隨著人工智能時代到來，做芯片的兄弟們心中往往有三大疑問：

·IC 這個行業(yè)在人工智能時代到底會怎樣?

·IC Design這個工作是否會被人工智能取代?

·我們到底要不要轉(zhuǎn)碼農(nóng)?

這篇文章就和大家探討這三個問題，也歡迎大家在后臺和我們繼續(xù)探討。

1.人工智能時代，IC到底怎么樣?

目前的行業(yè)景氣程度可以說是人工智能相關(guān)行業(yè)非常熱門，而半導體行業(yè)除了中國以外都是不溫不火;那么，IC designer這個行當在人工智能時代到底怎么樣呢?

“人工智能時代”要從一個更宏觀的角度去考慮。人工智能是不是只是深度學習算法的革命?是不是只是碼農(nóng)的工作?我認為，并不是這樣。所謂的“人工智能”，本質(zhì)上是要讓機器更加自動化，所以說“人工智能時代”更好的表達是“人工智能機器時代”。在未來，智能機器可以是有形的，也可以是無形的;例如，物聯(lián)網(wǎng)的智能交通燈控制系統(tǒng)，在各個角落鋪開海量傳感器隨時監(jiān)控各條道路的交通流量，匯總信息到云端服務器，經(jīng)過人工智能算法計算后智能調(diào)整每個交通燈的紅綠燈時間。這一整個系統(tǒng)就符合智能機器的定義，但是這個機器的很多部分是無形的。我們即將進入的的人工智能機器時代，就會有許多這樣規(guī)模龐大而又神龍見首不見尾的機器來改善我們的生活。既然是做機器，那么就不會僅僅是CS人的事情，而是做EE的同學們也將會有很大的貢獻。一個智能機器，如果將其與人體相類比的話，會需要以下部分：

*大腦：核心處理器芯片，負責執(zhí)行算法。深度學習中使用的計算芯片和通常的CPU甚至GPU都有很大不同，因此需要重新設(shè)計，這也是處理器領(lǐng)域的一個新機遇。Google推出了TPU，Nvidia即將推出開源的DLA，Amazon和微軟都在使用FPGA加速云計算，而在終端邊緣計算如何設(shè)計效率最高的芯片目前還沒有定論，目前和未來幾年內(nèi)可以說是深度學習相關(guān)處理器芯片發(fā)展的黃金時期。

*五官：傳感器芯片，負責從環(huán)境中感知信息。海量的物聯(lián)網(wǎng)節(jié)點需要的傳感器根據(jù)不同的感應信號和功耗、靈敏度需求會有一個巨量的長尾市場，“長尾”的意思就是不同的品類都有屬于自己的小市場，而不會有一款通用的傳感器來吃下整個市場。

*神經(jīng)：無線連接芯片，負責把傳感器的信號傳回云端。無線連接需要做到低功耗，目前的IoT無線連接技術(shù)在人體植入芯片等地方還無法達到要求，所以還有許多路要走，同時也會出現(xiàn)許多新的公司和新的技術(shù)，為射頻市場帶來新的活力。

由此可見，智能機器離不開IC，而且隨著機器的進化，IC也會隨之進化，IC這一行并不會缺活干。隨著機器用途、種類的越來越多，IC的需求也會大量增長。我們不妨回顧一下，之前的IC和機器發(fā)展之間的關(guān)系。在上世紀80年代到本世紀初，半導體領(lǐng)域的強勁增長來源于個人電腦PC的普及;在本世紀初隨著互聯(lián)網(wǎng)泡沫破滅，半導體行業(yè)萎靡了幾年，但是之后隨著智能手機的普及，半導體行業(yè)再次恢復了強勁增長。PC，智能手機等都是典型的新機器;而下一代智能機器則會比PC和智能手機的市場量遠遠要大，因此對于半導體集成電路市場的驅(qū)動力要遠遠大于之前的兩波增長。

現(xiàn)在的關(guān)鍵就在于，智能機器時代什么時候到來了。孫正義在前兩天2017軟銀世界大會的演講中表示“信息革命的新世界正在到來，連睡覺都覺得浪費”，“在20年內(nèi)連接1萬億個節(jié)點的物聯(lián)網(wǎng)就會實現(xiàn)，這些海量數(shù)據(jù)將會促使超級人工智能誕生，到達技術(shù)奇點”，然而，他同時也表示這個技術(shù)奇點到來的時間估計“可能會有數(shù)十年的偏差”，因此準備在IC領(lǐng)域繼續(xù)奮戰(zhàn)的兄弟們也要做好持久戰(zhàn)的心理準備。

孫正義表示由物聯(lián)網(wǎng)驅(qū)動的人工智能很快會到達技術(shù)奇點

總結(jié)：在機器革新時代，芯片作為機器的核心部分，一定也會迎來很大的增長。

2.IC Design是否會被人工智能取代?

IC Design會在人工智能時代有很大發(fā)展，但是，會不會到時候就不需要人工設(shè)計，而是用人工智能就行了?目前，人工智能已經(jīng)進入了許多傳統(tǒng)的高大上行業(yè)，不少行業(yè)甚至已經(jīng)開始了下崗潮。舉例來說，原來金融行業(yè)中負責風險控制和審批貸款的信審員，最近就已經(jīng)在慢慢被人工智能取代，因為機遇大數(shù)據(jù)的人工智能算法在決定是否批準貸款方面甚至比真人還要準確，而且速度快得多，最關(guān)鍵是便宜。另一個人工智能快速入侵的行業(yè)是媒體編輯，隨著今日頭條這樣幾乎完全使用人工智能分發(fā)內(nèi)容的App的崛起，不少傳統(tǒng)媒體也開始嘗試使用人工智能算法而非依賴真人編輯來發(fā)布內(nèi)容，內(nèi)容編輯的工作正在慢慢被機器取代。

我認為人工智能目前尚無能力取代芯片設(shè)計工程師，但是可以幫助工程師簡化工作。寬泛的人工智能就是機器自動解決問題的能力，或者說機器在解決問題的過程中需要多少人工干預。

首先我們來看看數(shù)字電路。對于數(shù)字電路，舉例來說要設(shè)計一個計數(shù)器，最早設(shè)計需要工程師自己根據(jù)需求畫卡諾圖搭電路，需要幾個觸發(fā)器幾個與非門怎么連接都得自己設(shè)計。后來自動綜合工具出現(xiàn)后，主流設(shè)計流程變成了工程師輸入用硬件描述語言(HDL)描述的rtl級設(shè)計，由機器把HDL翻譯成實際電路。如果把人工智能定義為機器解決問題的能力，那么這可以說是人工智能在電路方向的重大進展。人工智能在數(shù)字電路方面的作用巨大，有兩個原因。第一，硬件描述語言是完整的。“完整”的意思是，任何可以用數(shù)字電路能實現(xiàn)的功能都可以用抽象HDL語言來描述。第二，數(shù)字電路設(shè)計目前都是基于標準單元庫，非常規(guī)整。智能工具可以根據(jù)設(shè)計約束把高級硬件描述語言翻譯成由標準單元庫里面的單元實現(xiàn)的電路。比如你輸入一個3-8譯碼器的HDL描述，智能工具輸出由tsmc 28nm lvt std lib實現(xiàn)的電路網(wǎng)表(其中包括一堆與非門)。

對于模擬電路，智能工具面臨幾個問題。第一，針對模擬電路的硬件描述語言不可能同時做到抽象和完整。舉例來說，目前的模擬電路硬件描述語言是spice，它是完整的但并不抽象：一個由spice描述的電路和一個由電路圖描述的電路是一模一樣的，每個spice語言描述的元件與電路圖是一一對應的。但HDL語言描述的數(shù)字電路可能對應無數(shù)種具體實現(xiàn)(例如你寫a=b+c;可能會被綜合成行波加法器，進位旁路加法器，Kogge-Stone加法器等等，取決于你的設(shè)計約束)。但如果模擬電路的硬件描述語言是抽象的，就不可能是完整的。比如你要用抽象的語言描述一個放大器，該怎么描述?你可以用增益，帶寬，輸入輸出阻抗來大致描述，但是這樣必然是不完整的。先不說工程師不可能輸入放大器在每一個頻點的增益，帶寬，輸入輸出阻抗;請問放大器的延遲怎么描述?大信號特征怎么描述?噪聲怎么描述?隨著新電路的加入，會有新的性能指標需要被描述，所以針對模擬電路的硬件模擬語言不太可能是抽象且完整的。

如果我們退而求其次，不求數(shù)學上的完美，只求智能工具幫我們自動把硬件描述語言映射到具體電路實現(xiàn)，那么模擬電路的機器智能設(shè)計也是可能的。我們需要的是一個模擬電路的IP單元庫，每個IP的特性都很要很清楚。于是你可以說我需要一個工作在2.4 GHz的接收機，噪聲系數(shù)是4 dB，IIP3是10dBm，功耗限制是20 mW，面積小于1mm^2，工具根據(jù)你的約束自動分析從單元庫里選擇合適的LNA，mixer和LPF幫你生成電路。只是這樣做你就沒法用各種trick，比如你很難教會智能工具什么時候應該用Cartesian feedback，什么時候應該在某個節(jié)點加一個harmonictrap，人工智能能做的只是遍歷搜索。我覺得以目前的電路設(shè)計方法論，模擬電路用人工智能設(shè)計出一個能用的電路是完全可行的，但是要設(shè)計出一個高性能的非常難。

因此，總結(jié)上面的討論，人工智能在EDA領(lǐng)域能幫助IC工程師簡化工作，但是還缺乏工程師的一些重要特質(zhì)(定義問題，提出解決方法，甚至創(chuàng)新電路或系統(tǒng)結(jié)構(gòu))，因此更可能成為設(shè)計師的幫手而非取代工程師。事實上，在EDA工具中使用人工智能機器學習確實是趨勢，TSMC在2017年ISSCC Plenary Talks中也提到了這個潮流并積極在這個領(lǐng)域和各大EDA公司合作。所以大家不用太擔心下崗!

3.是否要轉(zhuǎn)coding?

IC designer最關(guān)心也是糾結(jié)的第三個問題是：要不要轉(zhuǎn)碼農(nóng)?

其實這個問題沒有一個確定的答案，因為未來沒有人能估計得到。大家最關(guān)心的還是待遇問題，關(guān)于待遇我有兩個想法：

第一，近期來看，軟件工程師，尤其是人工智能相關(guān)的算法工程師收入存在很大泡沫，未來有較大的可能下調(diào)回歸理性值?，F(xiàn)在是人工智能泡沫的高峰期，許多互聯(lián)網(wǎng)巨頭愿意花大價錢投入人工智能以搶占先機，而各大從事人工智能領(lǐng)域的初創(chuàng)公司也很容易從從風險投資那邊拿到資金，另一方面人工智能算法工程師的人數(shù)尚存在一些缺口，因此就造成了相關(guān)職位愿意開大價錢招人，甚至工資會遠高于工程師所創(chuàng)造的價值。之后，隨著價值回歸理性，以及眾多人才流入，人工智能相關(guān)的工程師身價必然也會回歸理性——當然不是說每個人都會降低工資，而是會回歸到接近你能為公司創(chuàng)造的價值，對于大牛來說隨著自己能創(chuàng)造越來越多的價值其收入不會降低反而會升高。

根據(jù)Gartner最近的分析，人工智能目前正處于泡沫的高峰，預期幾年后就會回歸理性

第二，CS的工資從長遠看會略高于IC Design。這是由行業(yè)決定的：CS從事的IT業(yè)屬于服務業(yè)，離終端消費者近，意味著能更高效率地賺錢;IC Design則是制造業(yè)，離消費者稍遠，因此收入會略低于CS。但是，IC Design的門檻要遠高于CS，一般至少需要研究生才能勝任，而CS的門檻則要低不少。這也就使得人才更容易往CS方向去，從而使得這兩個行業(yè)的工資差變小。因此，IC Design的合理收入應當只是平均略低于CS，但是不應當?shù)吞?10%-20%之間)。

那么，這對于我們來說又意味著什么呢?最重要的是，coding的工資和IC的工資大概率差距不會特別大，因此在IC業(yè)做到前20%的人的工資一定會比在CS行業(yè)中等水平高。換句話說，如果你在IC業(yè)已經(jīng)有一定積累做得還不錯(例如，前20%)，那么除非你確認在CS行業(yè)也能做到相似的水準，否則轉(zhuǎn)行去CS如果只是一個普通工程師的話，轉(zhuǎn)行未必是最好的選擇。那么，如果對于這兩行都是新接觸，該如何選擇呢?其實，這又牽扯到另一個問題，就是如何能保證自己在業(yè)界做得不錯?很多人會說“興趣”，在我看來，“興趣”這個東西太虛無飄渺，我覺得更好的說法是“能持續(xù)學習進步的能力和意愿”。如果能保證有很強的動力保持學習，那么，只要方向正確，你一定能在行業(yè)里做得不錯。有些人保持學習的意愿來自于意志力，還有很多人來自于興趣。因此，如果你是新人的話，就不妨評估一下對于IC和CS哪一行你更有可能保持學習的能力和意愿吧!