Ведущие разработчики EDA-инструментов, включая Cadence, Synopsys, Siemens EDA и Ansys, представили ИИ-версии своего ПО в начале 2020-х годов. Первые системы использовали машинное и обучение с подкреплением для оптимизации размещения, трассировки и показателей PPA (мощность, производительность, площадь) в проектах, созданных инженерами.
Современные EDA-инструменты используют генеративный ИИ для написания RTL-кода, верификации и поиска ошибок. Новые агентные системы способны управлять цепочками инженерных задач, самостоятельно запуская симуляции и корректируя параметры дизайна до достижения целевых показателей, что автоматизирует значительную часть цикла разработки чипов.
В 2023–2024 годах компании Cadence и Synopsys сообщили о завершении сотен проектов с применением ИИ-инструментов. Крупные игроки внедряют эти технологии по-разному: Google использует AlphaChip для физического планирования в TPU, а OpenAI задействовала ИИ для реализации и верификации проекта Jalapeño, сократив путь до tapeout до девяти месяцев.
Проект Jalapeño от OpenAI показал прирост производительности BF16-умножителей на 56%, FP4-блоков на 21% и FP32-аккумуляторов на 10%. При этом площадь матричных и SIMD-блоков сократилась на 10% и 8% соответственно. ИИ участвовал в исследовании пространства проектирования и оптимизации арифметических схем, однако архитектура осталась за людьми.
Компания Architect Labs представила систему Redwood, которая после задания спецификаций человеком автономно сгенерировала логику, RTL и прошивку менее чем за две недели. На текущий момент Redwood реализован на FPGA, а не в виде ASIC. Заявленное преимущество в производительности на ватт в 3,4 раза относительно Nvidia Jetson Orin Nano основано на проектных данных.
