隨著 ChatGPT 和大型語言模型 (LLM) 呈現爆炸式增長，生成式人工智能 (Generative AI) 成為近來的一大熱詞。由此引發了一場爭論：哪種 AI 模型使用的訓練參數最多？與此同時，更多人意識到，需要針對特定的應用對模型進行更廣泛的訓練。因此，只要說到“生成式 AI”這個詞，我們很自然地就會聯想到要使用經過訓練的模型。但是，生成式 AI 的起源和含義可以追溯到業界開始討論模型之前。“生成式 AI”一詞的含義是什么？為這一顛覆性技術的發展奠定基礎的基本概念是什么？

生成式 AI 的早期階段

在經過訓練的 AI 模型出現之前，生成式 AI 的核心理念是創建一個能夠生成新的原創內容的智能系統。生成式 AI 最早的例子之一是進化算法。進化算法受到自然選擇過程的啟發，旨在通過迭代進化和改進現有算法來生成新的解決方案。

生成式 AI“模型前時代”取得的另一項重要進展是專家系統領域。專家系統旨在捕捉人類專家在特定領域的知識和專長，并利用這些數據生成智能輸出。雖然這些規則和啟發式方法可以被視為“模型”，但它們的訓練方式與如今的 LLM 并不相同。

生成式 AI 在電子系統中的應用

生成式 AI 已經日臻成熟，正在整個電子系統的芯片設計、3D-IC 封裝、印刷電路板 (PCB) 和熱分析等各個方面大展身手，帶來了革命性的變化。利用生成式 AI 技術，設計人員可以提高效率、優化性能并加快開發進度。

芯片設計

生成式 AI 有助于自動執行復雜集成電路的 layout 設計和優化。通過在大量數據（包括現有芯片設計和性能指標）上訓練 AI 模型，生成式 AI 算法可以生成滿足功耗、速度和面積利用率等特定要求的新型芯片布局。這使設計人員能夠探索更廣闊的設計空間，從而提高芯片性能并縮短設計周期。

3D-IC 系統

生成式 AI 可以發揮關鍵作用，用于優化單個封裝內多個堆疊芯片的設計和布局。通過分析電源分配、信號完整性和熱管理等各種因素，生成式 AI 算法可以生成經過優化的 3D-IC 架構和實現方案，從而最大限度地減少信號干擾、降低功耗并提高整體系統性能。

PCB 設計

設計工具可自動生成符合特定設計約束條件的 layout，如信號完整性、電源分配和器件擺放。這可以簡化 PCB 設計流程，減少設計迭代次數，提高整體設計質量。

Cadence于去年發布了Allegro X AI technology，這是 Cadence 新一代系統設計技術，在性能和自動化方面實現了革命性的提升。這款 AI 新產品依托于 Allegro X Design Platform 平臺，可顯著節省 PCB 設計時間，與手動設計電路板相比，在不犧牲甚至有可能提高質量的前提下，可自動執行 PCB 布局設計和小至中型 PCB 布線設計，將物理布局布線和分析用時從數天縮短至幾分鐘。

歡迎閱讀《產品前沿 I 生成式 AI 助力 PCB 設計：打破限制，解鎖無限可能》了解更多。

熱分析

生成式 AI 可用于對整個電子系統進行熱分析。生成式 AI 算法可以仿真系統內的散熱和氣流，優化組件、散熱器和冷卻機制的擺放，確保高效的熱管理。這有助于防止系統過熱、提高系統可靠性并延長電子設備的使用壽命。

今年2月，Cadence推出 Celsius Studio，率先在業內提供完整的用于電子系統的 AI 散熱設計和分析解決方案。融合 FEM 和 CFD 引擎，Celsius Studio 可用于 PCB 和完整電子組件的電子散熱設計，也可用于 2.5D 和 3D-IC 封裝的熱與熱應力分析。當前市場上的產品主要由不同的零散工具組成，而 Celsius Studio 引入了一種全新的方法，通過一個統一的平臺，熱、應力和電子散熱可以實現設計同步分析，讓設計人員可以無縫利用 ECAD 和 MCAD 對機電系統進行多物理場仿真。

基于模型的生成式 AI

隨著深度學習技術不斷進步，生成式對抗網絡 (GAN) 和變分自編碼器 (VAE) 等 AI 模型也在不斷完善，使得“生成式 AI”這一術語得到了更多的關注和認可。這些模型出現于2010年代中期，它們能夠生成逼真且具有創造性的內容，引發了更多關于生成式 AI 的討論和研究。

值得注意的是，在 AI 模型出現之前，“生成式 AI”一詞可能在不同的語境中使用過，流行程度也不盡相同。該術語首次使用的確切時間很難確定，因為它很可能是隨著 AI 技術的進步和人們對創造性內容生成技術的探索而逐漸出現的。

電子系統設計中的大型語言模型（LLM）

大型語言模型 (LLM) 是生成式 AI 在電子設計領域的最新創新成果。這些 AI 模型在大量文本的基礎上經過訓練，可以生成“人話”并執行復雜的任務，因此成為電子設計過程中的重要工具。LLM 的應用分為三類：設計資源的智能搜索、設計資源的深度推理以及在高層次方向上生成設計和資源。

在設計資源的智能搜索方面，LLM 可用于篩選大量設計數據，包括原理圖、設計規范和技術文檔。LLM 能夠理解搜索查詢的上下文和語義，與傳統的基于關鍵字的搜索算法相比，LLM 可以提供更準確、更相關的搜索結果。這有助于大大減少查找相關設計資源所需的時間和精力，從而加快設計進程。

在改進和清理設計方面，LLM 可以提供有價值的見解和建議。LLM 能夠分析設計資源并找出潛在問題，針對設計提出修改建議，從而解決這些問題。例如，LLM 可提供 PCB layout 修改建議，以提高信號完整性，或提供芯片設計修改建議，以降低功耗。設計人員可以利用這些建議來優化設計，確保設計滿足所需的性能規范。

Cadence Optimality Intelligence System Explorer 運用 AI 驅動的多學科設計分析優化（Multidisciplinary Design Analysis and Optimization， MDAO） 技術，在 3D 電磁仿真、高速信號和電源完整性分析中快速地優化設計，在不損失精準性的情況下，平均速度比傳統手動操作快 10 倍，在一些設計上甚至實現了高達 100 倍的速度提升。

用于 3D 電磁（EM）分析的 Cadence Clarity 3D Solver 和用于高速信號完整性（SI）和電源完整性（PI）分析的 Sigrity X 技術是首個支持 Optimality Explorer 的 Cadence 多物理場系統分析軟件產品。有了 Optimality Explorer，Clarity 和 Sigrity X 求解器可以顯著提高設計人員的生產力和效率，使設計團隊能夠探索整個設計空間并快速有效地收斂最佳設計。