→ ming5566 : 呢 06/27 12:41
推 cateran : 樓上 這確實是業界不太能接受的情況 06/27 12:41
→ cateran : 整套APR flow幾十個步驟Nature論文只是其中一小塊 06/27 12:42
→ cateran : 就像看到一篇論文說AI可以辨識紅綠燈 06/27 12:44
→ cateran : 就說AI可以完全取代人工開車一樣 十年後再看看吧 06/27 12:45
推 cphe : 有請上面兩位看過最新論文的出來講解吧 06/27 12:56
推 shiauji : 為何要能解釋預測？準確率高就是好model啊，你也 06/27 13:00
→ shiauji : 不能解釋你工作效率比別人好啊？ 06/27 13:00
推 O3Ob : 認真說 10年後有可能啊 大概中年失業 06/27 13:10
→ O3Ob : 就算沒被取代apr人力也會需求也會減少 06/27 13:13
→ O3Ob : 其實現在c/s auto place功能也在進化 也不一定fp比 06/27 13:14
→ O3Ob : 較差 06/27 13:14
推 cateran : 樓上 不能解釋的意思就是出bug你沒法修 懂嗎 06/27 13:30
→ cateran : EDA客戶design style百百種 怎麼可能一個model全包 06/27 13:31
→ cateran : 今天你的design AI效果不好 你怎麼辦 重新train? 06/27 13:32
→ cateran : 重新train 把你一個新design style加到訓練集 06/27 13:33
→ cateran : 你要怎麼跟過去的舊資料balance? 06/27 13:33
→ cateran : 傳統EDA工具 真的客戶tape out有問題要急修 06/27 13:35
→ cateran : 你把code加個if 然後就可以出patch 客戶成功出chip 06/27 13:35
→ wake7078 : 經驗豐富的 不會被取代 菜鳥要擔心 06/27 13:36
→ cateran : 你用神經網路幾億個意義不明的權重 你要怎麼調？ 06/27 13:36
→ wake7078 : AI還需要更大量資料學習 出錯率掉到5% 06/27 13:38
→ wake7078 : 不可能100%取代 但能取代90%以上的工作時 06/27 13:40
→ wake7078 : 公司不需要打雜 有經驗一個就好 06/27 13:42
推 bluemkevin : EDA公司光是新製程的Tool都一堆bug要解，而且人力需 06/27 13:47
→ bluemkevin : 求越來越多，AI 要取代人的部份其實也早就自動化， 06/27 13:47
→ bluemkevin : 省下來的時間只是拿來做更多的trial run ，PD的剛需 06/27 13:47
→ bluemkevin : 還是擺在那。 06/27 13:47
推 bluemkevin : 以前也是說隨著APR工具越來越強大，PD編制會越來越 06/27 13:51
→ bluemkevin : 少，結果大部份公司還不是擴編再擴編 06/27 13:51
→ ptta : 但是會變得越來越簡單，這樣工程師的價值就降低了 06/27 14:39
→ AJones : 到現在還在吹AI多有用的肯定是高層不然就是外行 06/27 14:58
噓 hsnuyi : 老話一句 能發財的東西不會拿去發paper 06/27 15:04
推 tch0439 : 軟體工作取代硬體工作已經是趨勢 你各位拜託面對現 06/27 15:06
→ tch0439 : 實為失業做準備好嗎 06/27 15:06
推 bluemkevin : Tool 即使強大，還是很需要工程師來操作判斷，尤其 06/27 15:20
→ bluemkevin : 需要資深的工程師。 06/27 15:20
→ sibymoo : APR有很多階段，本篇描述的floor plan也只是眾多步 06/27 15:26
→ sibymoo : 驟的其中一步，後面還有timing ECO等等。 06/27 15:26
→ sibymoo : 後面目標就是signoff，不要說5%outlier，就算是一 06/27 15:28
→ sibymoo : 條path也不容出錯。畢竟chip出去跑不動，幾個月的 06/27 15:28
→ sibymoo : 白工是沒人能承擔的。 06/27 15:28
→ sibymoo : AI是趨勢，但要取代這塊可能沒辦法。 06/27 15:30
推 bluemkevin : FP 其實也沒有花到多少工程師人力，但是工程師很需 06/27 15:51
→ bluemkevin : 要這種Tool幫忙 06/27 15:51
推 secondbanana: 不用想這麼多 股票買一買 風險有對沖就好了 06/27 15:53
→ Qcloud : 短期很難啊，先進製程的一堆rule一直加 06/27 16:20
→ Qcloud : 那些rule光floorplan就可以玩死工程師了 06/27 16:26
推 silentchaos : 假如你認為APR只有placement 那你真的不了解APR 06/27 16:58
推 senjyu : 那篇論文只有floorplan, CS早就有了 06/27 17:51
推 senjyu : c家跟S家都在做，而且都是ML based 06/27 17:55
噓 bluesox : 目前無法，幾年後很難說 06/27 18:32
推 p23j8a4b9z : 講一堆廢話 如果apr真的可以用ai先去擔心寫程式被取 06/27 18:43
→ p23j8a4b9z : 代 然後什麼都不要學好了 06/27 18:43
→ Monoxxx : 有難度，layout也是NP Problem.. 06/27 19:33
→ hsnuyi : SAT也是NP ML能不能解跟NP有啥關係? 現在又不是要找 06/27 19:55
→ hsnuyi : 最佳解 ML的問題根本不在這 現在實務上也是用approx 06/27 19:56
→ hsnuyi : algo APR就是個圖論問題 06/27 19:57
→ hsnuyi : S或C現在也只是用ML找pattern罷了 像是把一些高機率 06/27 19:59
→ hsnuyi : 會有問題的CT形狀抽調 跟台大那用X光片辨識肺部腫瘤 06/27 20:01
→ hsnuyi : 有八成像 06/27 20:01
→ hsnuyi : 等各個module不會要進正式PD前還在改port 再討論ML 06/27 20:17
→ hsnuyi : 也不遲 06/27 20:17
→ john97611017: 到時再轉職就好啦 現在缺超多 06/27 21:17
推 wickedboy : 我覺得會被取代 新人現在幹嘛做硬體 早該做軟體了 06/28 15:27
推 bluemkevin : EDA 軟體又還沒有做到用自然語言來操控，輸入還是要 06/28 17:45
→ bluemkevin : 用人工語言描述是要怎麼完全取代.... 06/28 17:45