“近几年人工智能、机器学习快速发展，加上量子运算等更为先进的技术，对于解决过去的问题带来了全新的视野。”廖仁亿表示。“但随着大家对人工智能的期望越来越高，加上海量数据的持续增长和无处不在的场景应用，人工智能加上人类智能的赋能，帮助我们用更智能的工具，来设计日益复杂且更为强大的人工智能芯片，为芯片设计带来全新的挑战和机会。”
其中，关于“机会”，美国市场研究公司Reportlinker公布了一份AI芯片研究报告，内容显示，未来五年，全球AI芯片将进入快速发展阶段。预计到2023年，市场规模将达到108亿美元，复合年均增长率达到53．6％。
数据上，仅看未来的市场潜力，AI芯片产业可谓“前途不可限量”，这一串数字让人看着就想进去凑一凑。也因此，越来越多的公司跨入这一行当。
不过，机会之外，“挑战”也是不容忽视的。关于这个问题，作为领先的芯片自动化设计解决方案提供商及接口IP供应商，新思科技深有体会，廖仁亿指出，不同于传统芯片，AI芯片的出现也带来了新的设计难度，“AI、深度学习芯片有更多并行的PE单元，不管在架构设计、软硬件协同验证、性能预测、芯片实现和IP选择（如HBM）等，都比传统芯片有更大的挑战。”
有挑战就意味着变革，这方面，以新思科技为例，他们正“不断提供和改进工具及方法，来帮助芯片的设计和实现，并且人工智能技术已全面融入到新思科技各产品线中，让产品变得更强大和灵活，例如新思科技凭借突破性机器学习技术将形式属性验证性能人提高10倍。”
没有好的芯片自动化设计工具，就没有好的AI芯片
截至目前，已经有不少AI芯片厂家发布了自己的芯片产品，有的已经成功流片或是即将流片。
众所周知，于AI芯片而言，“流片”是一个极其重要的步骤，其成功与否的背后关系着芯片产品的商业化。也因此，在流片之前，有些公司会采取一些工具来进行验证。
以16nm芯片为例，正常情况下，设计周期至少需要一年的时间，但是在工具的协助下，可能只需要半年的时间，芯片厂商就能够完成16nm芯片的设计并完成流片。
这方面，新思科技是业内最具竞争力的解决方案供应商，他们“提供从芯片到软件完整的解决方案，包括系统软硬件协同设计，芯片设计、验证到实现及软件安全。”
举个例子，在芯片尚未流片之前，AI芯片厂商可以使用VDK、HAPS、Zebu这类工具在复杂的AI芯片系统设计初期实现早期软硬件协同发展，预测AI芯片性能和瓶颈。通过AIIA的Benchmark工作，他们能够在流片之前就知道该芯片在市场中的优势。据悉，寒武纪云端人工智能处理器芯片就采用了新思科技HAPS原型验证解决方案。
对于工具与AI芯片之间的关系，廖仁亿明确表示：“没有好的芯片自动化设计工具，就没有好的AI芯片。”
当然，AI芯片与传统芯片是不同的，这也就意味着工具也要有所不同。廖仁亿表示，为了更好地服务AI芯片，新思科技未来将通过提高算法、融合软硬件、架构基础设施、开发新的设计工具等方式持续优化AI芯片的功耗和性能，并通过多领域深入的产业合作，助力推动人工智能产业升级和人才培养。
最后
“AI、深度学习在最近几年的成功和广泛应用有目共睹，可能有短期的泡沫现象，但长期的成长还是可以预期的。”廖仁亿称。而对于AI芯片，在其看来，比起以往，今日芯片的架构设计和应用、算法、软件结合的更为紧密，所以要对整个系统需求有完整的认识，才能设计出更高性能的AI芯片。
