如何使用AI工具提高集成电路设计效率！

采用人工智能来帮助工程师来设计芯片，随着AI在专业领域的加速渗透，Synopsys.ai 加强了人工智能（AI）领域的投入，通过与 Microsoft 合作，推出了基于 Copilot 的新一代生成式人工智能（GenAI）功能。合作整合了 Azure OpenAI 和 Synopsys.ai GenAI 的功能，将 Copilot 的应用领域扩展至电子设计自动化（EDA）领域。

以后工程师将借助更先进的AI工具来提高集成电路的设计效率！

Copilot 最初是由 GitHub/Microsoft 和 OpenAI 合作推出的开发项目，致力于辅助软件开发人员编写代码，提供诸如将代码注释转换为可运行代码、自动完成代码块、代码重复部分以及整个方法和/或函数等功能。Microsoft已经显著扩展了Copilot的功能范围，覆盖了Microsoft 365等多个领域，并推出了解决方案，支持销售、服务和安全，并提供对软件开发人员的帮助。由于Copilot的广泛影响，Synopsys决定将其技术延伸到EDA领域。值得注意的是，常规的Copilot已经支持寄存器传输级（RTL），但Synopsys的目标是推出更为强大的版本。

为什么要继续强调人工智能呢？

这主要是因为人工智能作为一项新技术，具有广泛的潜在应用，并被视为解决设计挑战的重要工具。在当前设计环境中，特定领域架构和多芯片系统的发展趋势使得产品团队在克服性能和功耗扩展方面受到摩尔定律的限制。然而，这些方法增加了设计、验证和实施的复杂性，而设计团队则需要在更紧迫的时间表下交付产品。同时，到2030年，整个行业预计将面临数万名工程师的短缺。因此，人工智能成为解决这些挑战的一种途径，不仅通过流程工具中的人工智能功能，还通过辅助方法，例如Synopsys Copilot，以更快地找到最佳解决方案。

Synopsys.ai Copilot与设计师紧密合作，首批推出的功能包括测试工程师的协作功能，提供工具知识、结果分析和增强的EDA工作流程。此外，Copilot还具备生成能力，可加速RTL、形式验证断言创建和UVM测试平台的开发。未来，Synopsys EDA团队计划在Synopsys.ai套件中推出更多自主功能，实现从自然语言到设计和制造的端到端工作流程创建。

从形式验证断言开始，这一功能尤为强大。形式验证一直是一项强大的技术，但由于对高水平专业知识的需求限制，历史上一直受到从业者的限制。Synopsys Copilot通过将验证工程师编写的自然语言要求转换为正确的形式语法并为RTL提供建议，提供了更大的帮助。对于RTL生成，Copilot的应用场景更为复杂，可以自动完成代码段，甚至根据自然语言描述创建代码片段。这对于初级开发人员来说可能是有价值的加速器。

在这一切的背后，Synopsys.ai强调他们与Synopsys VC正式小组的合作，以保护和检查生成的代码。不仅仅是概念验证，Synopsys.ai利用多种技术和多年的学习和专业知识，确保生成的代码在性能、功耗和面积（PPA）分析等方面是可靠的。

这项技术正处于早期定制评估和完善阶段，主要面向早期客户，如AMD、Intel和Microsoft等。预计通用版本将在逐步改进和验证这些功能的基础上推出，以满足更广泛的用例需求。通过这一合作，Synopsys积极迎接挑战，以实现产品的快速交付，同时对其技术和方法负责。

审核编辑：黄飞