Искусственный интеллект всё активнее внедряется в процесс проектирования микросхем, переходя от простой оптимизации задач к выполнению полноценных инженерных функций. Однако эта технологическая трансформация несет серьезные риски для отрасли: существует вероятность того, что сгенерированные нейросетями проекты могут непреднамеренно нарушать чужие патенты, что приведет к выпуску тысяч дефектных с точки зрения авторского права чипов.
Инструменты ИИ в современной разработке полупроводников
На этой неделе компания Synopsys анонсировала набор инструментов AgentEngineer, предназначенных для выполнения длительных задач, включая верификацию чипов, планирование аналоговых схем и производственные процессы. Разработчик уже заявил о более чем 50 активных клиентских проектах и планирует обеспечить общую доступность технологии до конца текущего года.
Synopsys — не единственный игрок на этом рынке. Конкурирующая компания Cognichip продвигает платформу ACI, способную автоматически создавать спецификации, RTL-код, а также планы верификации и тестовые сценарии. В Китае компания Empyrean Technology продемонстрировала работу ИИ-агента, который сократил время компоновки одной из схем с четырех недель до одного дня. Крупные лаборатории также используют подобные инструменты: OpenAI заявляет, что ее модели помогли компании Broadcom разработать специализированный чип для инференса Jalapeño, сократив путь от первоначального проектирования до передачи в производство до девяти месяцев.
Проблема проверки интеллектуальной собственности
Активное использование ИИ ставит перед отраслью вопрос: что произойдет, если нейросеть создаст решение, права на которое уже принадлежат другой стороне? Доменико Форте, профессор электротехники и вычислительной техники Университета Флориды, специализирующийся на защите интеллектуальной собственности в полупроводниковой сфере, отмечает, что ИИ усиливает существующие проблемы.
«ИИ способен распространить скопированный дизайн или нарушающий патент компонент на тысячи микросхем до того, как кто-то это заметит, причем без намерения со стороны разработчика», — поясняет Форте. Проблема заключается не в прямом копировании проприетарного RTL-кода, а в способности моделей обрабатывать огромные массивы академических статей и патентных заявок, создавая очень похожие структуры. В условиях жестких ограничений по энергопотреблению, производительности и физической площади, количество эффективных инженерных решений ограничено, что делает вероятность случайного заимствования крайне высокой.
В отличие от человека-инженера, который может пояснить происхождение идеи, ИИ часто лишен прозрачной истории правопреемственности. Существующие инструменты способны выявлять близкие копии, однако дизайн можно трансформировать через инструменты синтеза, сохраняя исходную функциональность, но скрывая подобие оригинала. Форте предлагает создавать общие хранилища, куда владельцы интеллектуальной собственности могли бы загружать зашифрованные версии своих разработок для проверки на совпадения, не раскрывая при этом исходные данные.
Осторожный подход производителей и ценность лицензий
Несмотря на опасения, полупроводниковая индустрия проявляет чрезвычайную осторожность при внедрении ИИ-методов. Саймон Мур, профессор вычислительной техники Кембриджского университета, напоминает, что в отличие от обычного ПО, где ошибки можно исправить патчем, произведенный кремний нельзя изменить после выхода с конвейера.
«После того как вы отгрузили чип, вы ничего не можете изменить в транзисторах», — подчеркивает Мур. По его оценкам, на верификацию сейчас приходится более половины всех усилий при разработке, поэтому использование ИИ для тестирования и поиска точек отказа выглядит оправданным. Однако архитектурные решения — те области, где производители стремятся ограничить автономность ИИ.
Именно эта осторожность способствует выживанию рынка лицензируемых IP-блоков. Покупка готового компонента у таких компаний, как Arm или Synopsys, гарантирует прохождение всех проверок на соответствие стандартам. И хотя ИИ может создавать аналогичные по техническим параметрам блоки, лицензированная интеллектуальная собственность остается востребованной, так как она подтверждена историей компании и строгой верификацией. По мнению Доменико Форте, к ИИ-проектировщику сегодня стоит относиться как к талантливому новому сотруднику: он быстр и способен, но все результаты его работы требуют тщательной проверки человеком.
Масштабы рынка лицензирования и роль интеллектуальной собственности
Важно понимать, насколько глубоко индустрия зависит от лицензируемых компонентов. Компании крайне редко проектируют каждый узел микросхемы с нуля, предпочитая лицензировать архитектуры процессоров, контроллеры и специализированные блоки памяти, чтобы не «изобретать велосипед». Финансовые показатели подтверждают критическую важность этого сегмента: так, компания Arm в 2026 финансовом году сгенерировала около 5 миллиардов долларов выручки, причем этот доход был поделен примерно поровну между прямым лицензированием технологий и роялти от их использования. Synopsys также выстроила значительную часть своей бизнес-модели вокруг продажи обширного портфолио «проверенных кремнием» (silicon-proven) IP-блоков, которые поставляются в комплекте с основным программным обеспечением для проектирования чипов.
Именно эти наработки сейчас оказываются под угрозой. Хотя ИИ упрощает создание базовых функциональных блоков, он одновременно затрудняет отслеживание их происхождения. Как отмечает Доменико Форте, даже при проектировании самых простых элементов — например, схемы сложения двух чисел — существует ограниченное количество оптимальных вариантов, описанных в учебниках. Запрос к ИИ на поиск «самого быстрого» решения с высокой вероятностью приведет к генерации дизайна, который уже был опубликован и запатентован кем-то другим.
Проблема прослеживаемости и пути решения
Основная сложность заключается в отсутствии механизмов верификации «родословной» сгенерированного кода. Если инженер-человек обязан документировать, откуда он взял ту или иную идею и какая интеллектуальная собственность была лицензирована, то нейросеть такой возможности лишена. Даже если существующие инструменты анализа могут выявить прямое копирование, дизайн, пропущенный через современные системы синтеза, может радикально изменить свою структуру, сохранив при этом исходную логическую функцию, что делает поиск заимствований практически невозможным для традиционных алгоритмов.
Для решения этой проблемы предлагаются различные стратегии защиты:
- Создание доверенных репозиториев: Форте предлагает владельцам интеллектуальной собственности депонировать зашифрованные версии своих проектов. Это позволило бы доверенным ИИ-агентам проверять новые аппаратные разработки на наличие совпадений с существующими патентами, не раскрывая при этом исходную архитектуру или топологию.
- Отказ от водяных знаков: Профессор скептически относится к методам «водяных знаков» внутри дизайна, так как их достаточно легко подделать или удалить в процессе синтеза.
- Развитие международных стандартов: Существующий стандарт IEEE 1735 уже определяет методы шифрования IP-блоков и управления правами доступа. Однако, как считает эксперт, текущих стандартов недостаточно — индустрии необходимы новые регламенты, которые четко определят, к каким данным ИИ-агенты могут получать доступ, что они имеют право сохранять и на каких именно наборах данных им разрешено обучаться при работе внутри систем автоматизированного проектирования (EDA).
Баланс между инновациями и безопасностью
Несмотря на технологический ажиотаж, реальное внедрение ИИ в разработку чипов остается строго дозированным. Главный сдерживающий фактор — необратимость ошибок в кремнии. В отличие от софта, где критический баг можно исправить обновлением, выпущенный в производство чип с архитектурной ошибкой невозможно «починить» патчем. Поэтому Simon Moore из Кембриджского университета подчеркивает, что доверие к ИИ в задачах верификации уже стало стандартом — нейросети отлично справляются с проведением тестов, поиском потенциальных точек отказа и контролем покрытия (coverage). Это считается «беспроигрышным вариантом» (no-brainer).
Тем не менее, когда дело доходит до принятия фундаментальных архитектурных решений, разработчики предпочитают полагаться на человеческий опыт и проверенные лицензионные блоки. Лицензированный IP-блок от крупного вендора — это не только файл с кодом, но и десятилетия истории, гарантия качества и юридическая защищенность. В будущем компаниям придется выбирать: либо рискнуть использовать ИИ для генерации собственных компонентов и столкнуться с юридическими сложностями в установлении авторства, либо продолжить платить за лицензионную чистоту и надежность решений, за которыми стоят реальные инженерные коллективы.
