爱丁堡大学研究，LLM芯片设计从代码生成转向EDA编排

近日，爱丁堡大学的研究团队在芯片设计领域发表了一项重要研究成果，探讨了大型语言模型（LLM）在数字EDA（电子设计自动化）流程中的角色演变。这项题为《LLMs in Digital EDA: A perspective on shifting roles from Generation to Orchestration》的研究指出，随着AI技术在芯片设计中的深度应用，LLM的角色正经历从单一代码生成向多阶段EDA工具编排的转变。

研究团队将LLM在芯片设计中的能力划分为三个层级：首先是能够一次性生成设计成果的"生成器"；其次是通过迭代反馈优化输出的"代理"；最后是能够协调整个EDA流程决策的"编排器"。通过对现有系统的分析，研究发现当前方法主要面临两个关键问题：一是模型训练往往侧重于生成看似合理的代码，而非物理上正确的硬件实现；二是碎片化的工具链和设计上下文丢失导致决策对后续阶段的影响难以追踪。

"我们观察到，现有的LLM驱动设计方法在处理工业级复杂设计时存在明显局限性，"研究作者之一Youngman表示，"这促使我们重新思考LLM在芯片设计流程中的定位，从单纯的代码生成转向更全面的EDA编排。"

这一转变具有重要的行业意义。EDA工具被誉为现代芯片产业的"工业母机"，其核心价值在于构建一个涵盖验证目标、专家工程方法论、工具运行反馈和可追溯证据链的完整业务闭环。通过引入物理感知的标准化编排系统，可以有效解决当前设计流程中因工具碎片化和上下文丢失导致的问题，从而提升复杂芯片设计的可靠性和可访问性。

"AI与芯片设计的深度融合正在重塑整个产业格局，"一位半导体行业分析师评论道，"从代码生成到EDA编排的转变，不仅提高了设计效率，还为突破复杂开发瓶颈提供了新的解决方案。"

这项研究的发表正值全球半导体产业快速发展之际。根据世界半导体贸易统计组织（WSTS）预测，2026年全球半导体销售额将达到1.655万亿美元，同比增长108%。与此同时，AI大模型和AI服务器的爆发正在拉动高端芯片需求快速增长，预计到2030年，AI数据中心生态系统收入占全球半导体总收入的比重将超过50%。

"随着AI芯片定制化程度提高，工程师短缺问题日益突出，"另一位业内人士指出，"EDA企业有望借助Agentic AI自动化部分设计、验证和优化流程，将效率提升转化为商业价值。到2030年，这种基于AI的EDA编排模式可能为行业带来每年约37亿美元的增量市场。"

图1展示了现代芯片设计的核心元素，绿色发光的电路板和中央的处理器芯片象征着AI技术在芯片制造中的核心地位。图2则通过云状图标形象地表现了AI与EDA工具的深度融合，暗示着未来芯片设计将更加智能化和自动化。

研究团队进一步指出，构建物理感知的标准化编排系统需要克服多个技术挑战。首先，必须建立跨层级的结构-性能定量映射关系，这需要结合机器学习算法和可解释性分析方法。其次，需要开发能够快速筛选非劣模块化集成架构的分类模型，并通过聚类分析提取适用于不同生产规模和原料波动的最优设计范式。

"我们的研究表明，反应基板数量在100~200之间、基板上分配通道尺寸小于5.4mm可能是集成方案Pareto最优的有效判据，"研究团队补充道，"同时，小型少堆并联架构或大型单堆架构可能是兼顾成本与反应性能的最佳选择。"

这项研究不仅为AI赋能芯片设计提供了新的理论框架，也为行业实践指明了发展方向。随着AI技术的不断进步和芯片设计需求的持续增长，从代码生成到EDA编排的转变将成为推动半导体产业发展的关键动力。