由人工智慧驅動的設計應用
工程領域正在經歷前所未有的轉型,而幾乎跨各個產業的產品創新速度都在加快。例如,新汽車產品開發週期已經縮短一半,AI 晶片的設計週期也從三年縮短到十二個月。同時,晶片開發的複雜度和成本也持續上升。為了跟上這種驚人的創新速度,同時控制日益增加的複雜度與成本,我們必須重新打造工程流程(re-engineer engineeringTM)。
要達成上述的挑戰,必須考慮到晶片設計中三個層次的優化,也就是運算、運算引擎與解算器(solvers),以及工作流程。本文作者將聚焦在工作流程和它們對於重新定義工程設計的重要性,並討論人工智慧(AI)、特別是代理型 AI 快速進展的功能、如何顯著地優化工作流程。從強化學習到生成式 AI,再到現在的代理型 AI,AI 在工程設計流程上的應用越來越廣泛,有助於因應晶片設計的複雜度與成本,同時加速創新步伐。
我們稱這種應用 AI 代理來改造工程設計流程的技術為 AgentEngineer™ 技術。這種代理系統是專門為了讓工程師的工程設計流程更有效率而打造與訓練的,它可以有效提升生產力、帶來更佳成果,並減少運算資源的需求。
AgentEngineer 的組件能夠以逐漸累進的自主性進行各種推理、規劃、學習和執行任務。將 AgentEngineer 技術整合進現有工程設計流程,將連帶引起所有相關工程作業執行上的根本改變。而工程團隊奮力在這個快速變動的科技環境中維持競爭力,因此,理解並如何因應這種典範轉移(paradigm shift)對於他們來說相當重要。
正如我今年三月在 Synopsys 使用者大會(SNUG)主題演講中的說明,我們已經定義了 AgentEngineer 技術將帶來的「階梯性功能(step functions)」。就像先進駕駛輔助系統(ADAS)有明確的 L1 到 L5 分級一樣,我們的架構也展現了 AI 代理功能逐步提升的過程。接下來,我會分享一個抽象化的模型,說明這些 AI 能力如何逐步優化工程的工作流程。
下圖顯示從 L1 到 L5 的演進,其中 L5 是高度自主的 AI 代理最終狀態,在該階段人類工程師將仰賴 AI 代理來進行無數的任務。
AgentEngineer 技術將從執行階段性動作的單一代理(L2),進展到執行複雜動作的多代理協作(L3),再到具備自適應學習的動態流程優化(L4),最終達到自主決策(L5)。
到了 L5 階段,AgentEngineer 技術的能力將大幅提升,更多關鍵決策可以交由代理處理。人類工程師仍需監督這些決策及其背後的理由,但他們的角色將從「決策者」轉變為「決策驗證者」。
在這個最終狀態下,人類工程師會訂定需求與期望成果,然後在預設的檢查點監控 AgentEngineer 技術的進展。我必須強調,人類工程師必須參與其中,這樣才能藉由指導AgentEngineer 技術來調整執行方向,並確保維持適當的監督。
AgentEngineer 技術非常適合協助人類工程師減輕大量「重複性高」的工作,也就是那些重複、耗時的作業將自動化。隨著 AgentEngineer 技術接手越來越多運算密集的工作,人類工程師除了監督之外,也能更專注在策略思考與解決複雜問題等高層次活動。
有些公司可能會選擇利用提升的生產力來加快設計週期,進而加速創新。有些則會用這些生產力效益,以相同數目的工程師因應日益複雜的挑戰。還有些公司則能用相同人力設計來創造更多產品。AgentEngineer 技術提供企業有效率運用工程資源的彈性,也有助於解決許多領域的人才短缺問題。
除了生產力提升之外,AgentEngineer 技術也能協助改善成果品質,並降低整體運算資源的消耗。
有了 AgentEngineer 技術,工程的未來比以往更加光明。我們相信這項技術對於解決複雜度、加快創新速度,以及工程設計與分析成本上升等挑戰都至關重要。為了應對這些挑戰,我們在工程界的每個成員,都必須充分發揮這項革命性技術的變革力量,並將其作為工程再造的基石。