AI世代到來，IC設計挑戰漸增。過去7年，AI模型訓練運算的需求成長30萬倍，比摩爾定律成長速度高上萬倍之多。
半導體進入後摩爾時代後，由於IC設計複雜度大幅提高，加上先進製程對各項設計條件有重重限制，如何確保IC開發週期和成本的可控性，並提高IC設計效率與晶片效能，對IC設計工程師們帶來了許多挑戰。儘管經過 50 年研究，晶片布局規劃仍無法實現自動化，需要物理設計工程師至少數月的努力，才能產生可量產的布局。
善用人工智慧及機器學習，將成為IC設計更快更有效率的關鍵
尤其在實體設計領域的布局布線階段，由於大量使用記憶體與IP，將這些所謂的巨集單元元件，以及動輒數百萬的標準單元放置在晶片上的合適位置，所衍生的可能性與複雜度極高。此時，透過AI技術的協助的EDA工具，成為這些問題的解方，各家IC設計巨擘也開始投注資源，期待能協助縮短IC設計工作開發時程，並產生巨大幫助。
將機器學習(Machine Learning; ML)導入晶片設計流程，透過大型語言模型自我探索和學習，規劃出晶片最佳電路區塊，大幅縮短開發時間。AI模型推論、訓練需求，將超越摩爾定律成長，AI及ML也將成為IC設計業者的強大工具。
Google已採用幾個不同模組的測試電路，比較使用各款機器學習教自己布局和繞線ASIC設計的AI性能。此外，在額外調整漸進式間隔後，比較相同機器學習與商用工具的性能（來源：Google Research/ISSCC）。其優點包括在極短時間內執行布局與繞線。完成這項任務可能需要花費人類專家數周時間，但機器學習布局與繞線，通常可在24小時內完成相同工作，而且其布局時的線長通常較短。
3月份即將來台的Motivo.ai，就是協助全球頂尖IC設計客戶 (包括Intel、AMD、Micron 等廠商)大幅提升良率及節省時間的一家AI企業。
Motivo.ai由AMD的前策略長Bharath Rangarajan 擔任執行長，以其獨門AI 及機器學習(Machine Learning)技術，協助全球頂尖IC設計客戶 (包括但不限於Intel、AMD、Micron 等)：
1.大幅提昇良率，為客戶節省幾億至十多億美元成本。2.大幅節省設計時間，可以將半導體設計流程從幾年縮短到幾週。3.無前收費用，完成後收取客戶節省之部分成本。
我擔任亞太區合夥人的矽谷Seraph 基金（全球最大的天使基金集團）為Motivo.ai早期投資者，Intel則為Motivo.ai 之A輪領頭投資者。
