チップ設計エンジニア

米国。統計局は、コンピュータハードウェアエンジニアの雇用が2025年から2035年に9%増えて76,100人から83,000人になり、全職業の平均よりはるかに速く、年に約4,100件の求人があると予測している。人工知能には触れていない。この区分はボードやシステムのハードウェアを含むすべてのコンピュータハードウェアエンジニアを対象としており、チップ設計者だけではない。

立場のある名指しの人物が、ある日付に、帰属のつく言明として何かを公けに予測した。誰がいつ何を言ったのかが確かめられるまま残るように記録するのであり、そして業務の判断を決して動かさない。予測は観測ではないからである。その価値は後から来る——この記録は、その職業についての証拠と同じページの上に載るので、予測を読む人は、そのあと何が起きたかの記録を隣で読むことになる。それが決算である。この site は、ある予測が当たったかどうかについて何の判定も公表しない。

Google の強化学習によるマクロ配置を、公開ベンチマークと商用の配置配線ツールを使い、配線後の消費電力・性能・面積で評価し直した学術研究。大規模でマクロの多い設計では、6回の比較のうち5回で人間の専門家がこの手法を上回った。より強力な焼きなまし法のベースラインは9件中7件で配線長がよく、一方でこの手法は9件中6件で焼きなまし法より総負スラックがよかった。著者たちは、この手法の拡張性についての疑問は未解決のままだと述べている。少数の設計であり、技術者の仕事は測っていない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

RTL生成、検証、デバッグ、仕様との整合、技術的な質問という13のタスク区分にわたる783問のベンチマークで、経験豊富なハードウェアエンジニアが作成し、非エージェント型とエージェント型の両方の形式がある。最先端のモデルはコード生成で pass@1 が34%を超えず、エージェント型のタスク、とくにRTLの再利用と検証を含むものは特に難しかった。2025年時点のモデルによるテストセットであり、著者の雇用主はチップを設計している。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

回路のコードを生成することでアナログ回路を設計する学術的なエージェントで、アナログ回路のタスクからなる著者自身のベンチマークで試された。要旨は、それが20の回路の設計に成功し、標準の GPT-4o より五つ多かったと述べ、論文の限界の節は、大規模言語モデルには現在、高度に複雑なアナログ回路を設計する能力がないと述べている。著者たちは自らの手法を評価しており、ベンチマークには大がかりなパラメータ最適化は含まれていない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

あるチップ企業が、自社のチップ設計データに適応させた言語モデルについて書いた論文で、三つの用途——技術者向けのアシスタントのチャットボット、設計ツールのスクリプト生成、バグの要約と分析——で評価している。最大のモデルは最初の二つで GPT-4 を上回り、三つ目では互角だった。論文は、社内の調査で典型的なチップ設計者の時間の最大60%がデバッグやチェックリストに関わるタスクに費やされていることが示されたと述べているが、その調査は公表されていない。企業が自社の社内モデルを評価したものである。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

Verilog の学習用ウェブサイト HDLBits から取った156問のベンチマークで、模範解答に対するシミュレーションで機能の正しさを確かめる。訂正された v2 の結果では、GPT-4 は人が書いた問題の43.5%を初回で、58.9%を十回以内で通した。著者たちは、自分たちの評価は比較的小規模な設計の定型的なコード生成に限られると述べている。2023年時点のモデルによる学習用の問題であり、著者の雇用主はチップを設計している。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

30の設計からなる学術的なベンチマークで、以前のテストが比較的単純で小さく、著者自身が提案した設計を使っていたことから作られた。構文、機能、設計の質を採点する。GPT-4 は構文の正しさ81%、機能の正しさ30件中15件を達成した。ここでは、五回の試行のいずれかがテストベンチを通れば、その設計は機能的に正しいと数える。2023年時点のモデルであり、チップの案件での利用は測っていない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

顧客が同社のAI設計空間最適化ツールで最初の100件の商用テープアウトを記録したという、ベンダーの発表。STMicroelectronics が消費電力・性能・面積の探索で3倍を超える生産性を報告したこと、SK hynix がこのツールによって技術者が差別化された機能を作る時間が増えると述べたこと、そして Synopsys の幹部がより少ない技術リソースでの生産性の向上を挙げたことを引用している。ベンダーが自社製品について述べたものであり、人員の数字は示していない。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

Google の研究者による査読付き論文。チップのフロアプラン作成は自動化を拒んできており、物理設計エンジニアによる何か月もの集中した作業を要すると述べ、自らの手法は六時間足らずで、消費電力、性能、チップ面積において人間が作ったものより優れているか同等のフロアプランを生成するという。この手法は Google の次世代のAIアクセラレータの設計に使われたとも述べている。2023年9月20日付の編集者注は、その性能についての主張に疑問が呈されていると述べたが、審査の後に取り下げられた。開発者自身の結果であり、独立した研究者たちが異論を唱えている。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

学術研究。アナログとミックスドシグナルのモジュールは、専門家の勘を要する、人が介在する長い反復のループに直面していると述べ、強化学習の枠組みを示す。それは回路図シミュレーションで試した設計目標の少なくとも96.3%ですべての目標仕様を満たし、Berkeley Analog Generator と組み合わせて、レイアウトと回路図の照合検証を通る演算増幅器40個を68時間で設計した。最先端の手法より9.6倍速い。研究環境での標準的な種類の回路である。

実演、ベンチマーク、あるいは論文が、その業務をやれることを示している。技術に何ができるかを更新するのであって、雇用主が何をするかを更新するのではない。

これから始めるなら、小さなブロックとツールのスクリプトの最初の下書きはAIが書くと考えておき、AIに欠けているものを身につけること——仕様を丹念に読むこと、設計を検証すること、そして消費電力・性能・面積のトレードオフを判断することである。

配置とサイジングの探索は最適化ツールが担う部分が増え、定型的なコードやスクリプトはアシスタントが担うようになると考えておくこと。アーキテクチャを決めること、設計を承認して送り出すことは、あなたに残る。

職の形を組み替える

RTLを手で書くことから、仕様を書いてレビューすることへ移る

モデルは短いハードウェアのコードは書くが、より難しい問題の大半には失敗する。だから価値は明確な仕様と丁寧なレビューへと移る。

留まって強くする

検証の仕事にとどまる

検証はAIエージェントにとって最も難しいタスクの一つであり、デバッグは設計者の時間の大きな部分を占める。

隣へ移る

設計自動化とチップ設計のためのAIツールの仕事へ移る

チップ企業とツールのベンダーは設計フローにAIを組み込んでおり、その仕事は、正しい設計に何が必要かを知っていることにかかっている。

現在の証拠からは、そうはならない。AIは短いハードウェアのコードとツールのスクリプトを書き、最適化ツールは配置を助けている。しかし経験豊富な技術者が書いたベンチマークでは、最良のモデルでもコード生成問題の34%までしか通せず、検証はAIエージェントにとって最も難しいタスクの一つであり、独立した再評価では、大規模な設計の大半で人間の専門家が Google の配置の手法を上回った。米国は、ハードウェアエンジニアの雇用が2025年から2035年に9%増えると予測している。

それに年数で答えることはしない。あなたのチームが白紙のファイルではなく生成されたRTLから始めるようになるかどうか、そしてあなたの時間のどれだけが書くことからレビューと検証へ移るかを見ていてほしい。どんな日付よりも、そのほうが多くを教えてくれる。

短い問題なら、多くの場合は書ける。GPT-4 は教科書的な問題156件の43.5%を初回で通し、新しいモデルでも、経験豊富なハードウェアエンジニアが書いたより難しい問題では34%までしか通せなかった。ベンチマークが確かめるのはコードが動くかどうかであって、消費電力・性能・面積を満たすかどうかではない。

手助けはしている。Google は自社の手法が自社のチップの一部を配置したと述べ、Synopsys は自社のツールが100件を超える商用テープアウトに使われたと述べている。しかし独立した再評価は、試した大規模な設計の大半で人間の専門家のほうが上だったと結論づけており、制約を定めてタイミングを収束させるのはいまも技術者である。