RSI(再帰的自己改善)が進行中だと言われている一方で、私たちは依然として従来型の企業構造について議論している。大胆な主張だが、18か月以内に人間のチップ設計者は不要になる。
その兆候は? データ企業が過去3か月にわたり、中堅半導体企業からデータセットを積極的に買い集めている。これは無作為なM&A活動ではない。AIチップ設計システム向けの学習データを獲得する動きだ。
背景として、Googleが強化学習を用いて行ったTPUのレイアウト設計のようなAI主導のチップ設計は、フロアプランニングや配線で、すでに人間を超える性能を示している。大手企業が今、大規模に独自の半導体設計データをかき集めているのなら、エンドツーエンドでチップのアーキテクチャを生成する基盤モデルを構築している可能性が高い。
このスケジュールは野心的だが、不可能ではない。現在のAIはすでに、チップ設計を左右する制約最適化問題に対処できる。実世界の半導体データ(プロセスノード、歩留まり、電力曲線)を十分に学習させれば、人間のどのチームよりも速く設計を反復するシステムができあがる。
これが本当なら、従来のEDAワークフローは終わりを迎え、SynopsysやCadenceのような企業はツールベンダーではなく、データプロバイダーになる。ボトルネックがなくなれば、半導体業界の人材獲得競争も意味をなさなくなる。
その兆候は? データ企業が過去3か月にわたり、中堅半導体企業からデータセットを積極的に買い集めている。これは無作為なM&A活動ではない。AIチップ設計システム向けの学習データを獲得する動きだ。
背景として、Googleが強化学習を用いて行ったTPUのレイアウト設計のようなAI主導のチップ設計は、フロアプランニングや配線で、すでに人間を超える性能を示している。大手企業が今、大規模に独自の半導体設計データをかき集めているのなら、エンドツーエンドでチップのアーキテクチャを生成する基盤モデルを構築している可能性が高い。
このスケジュールは野心的だが、不可能ではない。現在のAIはすでに、チップ設計を左右する制約最適化問題に対処できる。実世界の半導体データ(プロセスノード、歩留まり、電力曲線)を十分に学習させれば、人間のどのチームよりも速く設計を反復するシステムができあがる。
これが本当なら、従来のEDAワークフローは終わりを迎え、SynopsysやCadenceのような企業はツールベンダーではなく、データプロバイダーになる。ボトルネックがなくなれば、半導体業界の人材獲得競争も意味をなさなくなる。