论芯科技通过自动解析芯片协议文档，显著提升验证效率，发现关键缺陷，速度是专家的25倍。创始团队经验丰富，致力于将AI技术应用于EDA，推动芯片设计的自动化和系统化。

计算是人工智能领域的重要资源。AlphaChip展示了AI如何加速芯片设计，将设计时间从数年缩短至数天。Ricursive Intelligence的创始人致力于自动化设计流程，推动硬件创新，改变芯片设计的未来。

Ryan与Arm的Geraint North讨论了生成性AI对芯片设计的影响，以及Arm在灵活CPU架构设计和边缘设备上优化大型语言模型的挑战。Arm新推出的Lumex CSS平台旨在支持高效的AI工作负载。

新思科技已获批准收购ANSYS，预计于2025年7月17日完成。此次合并将促进芯片设计与仿真分析的结合，推动AI产品创新。

中美科技战导致EDA软件被封禁，影响芯片设计。美国要求出口许可证，限制高端技术。国产EDA逐步发展，但面临挑战。中美关系复杂，未来充满不确定性。

英特尔任命谭立夫为新CEO，接替被罢免的吉尔辛格。谭立夫曾任Cadence CEO，计划重建英特尔的制造和芯片设计能力，以提升竞争力。

芯片设计经历了从分立式到集成式的转变，主要包括单片集成、MCM、2.5D和3D集成。2.5D集成因其高带宽、低延迟和灵活性，成为高性能计算和AI芯片的主流选择。尽管3D集成具有高密度，但制造复杂且散热问题突出。总体而言，2.5D技术在性能与成本之间取得了良好平衡，广泛应用于现代芯片设计。

自1971年首个商用微处理器问世以来，芯片设计取得显著进展，但复杂性增加使现有工具难以应对。英特尔团队研究发现，将传统技术与AI结合的混合方法更为有效，开发了名为Parsac的开源布局规划工具，成功解决了复杂设计问题。研究表明，AI与传统方法的结合将推动芯片设计的未来发展。

本月初，我采访了Arm首席执行官Rene Haas，讨论了芯片设计的变化及AI对行业的影响。Rene曾在Nvidia工作，现在领导Arm，专注于重要芯片的设计。Arm的架构被苹果、特斯拉等公司广泛应用。他提到Arm可能会开始制造自己的AI芯片，面临与客户竞争的风险，并谈及Intel的困境及与中国的关系，强调创新和人才的重要性。AI在设备中的应用增加，未来将推动更高的计算能力需求。

中美关系变化深刻影响技术行业。美国主导高端芯片设计，而制造则集中在亚洲。中国需加强芯片设计和操作系统开发，利用人才和市场优势，实现技术突破。

AIxiv专栏促进学术交流，报道超过2000篇论文。中科大王杰教授团队与华为合作，提出了一种可生成1200节点规模的神经电路生成框架，提升了芯片设计效率，相关论文发表于NeurIPS 2024。

谷歌在2021年发表的论文声称其强化学习方法能快速设计芯片，优于人类工程师，但专家质疑其可信度，认为缺乏可复现证据，并指控数据泄漏和研究不当。后续研究表明，谷歌的方法未能超越传统技术，反而落后于现有算法，此事件引发了科研界对复现危机的关注。

谷歌在 2020 年推出了利用深度强化学习进行芯片布局设计的方法，并在 2021 年开源。最新的附录详细介绍了该方法及其影响。谷歌开放了预训练的 AlphaChip 模型，大幅加速和优化芯片设计，已用于多代 TPU 的设计。AlphaChip 将芯片布局视为博弈，通过图神经网络学习元件关系，提高设计效率。其影响扩展至 Alphabet 内外，推动芯片设计自动化，未来版本正在开发中。