文章摘要
半导体行业正面临严峻挑战，芯片首次流片成功率急剧下降，功能正确且可制造的设计数量从24%降至14%，落后于计划的设计数量从67%上升至75%。Brian Bailey指出，这不仅仅是前沿设计的问题，而是与人工智能的快速发展密切相关。人工智能对计算能力的需求远超传统半导体的进步速度，而开发或验证效率方面却没有取得重大突破，导致团队在相同甚至更短的时间内交付更多成果，这注定会失败。
人工智能无法提出支持其目标所需的架构创新，最多只能优化设计和实现，或许还能提高验证效率。硅谷的“快速前进，快速失败，然后进化”理念在尖端设计中得到体现，但软件的发展速度远超硬件，导致一些近乎鲁莽的扩张，这些扩张也注定会失败。前沿设计之外的其他设计也感受到来自人工智能的压力，每家公司都被问及它们的人工智能战略，这导致错误和风险增加。
EDA领域也受到人工智能的影响，投入大量计算能力进行微小改进，而功能验证领域正在发生根本性变化。这种鲁莽与人工智能的各个方面息息相关，新的准则似乎是发表大胆的声明，等待有人指出错误，然后修改。一位高管认为环境因素不应成为赢得人工智能竞赛的障碍，暗示一旦美国在超级智能发展方面超越中国，人工智能就能解决气候危机。Brian Bailey认为这种说法几乎可笑，指出陈述绝不应暗示不相关事物的依赖关系。
人工智能以指数级速度消耗更多电量，导致公用事业区配电能力捉襟见肘，必须增加基础设施投资，这会导致公用事业费率上涨。如果人工智能迫使新建数据中心，那么应该由他们自己买单，而不是由公众买单。不考虑后果地武断地追求超级智能，充其量是不负责任的，而且很可能是不道德的。
人工智能公司、数据中心、半导体公司以及工程师都是同谋，如果他们不考虑自己所做的事情对环境的影响，不去思考它是否提供了真正的价值。现在是时候放慢脚步，探讨一些能够真正带来价值的问题的真正解决方案。应该把硬件和软件架构视为一个整体问题，思考它们将消耗多少能量，以及如何产生和分配这些能量。应该重新评估开发方法，使其更加有效、高效，思考人工智能将如何改善世界。
原文和模型
【原文链接】 阅读原文 [ 1916字 | 8分钟 ]
【原文作者】 半导体行业观察
【摘要模型】 deepseek-v3
【摘要评分】 ★★★★☆
相关文章
