芯片验证，太难了

EDA 工具的进步传统上是由特定需求驱动的，但如今的重点在于尽可能地利用人工智能，以更快的速度将产品推向市场，并减少对人工的依赖。问题在于没有现成的模式可循，因此每家公司都必须走出自己的道路——并祈祷自己不会落后。

过去，验证方法论的开发旨在充分利用现有的语言、模型和工具。它们彼此同步发展。当验证方法论面临新的需求时，通常会通过在工具中添加新功能来应对。这是确定这些新功能是否能够解决问题的最快捷方式。这项工作由EDA供应商和遇到问题的设计或半导体公司合作完成。通常情况下，其他客户也会需要这些功能，于是这些功能便会融入到方法论中，并在必要时被编码成语言扩展。

随着人工智能的飞速发展，这种传统的流程似乎已被抛诸脑后。尽管大多数情况下底层工具并未改变，但新的功能却以惊人的速度涌现。技术的开发并非出于特定需求，而是因为它们提供了某种可能有用的功能。人们没有时间真正思考方法论，而是更关注如何快速地将人工智能融入工作的方方面面。

Synopsys产品营销总监布拉德利·格登表示：“人工智能的普及程度令人难以置信。高管们都担心错失良机。如果竞争对手突然能在6个月内完成芯片流片，而不是之前的18个月，那么他们就输了。人工智能的普及无疑引发了一场军备竞赛。”

这意味着要在开发周期的每个环节都部署人工智能。Cadence 的产品营销总监 Paul Graykowski提出了每个客户都迫切想知道的问题：“我还能做些什么？我还能做得更好、更快、更高效、更高质量吗？”

格雷科夫斯基说：“我接触过的所有客户都抱怨工期非常紧张。他们总是被要求做很多额外的工作，比如‘你必须做这个，做那个’。他们的客户要求很高，他们面临着诸多压力，例如如何提高质量、增加产量、做得更好。很多公司要么招不到人，要么预算有限。如今，大多数公司都在尝试利用人工智能来提高效率，确保产品能够按时上市。如果他们能够利用虚拟工程师来补充现有员工，并朝着正确的方向发展，他们或许就能更好地掌控工期，从而更准确地预测未来。”

虽然其中很多方面难以量化，但这并没有阻止人们尝试。“早期客户经验表明，智能体工作流程可以将一个150人的验证团队的产出提升到相当于一个400多人团队的水平，” ChipAgents首席执行官William Wang表示。“这使得规模较小的团队能够在更高的水平上参与竞争，同时也使大型组织能够显著加快发展速度。”

提高速度显然是目标之一，但绝不能以牺牲质量为代价。“他们希望节省时间，从而完成更多工作，”西门子EDA高级副总裁兼总经理Abhi Kolpekwar表示， “过去完成验证收敛需要10个资源，但现在，由于人工智能和智能代理的应用，资源可以得到节省。他们现在可以进行更多验证工作吗？重要的是，他们希望用现有的人力完成更多工作。而且他们也看到了其中的价值。第三个方面是速度。他们都希望更快地完成覆盖率收敛。他们不想牺牲质量，但他们不希望由人工智能来决定质量。他们希望由拥有30到40年经验的验证工程师来审核质量。”

如今一切都关乎效率。“一旦市场接受度稳定下来，他们就能开始思考下一步的自然发展方向，”Cadence公司的Graykowski说道。“我们如何才能做得更好？这涵盖了诸如提高PPA（购买价格协议）等诸多方面。这能否帮助我们缩短产品上市时间？能否减少产品缺陷？”

这些成果最终将如何应用仍不确定。“人工智能辅助验证可以帮助团队探索更多场景，更早地发现歧义，并提高系统级覆盖率的一致性，” Arteris产品管理和市场营销副总裁 Andy Nightingale 表示。“短期来看，其成果很可能是更好的产品，而不仅仅是更多的产品。随着时间的推移，生产力的提高也可能带来更多衍生设计和更快的产品周期，但这只有在团队信任其输出结果并将人工智能集成到实际工程工作流程中，而不是将其视为孤立的辅助工具时才有可能发生。”

它究竟对谁有帮助？这在业内造成了一种有趣的局面。当被问及某项功能或特性预期如何使用时，EDA供应商往往无法给出明确的答案。有时，甚至连谁会使用它都不清楚。

Graykowski 说：“有一种想法是，在开始部署代理时，你会聘请一位初级工程师来协助处理这些事情。他/她是高级工程师的助手。高级工程师负责分配任务，让工具自动解决问题。但如果你缺乏必要的设计经验，最终得到的结果质量可能会受到影响，或者你的工作效率会很低。”

但这可以帮助初级工程师。“对于新员工来说，他们无需学习工具，”西门子的科尔佩克瓦尔说，“他们无需学习设置。他们只需将命令传递给智能体，智能体就会读取上下文并进行设置。对工具的熟悉，以及形式化断言和属性的应用，已经显著降低了应届毕业生融入商业世界并开始工作的门槛——降低了数倍。”

但目前对此仍未有定论。“最初，我们认为这能让初级工程师建立一套正式的测试平台，并让他们从第一天起就成为专家，”Synopsys 的技术人员 Ramesh Narayanaswamy 说。“虽然高级工程师完全有能力做到这一点，但他们认为这可以帮助他们处理一些繁琐的工作，从而让他们能够专注于核心问题，例如找到难以证实的论断。这正是他们发挥自身专长的地方。高级工程师则利用这来腾出更多精力，去做一些他们原本可能不会做的事情。”

不过，无论技能水平高低，都能从中获益。“无论经验水平高低，都能从中获益，”ChipAgents 的王说道。“资深工程师实际上获得了一支虚拟 AI 代理团队，可以增强他们的专业知识和决策能力；而初级工程师则能成为倍增器，能够以更高的水平执行任务，并更快地提升技能。”

最终，我们可能会看到两类人工智能助手。“仅仅拥有红黄绿（RAG）文档和聊天机器人就能为初级员工提供极大的帮助，”Graykowski说道。“他们可以在调试时利用这些工具来追踪信号。是谁触发了这个信号？你可以向工具提问，并获得相关信息。工具可以为你提供指导。现在很多工具都配备了功能齐全的API，你可以提出复杂的问题。助手可以为你编写脚本、提供脚本或执行脚本。这可以节省大量时间。对于初级工程师来说，仅仅使用工具内置的助手就能获益匪浅。”

另一些人则认为，最大的受益者是资深验证工程师。“我们设计的这款工具，实际上是将人工智能代理比作一名初级验证工程师，”Cadence 的杰出工程师 Hamid Shojaei 表示，“这意味着代理需要资深验证工程师的指导。他们需要审查代码，给予代理反馈，并与其协作，直到获得正确的结果。我们可以让 10 名初级验证工程师指导一名资深验证工程师，这样他们的工作效率会大大提高。”

人工智能的部署确实可能会让初级工程师感到不知所措。“通用人工智能工具的功能是为资深人员设计的，”Moores Lab AI 的创始人兼首席执行官 Shelly Henry 表示，“如果交给初级工程师，他们可能会完全不知所措，也做不了什么。但如果交给资深工程师，他们就能充分利用这些工具，快速创建测试用例和测试平台。问题在于如何提高初级工程师的效率，因为每个公司都不可能拥有那么多专家。你只能指望 10% 的工程师是专家，剩下的 90% 都是初级工程师。我们如何才能让他们高效工作？这才是关键所在。资深工程师知道如何实现这个目标，但初级工程师可能会迷失方向。”

当你深入到更细致的层面时，情况就变得有些模糊了。事实上，目前还没有人知道如何以最佳方式部署人工智能，才能持续可靠地带来既定效益，以及它将对团队组织方式和方法论演变产生怎样的影响。

前文的核心概念之一是，必须创建一个心智模型。“心智模型接收各种输入——测试代码、RTL 代码、规范等等，然后你需要与它互动、交流，最终构建出这个模型，”Graykowski 说道。“基于此，它可以生成测试计划、生成覆盖率点、生成 UVM 代码，它可以完成所有这些类型的任务。”

这正是资深工程师目前所依赖的——他们的专业知识。“最初，经验丰富的工程师受益最大，因为他们了解设计意图、验证策略以及如何识别错误或误导性的结果，”Arteris公司的Nightingale说道。“他们可以有效地指导和约束智能体。初级工程师也能通过工作流程辅助和知识加速获益，但仍然存在过度信任看似合理的输出的风险。验证仍然需要工程判断，因为即使人工智能偶尔可以容忍模糊性，硅芯片也无法容忍任何歧义。”

关键问题在于如何将资深工程师的技能传授给初级工程师，使其能够胜任同样的工作。“资深工程师拥有一些方法论和经验，例如如何重写代码才能提升性能或增强可验证性，”Synopsys 的 Narayanaswamy 表示。“这些资深工程师的技能可以作为第一层指导，例如，让初级工程师进行初步的代码审查。虽然效果不如面对面交流，但可以帮初级工程师完成最初的 60% 的工作。这样可以提升初级工程师的技能。最终的模式是，初级工程师需要像资深工程师一样思考。他们不再直接管理下属，而是管理他们的助手。”

调试与经验息息相关。“如果你有一位经验丰富的验证工程师，他们通常知道如何解读签名，将签名映射到潜在的根本原因，并从那里入手，”Kolpekwar说道。“要成为一名高效的调试验证工程师，需要投入大量的时间。这就是为什么我们仍然要花费超过40%或50%的总时间进行调试。在这个过程中，每个人的经验可能参差不齐，而造成这种差异的原因有很多。”

这是很少有人提及的一个方面：谁来设置和训练这些代理？Kolpekwar 表示：“要想高效地进行调试，代理必须真正了解客户生态系统，并对其进行培训，使其具备高质量的上下文智能，从而能够读取系统、理解故障特征并进行根本原因分析。在简单的设置下，代理可能无法很好地完成任务。而在一些复杂的设置中，工具上方有三层脚本，在最终到达用户之前，代理需要一些时间来将系统‘嵌入’其中，而这正是其响应可能有效的关键所在。”

但两者之间存在巨大差距。“对于初级工程师来说，你需要一个客观的衡量标准，”纳拉亚纳斯瓦米说。“初级工程师最缺乏的，也是他们应该随着时间推移从资深工程师那里学习的，就是判断力。”

或许学生们会在大学里学习一些新技能，从而更快地掌握要领。“如果你不懂编程，最终的成果也不会很好，”格雷科夫斯基说道。“但如果你知道如何正确地分解问题，关键就在于那些提示。知道该向工具提出什么问题才能进入下一步，这一点至关重要。而这正是工程师经验水平真正发挥作用的地方。”

所需的技能组合变化可能很大。“展望未来，初级验证工程师需要学习新技能，”Cadence 的 Shojaei 表示，“他们需要知道如何为这些代理编写良好的规范，以便它们能够正常工作。他们需要学习签核流程，而不是编写代码和理解 UVM 的细节等等。他们需要知道如何向代理提供反馈，如何审查代理的结果，以及最终如何进行签核。这是一项他们应该从大学就开始学习的新技能，而不是把大量时间浪费在 Verilog 和 UVM 上。编码部分迟早会被取代。”