儘管許多物聯網 (IoT) 裝置的晶片都不必用到 28nm 以下製程，但需用到高效能運算 (HPC) 的應用卻不在此限。新思科技 (Synopsys) 設計事業群執行副總裁暨共同總經理 Deirdre Hanford 表示，在 Smart Everything 的世界，人工智慧 (AI) 與汽車應用將是兩大驅動力。來自於 AI 的營收 2025 年前預估將達 386 億美元，Intel、Qualcomm、Google、NVIDIA 和 Apple 皆競相投入；另車用半導體營收在 2025 年亦可望倍增，從今年的 285 億美元成長至 584 億美元。在自駕車風潮引領下，當代高階車款約需 1 億行指令編碼，且每天資料吞吐量上看 4TB。
照片人物：Synopsys 設計事業群執行副總裁暨共同總經理 Deirdre Hanford
今天，語音識別、共享單車、飛航自動駕駛、垃圾郵件分類、行動帳戶、Siri / Alexa 等個人助理，已初具 AI 雛形；未來，觸控／影像識別、採購預測、詐欺偵測、新聞來源、神經網路及透過 Wi- Fi 偵測表情變化，更少不了 AI 匡助。此外，深度學習 (Deep Learning) 正成為龐雜醫療診斷的助手。然而，所謂禍福相倚，當 AI 為晶片廠及投資人打開機會之門的同時，資安威脅與副作用也接踵而來：Facebook 的 「AI Bot」(AI 聊天機器人) 已學會用自己的語言編織謊言，特斯拉 (Tesla) 執行長 Elon Musk 也對 AI 發展提出忠告……。
「embARC」平台為 AI 提供演練「沙盒」
「除了用於 IC 設計和驗證的 EDA，IP 涵蓋範圍應擴及子系統與周邊設備，還須留意軟體的品質和資安機制；此外，對於深度學習或機器學習來說，Data is King，是否能獲取豐富的數據至關重要」，Hanford 強調。為了讓用戶能有更多數據供模擬訓練之用，Synopsys 在自家「ARC」IP 基礎上，提供「embARC」平台作為訓練 (training) 過渡到推論 (Inference) 的「沙盒」(Sandbox)；開發人員可盡情在這個特意營造的測試環境，取得某些樣本及模型工具展開訓練工作。
「除了用於 IC 設計和驗證的 EDA，IP 涵蓋範圍應擴及子系統與周邊設備，還須留意軟體的品質和資安機制；此外，對於深度學習或機器學習來說，Data is King，是否能獲取豐富的數據至關重要」，Hanford 強調。為了讓用戶能有更多數據供模擬訓練之用，Synopsys 在自家「ARC」IP 基礎上，提供「embARC」平台作為訓練 (training) 過渡到推論 (Inference) 的「沙盒」(Sandbox)；開發人員可盡情在這個特意營造的測試環境，取得某些樣本及模型工具展開訓練工作。
台灣新思總經理李明哲補充，「embARC」承載的開放資源雖不如 ARM 的 mbed 平台多，但好處是可免費使用 (mbed Device Server 是一套付費授權軟體)；開發人員可從中獲得必要的驅動程式、中介軟體和開源作業系統。他透露，就在不久前，台灣有一個由三人組成的學生團隊、只用了短短的三個月，即成功利用「embARC」平台的機器學習模型開發出物理治療用的手環輔具，並順利在中國大陸的某場 IoT 開發競賽奪冠。
照片人物：台灣新思總經理李明哲
順帶一提的是，Synopsys 是一家極懂得善用學界資源的公司，與台灣 45 所大學廣建合作關係，包括與亞洲大學建立台灣第一個電腦輔助設計技術 (TCAD) 研究中心。李明哲指出，AI 自 2015 年開始已逐漸趕上人類，IBM 華生 (Watson) 在醫療應用的判斷力已高於人工判讀；而近期更有不少手機應用程式 (APP) 能自動辨別照片圖檔，予以增添藝術畫作效果或應景題詩，微軟第一代 AI 機器人「小冰」，甚至能創作詩集……，顯見 AI 活力正方興未艾。
晶片到軟體是一個完整的循環體系
李明哲認為，若將 AI 概略分為三大區塊：雲端運算基礎架構、邊緣裝置 (Edge Device) 以及軟體應用，台灣在第三塊最具優勢。對於科技部日前發佈的 AI 政策，李明哲亦有高度期許；認為將有助提升台灣 AI 能量，應多加鼓勵。軟體之於深度學習和 AI 有多重要？李明哲分享親自試駕 Tesla Model 3 的經驗，發現其 Autopark 自動停車系統一個有趣的現象：必須在前、後有車的情況下才能動作。他曾試圖要在前有樹、後有車的情況下進行路邊停車，在多次挪移後，結果卻是在路樹旁並排停駐，未能如願安插在樹與車的足夠空間中。
李明哲認為，若將 AI 概略分為三大區塊：雲端運算基礎架構、邊緣裝置 (Edge Device) 以及軟體應用，台灣在第三塊最具優勢。對於科技部日前發佈的 AI 政策，李明哲亦有高度期許；認為將有助提升台灣 AI 能量，應多加鼓勵。軟體之於深度學習和 AI 有多重要？李明哲分享親自試駕 Tesla Model 3 的經驗，發現其 Autopark 自動停車系統一個有趣的現象：必須在前、後有車的情況下才能動作。他曾試圖要在前有樹、後有車的情況下進行路邊停車，在多次挪移後，結果卻是在路樹旁並排停駐，未能如願安插在樹與車的足夠空間中。
究其原因，正是軟體設計不夠「智能」使然，但軟體可能引發的災難還不僅於此；一旦軟體開發出現漏洞，甚至有被駭客入侵或植入惡意程式的風險。為強化車用軟體安全，Synopsys 設立「Software Integrity Platform」，協助開發人員了解可能的攻擊手法及解決方案，據以優化軟體設計流程。他並重申汽車功能性安全 (Functional Safety) 驗證應包括軟體在內，確保萬一有部分系統失效，不致影響到行車安全。有別於放眼全流程、將產品線延伸至電路板層級的同業，Synopsys 現階段營運仍專注於上游 IC 設計到製造的「綜效」發揮。
圖：Synopsys「Software Integrity Platform」工具集
資料來源：Synopsys 官網
有電子產品開發經驗的人都知道，雖說軟體有時未必是開發主體，卻對功能運作的順暢與資安有著舉足輕重的影響；若待硬體已定才驚覺軟體不協調或無法作用，要讓好不容易完成的工程重新來過，恐為時已晚！Synopsys 之所以堅持這樣的策略，也是有其原因和本錢的——它是全球最大的電子設計自動化 (EDA) 暨第二大 IP 供應商，軟體尤是強項，旗下產品總計有 4.17 億行指令編碼，在 USB 晶片設計執牛耳地位。最後，Synopsys 不忘主張：「晶片的產出不宜單獨看待，應將晶片到軟體視為一個完整的循環體系。」
