※ 本文轉寄自 ptt.cc 更新時間: 2021-06-28 09:34:11
看板 Tech_Job
作者 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 : 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
→ : Routing難 placement 有機會2F 06/27 10:26
→ : AI我不懂，會發展成怎樣我也不知道，但以前讀研念AP3F 06/27 10:26
→ : R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
→ : R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
推 : 十年內不可能 聽說當初google內部的IC團隊就有8F 06/27 10:38
→ : 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
→ : 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
→ : apr某些特殊製程應該無法實現吧 比如top metal 1u13F 06/27 10:56
→ : m以上 然後低層數的design 應該還是要人工
→ : m以上 然後低層數的design 應該還是要人工
→ : 謝謝各位大大為小的解惑～15F 06/27 10:56
推 : 上面回文的感覺沒看過最新哪篇nature16F 06/27 11:09
推 : 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 : 看一下最新論文吧，performance也許還有差一些，但18F 06/27 11:28
→ : 速度比人工快太多了
→ : 速度比人工快太多了
→ : 不可能被取代，類比電路太多matching know how20F 06/27 11:34
推 : 最難的就是高階placement跟routing21F 06/27 11:51
推 : 我沒看過那篇論文，不過APR整個流程太多了，有容易22F 06/27 11:59
→ : 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??
→ : 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??
噓 : 想太多喇 ai能作的部份EDA公司肯定第一葛包進去30F 06/27 12:33
→ : 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
→ : 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
推 : 略懂ai 不懂APR，好奇AI很多不能解釋的預測真的是IC36F 06/27 12:39
→ : 設計能接受的嗎？
→ : 設計能接受的嗎？
推 : 樓上教主 推一下38F 06/27 12:40
→ : 外行的借文問一下 那fully layout是不是更難被取代
→ : 呢
→ : 外行的借文問一下 那fully layout是不是更難被取代
→ : 呢
推 : 樓上 這確實是業界不太能接受的情況41F 06/27 12:41
→ : 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
→ : 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
推 : 有請上面兩位看過最新論文的出來講解吧45F 06/27 12:56
推 : 為何要能解釋預測？準確率高就是好model啊，你也46F 06/27 13:00
→ : 不能解釋你工作效率比別人好啊？
→ : 不能解釋你工作效率比別人好啊？
推 : 認真說 10年後有可能啊 大概中年失業48F 06/27 13:10
→ : 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
→ : 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
推 : 樓上 不能解釋的意思就是出bug你沒法修 懂嗎52F 06/27 13:30
→ : 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chip
→ : 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chip
→ : 經驗豐富的 不會被取代 菜鳥要擔心59F 06/27 13:36
→ : 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
→ : AI還需要更大量資料學習 出錯率掉到5%61F 06/27 13:38
→ : 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
→ : 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
推 : EDA公司光是新製程的Tool都一堆bug要解，而且人力需64F 06/27 13:47
→ : 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。
推 : 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
→ : 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。
推 : 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
→ : 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
→ : 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 : 老話一句 能發財的東西不會拿去發paper72F 06/27 15:04
推 : 軟體工作取代硬體工作已經是趨勢 你各位拜託面對現73F 06/27 15:06
→ : 實為失業做準備好嗎
→ : 實為失業做準備好嗎
推 : Tool 即使強大，還是很需要工程師來操作判斷，尤其75F 06/27 15:20
→ : 需要資深的工程師。
→ : 需要資深的工程師。
推 : Artical: https://go.nature.com/35TBYiq77F 06/27 15:22
→ : 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。
→ : 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。
推 : FP 其實也沒有花到多少工程師人力，但是工程師很需84F 06/27 15:51
→ : 要這種Tool幫忙
→ : 要這種Tool幫忙
推 : 不用想這麼多 股票買一買 風險有對沖就好了86F 06/27 15:53
→ : 短期很難啊，先進製程的一堆rule一直加87F 06/27 16:20
→ : 那些rule光floorplan就可以玩死工程師了
→ : 那些rule光floorplan就可以玩死工程師了
推 : 假如你認為APR只有placement 那你真的不了解APR89F 06/27 16:58
推 : 那篇論文只有floorplan, CS早就有了90F 06/27 17:51
推 : c家跟S家都在做，而且都是ML based
推 : c家跟S家都在做，而且都是ML based
噓 : 目前無法，幾年後很難說92F 06/27 18:32
推 : 講一堆廢話 如果apr真的可以用ai先去擔心寫程式被取93F 06/27 18:43
→ : 代 然後什麼都不要學好了
→ : 代 然後什麼都不要學好了
→ : 有難度，layout也是NP Problem..95F 06/27 19:33
→ : SAT也是NP ML能不能解跟NP有啥關係? 現在又不是要找96F 06/27 19:55
→ : 最佳解 ML的問題根本不在這 現在實務上也是用approx
→ : algo 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
→ : 最佳解 ML的問題根本不在這 現在實務上也是用approx
→ : algo 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
→ : 到時再轉職就好啦 現在缺超多104F 06/27 21:17
--
※ 看板: Tech_Job 文章推薦值: 0 目前人氣: 0 累積人氣: 849
回列表(←)
分享