看板 Tech_Job作者 justin199306 (哈哈)標題 [請益] APR的發展可能被google AI設計IC取代嗎？時間 Sun Jun 27 10:22:36 2021
如題，今日小弟考慮轉職，從雷射模組跳到半導體的APR。
但又看到谷歌的IC能設計晶片，並且能有效降低晶片功耗及體積。這樣APR會被AI取代嗎
？還是APR有其他的know how，所以也不至於被取代？
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.249.76.29 (臺灣)
※ 文章代碼(AID): #1Wr-3krP (Tech_Job)
※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1624760558.A.D59.html
推 h9602b: 短期很難，APR在做決定有很多是無法做"量化"分析的1F 06/27 10:25
→ h9602b: AI我不懂，會發展成怎樣我也不知道，但以前讀研念APR演算法的概念，像floorplan這種需要考量類比需求的連obj function都訂不出來的這個我相信短期很難自動化，那你說像placement這種比竟規一化的東西，不用說AI，最佳化演算法就解得差不多了3F 06/27 10:26
推 cateran: 十年內不可能 聽說當初google內部的IC團隊就有
問過deepmind能不能把alpha go借來做APR
結果得到的答案是難度差幾個數量級
現在AI連車都開不好 要做全自動APR是越級打怪
就算train出一個model 結果製程節點一更新 就沒用8F 06/27 10:38
→ andyping: apr某些特殊製程應該無法實現吧 比如top metal 1um以上 然後低層數的design 應該還是要人工13F 06/27 10:56
推 Morphee: 上面回文的感覺沒看過最新哪篇nature16F 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17F 06/27 11:10
推 Izangel: 看一下最新論文吧，performance也許還有差一些，但速度比人工快太多了18F 06/27 11:28
→ MAgong: 不可能被取代，類比電路太多matching know how20F 06/27 11:34
推 a12349221: 最難的就是高階placement跟routing21F 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model也有根本無法model的，你說AI加入演算法
synopsys早就做進timing ECO engine裡了，可以做的原因是ECO已經obj function可以被描述，但APR流程無法數學描述的東西多的事，況且目前這部分的功能非常侷限，design差一點整個AI就要重新training,我是不知道那篇所謂的nature指的是APR哪部分
有人可以描述那篇論文在說啥嗎??22F 06/27 11:59
噓 a000000000: 想太多喇 ai能作的部份EDA公司肯定第一葛包進去然後老闆跟晶片架構啥的一樣會找出東西給尼忙
還有如果尼4作最先進製程的 EDA那些怪怪的新功能光是要過新製程認證就不知道要搞多久惹
常常都要量產惹還沒搞定
一弄就好幾年30F 06/27 12:33
推 wahaha279: 略懂ai 不懂APR，好奇AI很多不能解釋的預測真的是IC設計能接受的嗎？36F 06/27 12:39
推 ming5566: 樓上教主 推一下
外行的借文問一下 那fully layout是不是更難被取代呢38F 06/27 12:40
推 cateran: 樓上 這確實是業界不太能接受的情況
整套APR flow幾十個步驟Nature論文只是其中一小塊就像看到一篇論文說AI可以辨識紅綠燈
就說AI可以完全取代人工開車一樣 十年後再看看吧41F 06/27 12:41
推 cphe: 有請上面兩位看過最新論文的出來講解吧45F 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
不能解釋你工作效率比別人好啊？46F 06/27 13:00
推 O3Ob: 認真說 10年後有可能啊 大概中年失業
就算沒被取代apr人力也會需求也會減少
其實現在c/s auto place功能也在進化 也不一定fp比較差48F 06/27 13:10
推 cateran: 樓上 不能解釋的意思就是出bug你沒法修 懂嗎
EDA客戶design style百百種 怎麼可能一個model全包今天你的design AI效果不好 你怎麼辦 重新train?
重新train 把你一個新design style加到訓練集
你要怎麼跟過去的舊資料balance?
傳統EDA工具 真的客戶tape out有問題要急修
你把code加個if 然後就可以出patch 客戶成功出chip52F 06/27 13:30
→ wake7078: 經驗豐富的 不會被取代 菜鳥要擔心59F 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？60F 06/27 13:36
→ wake7078: AI還需要更大量資料學習 出錯率掉到5%
不可能100%取代 但能取代90%以上的工作時
公司不需要打雜 有經驗一個就好61F 06/27 13:38
推 bluemkevin: EDA公司光是新製程的Tool都一堆bug要解，而且人力需求越來越多，AI 要取代人的部份其實也早就自動化，省下來的時間只是拿來做更多的trial run ，PD的剛需還是擺在那。
以前也是說隨著APR工具越來越強大，PD編制會越來越少，結果大部份公司還不是擴編再擴編64F 06/27 13:47
→ ptta: 但是會變得越來越簡單，這樣工程師的價值就降低了70F 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71F 06/27 14:58
噓 hsnuyi: 老話一句 能發財的東西不會拿去發paper72F 06/27 15:04
推 tch0439: 軟體工作取代硬體工作已經是趨勢 你各位拜託面對現實為失業做準備好嗎73F 06/27 15:06
推 bluemkevin: Tool 即使強大，還是很需要工程師來操作判斷，尤其需要資深的工程師。75F 06/27 15:20
推 sibymoo: Artical: https://go.nature.com/35TBYiq
APR有很多階段，本篇描述的floor plan也只是眾多步驟的其中一步，後面還有timing ECO等等。
後面目標就是signoff，不要說5%outlier，就算是一條path也不容出錯。畢竟chip出去跑不動，幾個月的白工是沒人能承擔的。
AI是趨勢，但要取代這塊可能沒辦法。77F 06/27 15:22
推 bluemkevin: FP 其實也沒有花到多少工程師人力，但是工程師很需要這種Tool幫忙84F 06/27 15:51
→ Qcloud: 短期很難啊，先進製程的一堆rule一直加
那些rule光floorplan就可以玩死工程師了87F 06/27 16:20
推 silentchaos: 假如你認為APR只有placement 那你真的不了解APR89F 06/27 16:58
推 senjyu: 那篇論文只有floorplan, CS早就有了
c家跟S家都在做，而且都是ML based90F 06/27 17:51
噓 bluesox: 目前無法，幾年後很難說92F 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代 然後什麼都不要學好了93F 06/27 18:43
→ Monoxxx: 有難度，layout也是NP Problem..95F 06/27 19:33
→ hsnuyi: SAT也是NP ML能不能解跟NP有啥關係? 現在又不是要找最佳解 ML的問題根本不在這 現在實務上也是用approxalgo APR就是個圖論問題
S或C現在也只是用ML找pattern罷了 像是把一些高機率會有問題的CT形狀抽調 跟台大那用X光片辨識肺部腫瘤有八成像
等各個module不會要進正式PD前還在改port 再討論ML也不遲96F 06/27 19:55
--