前Google AI掌門人Jeff Dean：AI自動化可將晶片設計團隊從150人縮減至10人、開發時程從兩年壓縮至三個月

曾任Google人工智慧部門掌門人暨首席科學家的Jeff Dean認為，AI技術將協助晶片設計師突破傳統設計週期的限制，開發出更能滿足現代運算需求的客製化產品。Dean指出，隨著運算技術持續演進，客製化晶片的重要性日益提升，因為少數關鍵工作負載將主導全球絕大多數的運算需求。

AI自動化可望解決客製化硬體設計的根本性限制

現任AI新創公司Discovery Loop負責人的Dean，是Google最資深的員工之一，長期投入強化學習於晶片設計領域的相關研究。在他任職Google期間，曾參與一篇刊登於《自然》（Nature）期刊的研究論文，並身為21位共同作者之一，該論文主張運用強化學習進行晶片設計的成效優於傳統方法。儘管該論文的發表過程曾引發爭議並涉及法律糾紛，Dean仍堅信以AI輔助晶片設計是未來發展的正確方向。

在16日發布的一場爐邊對談中，Dean明確表示，他對專用硬體的發展前景深具信心，認為專用晶片能夠建構更有效率的運算系統。談到當前運算環境的現況時，他指出：「我們現在所處的時代，只有少數幾種工作負載會佔據全球大部分的運算資源」，這種趨勢使得硬體的專業化設計變得更加重要。

然而，Dean在對談中也坦承，晶片專業化設計面臨一項核心挑戰：一旦晶片設計定案，便難以因應未來需求變化。他表示：「專業化的問題在於，如果你未來想做的事情發生改變，那麼你花了兩年時間精心打造的專用硬體，可能就不再那麼切合需求了。」

對於這項晶片設計難題，這位前Google AI領導人提出的解決方案是硬體設計自動化。Dean說明，傳統的晶片設計流程中，首先由一個團隊根據高階規格進行設計，接著建構出低階的暫存器傳遞層級（RTL）規格。由於這項轉換工作是透過人工完成，因此還需要另一組開發人員進行驗證工作。

自動化迴圈將徹底改變EDA設計流程

Dean認為，解決這些問題的關鍵在於運行「可透過強化學習或其他演化技術進行搜尋的自動化迴圈」。他強調，克服傳統電子設計自動化（EDA）瓶頸的關鍵在於速度，因為「如果能讓這些自動化迴圈快速運行，就能真正實現更具自動化特性的設計流程探索迴圈，並可能大幅壓縮整個設計週期」。

至於自動化與速度提升將如何影響晶片設計流程，Dean進一步闡述：

「舉例來說，如果你能用10個人、3個月的時間設計出一款新晶片，而不是像過去需要150個人、花費兩年時間，那麼世界上將會出現更多專用硬體。同時，你也無需對未來做出過於長期的押注——過去你需要預判未來2到6年後的運算需求，現在則可能只需要預判未來3個月到4年間的需求變化。」

AI代理工具在EDA領域引發正反論辯

AI，特別是代理型AI（agentic AI）的崛起，已在產業內引發關於這項技術對半導體設計實用性的辯論。包括主要EDA供應商及中國企業在內的多家公司，已開始導入代理型AI技術。然而，晶圓代工龍頭台積電則認為，AI技術未必適合用於設計下一代的製造技術。這場爭辯凸顯出AI在半導體設計領域應用前景仍存在不確定性。