最近AI的是个热门的话题了,已经到连高考作文都参与到其中。朋友圈也是隔三差五的霸屏。闲谈水一篇。跟我们工作非常相关的EDA工具上当然少不了对AI的利用。就像Synopsys.ai 的应用。不仅在优化PPA上，在design optimization，design migration 等方面迭代性很强的工作上都有明显优势。一系列AI套件应用在电路与版图的设计迁移上，测试验证等多方向。但这些AI成果大多是在前端的设计和数字设计上，但IC后端工作能被取代多少呢？
回到主题，模拟中按不同领域细分下来。很多模块架构都有非常多相似各类LDO BG BIAS等，能不能用当前的先进计算机技术自动化生成这样的模块呢？
人工智能、机器学习和大数据的结合在一定程度上应该可以推动模拟版图的自动化。
通过机器学习算法，可以对大量已有的版图数据进行学习和分析，提取出特征和应用模式。我想数据库估计是要做些标签动作。这些学习到的知识可以用于自动生成或优化版图的布局。例如，根据特定的电路功能和性能要求，系统可以利用训练好的模型来自动规划器件的的位置和布线。就像custom compiler 上template 的应用，将常用的功能单元保存成template cell，当后期使用到相似结构时，可以从template 库中复用之前的布局与连线方式。但当前cc 上的template功能都需要建立在已经固定好的constraint上，这点也是目前的局限性，纯手动做的版图或连线工具无法提取出特征。这点我想如果有所突破，将会是很大的应用亮点。
大数据可以提供丰富的版图案例和相关信息，帮助模型更好地理解不同场景下的版图设计需求和特点。但是各家公司不会分享出数据，仅仅靠自己提供的数据量很难达到机器学习需要的标准。比较模拟版图时复杂的图像识别任务。数据量估计很难模拟捕捉出特征。好像各公司都反对开放内部数据给AI训练。说到图像处理，最近看到竞争力分析和知识产权分析（反向提图）工具都加入了图像处理、AI算法、云计算这样的技术，大规模的IC也能快速分析并整理好设计处理。减少人工一层层看pattern并分析到底对应的是什么器件这样的工作。
当前AI在layout上还没有看到很实质的眼前一亮的进展，至少实际落地的没有看到有多优秀。
版图设计涉及到非常复杂的规则，复杂的design rule不仅包含制造设计上的约束还有电气特性，物理特性等人工智能可能还无法理解和处理的情况，这些因素可能很难完全被准确地建模和理解。像ESD与LUP 物理应力和热梯度等处理都需要非常有经验的工程师根据实际布局来做调整。同时，一些创新性的、特殊要求的版图设计可能仍然需要设计师的专业知识和创造力。一些高精度、高可靠性要求的模拟电路版图设计中，即使有了自动化工具，工程师仍需要进行细致的调整。但不可否认未来人工智能和相关技术肯定会不断提高模拟版图自动化的水平和能力。
先不焦虑，AI要达到成熟到广泛应用还有段路。就像很多年前说layout到头了一样，这不十年又快过去了。
