在Arxiv 网站上有一篇论文称「我们相信，AI 将能够缩短芯片的设计周期，在硬件与AI 算法之间建立共生关系，并进一步推动彼此的进步。我们已经看到，有些算法或神经网络架构在现有的AI 加速器上效果不佳，因为加速器设计类似于两年前，而那时这些神经网络架构和算法并不存在。」还有Google 高级研究科学家Azalia Mirhoseini 称「如果缩短设计周期，我们可以缩小差距。」

芯片开发最耗费时间的是「布局」，Mirhoseini 和高级软件工程师Anna Goldie 提出了一个神经网络，是通过对芯片的长时间学习，使其能够在24小时内设计好Google Tensor 处理单元，并且在功耗、性能、面积上超过了专家数周的研究成果。

值得注意的是，Goldie 和Mirhoseini 的AI 布局建模为强化学习问题，不是通过大量数据来进行训练学习，而是让AI 边做边学习。这样设计的好处是能够有效调节参数，降低功率等，并且随着设计的越多，呈现的效果会更好。

两大EDA 公司也推出了相应的工具。Synopsys 的自主AI 芯片设计工具DSO.ai(Design Space Optimization AI)。是通过芯片设计产生大数据流，随着时间演变，调整设计，让设计向多维优化目标发展。Cadence 为新版Cadence 数字全流程，支持机器学习（ML）功能，实习统一布局布线和物理优化引擎等多项业界首创技术，在吞吐量上最高提升3倍，PPA 最高提升20%。

随着AI 技术的发展，不知道还会带来什么样的便捷，真是科技改变生活。