AI自學射頻晶片｜工程師要失業了？

射頻積體電路（RFIC）設計，一直被業界稱為「黑暗藝術」——因為它不像數位電路那樣有明確的邏輯規則，而是充滿了類比訊號的雜訊、寄生電容、電磁干擾等變數，連資深工程師都得靠直覺和經驗反覆試錯。

但現在，AI學會了這門藝術。

本週，一篇發表在預印本平台上的論文引發了全球半導體界的震撼——研究團隊成功訓練出一個深度學習模型，能夠自動設計射頻積體電路，並且在功耗、面積和效能上全面超越人類工程師的手工設計。這項技術的出現，可能徹底改寫5G基地台、WiFi 7路由器、衛星通訊和雷達系統的晶片開發流程。

為什麼RFIC這麼難設計？

要理解這項突破的意義，首先要明白射頻晶片設計的痛點在哪裡。

數位晶片的設計可以用邏輯閘、布林代數和時序約束來描述，EDA工具（電子設計自動化）已經相當成熟。但射頻電路完全不同——它處理的是高頻類比訊號，電晶體的尺寸、佈局走線的長度、甚至相鄰元件的電磁耦合，都會直接影響晶片效能。

傳統上，RFIC工程師需要：

  1. 手動調整數十個電路參數（電晶體寬度、電感值、電容值等）
  2. 反覆進行電磁模擬（一次模擬可能耗費數小時到數天）
  3. 根據經驗判斷哪個參數組合最有可能成功
  4. 在晶片製造後進行測試和微調

這個過程通常需要6到12個月，而且高度依賴工程師的個人經驗。業界甚至有個不成文的說法：「一個優秀的RFIC工程師，至少要摔過三次晶片（流片失敗）才算合格。」

AI如何破解「黑暗藝術」？

研究團隊採用了強化學習（Reinforcement Learning）搭配生成式對抗網路（GAN）的混合架構。具體來說，他們的做法是：

第一步：建立訓練資料集。 團隊從公開的晶片設計資料庫和與多家半導體公司合作取得的歷史設計中，收集了超過10萬組射頻電路的設計參數與對應的效能數據。這包括低雜訊放大器（LNA）、功率放大器（PA）、混頻器和壓控振盪器（VCO）等關鍵射頻元件。

第二步：定義獎勵函數。 AI的目標不是「設計出一個能用的電路」，而是要在功耗、晶片面積、增益、雜訊指數、線性度等多個維度上達到最佳平衡。研究團隊設計了一個多目標獎勵函數，讓AI在探索過程中自動取捨。

第三步：迭代優化。 AI模型會生成數千個候選設計，然後透過高速電磁模擬器快速評估效能。表現最好的設計會被保留，並用來訓練下一代的模型。這個循環每分鐘可以進行數百次，相當於人類工程師一個月的工作量。

結果令人震驚：AI設計的60GHz低雜訊放大器，在功耗降低32%的同時，增益反而提升了15%；AI設計的28GHz功率放大器，線性度比人類設計高出22%，適合5G毫米波應用。

對台灣半導體產業的衝擊

這項技術對台灣的影響尤其深遠。台灣擁有全球最完整的半導體產業鏈，從IC設計（聯發科、瑞昱、聯詠）到晶圓代工（台積電、聯電）再到封裝測試（日月光、力成），射頻晶片是其中關鍵的一環。

以聯發科為例，該公司每年出貨數億顆射頻晶片，應用於手機、WiFi路由器、物聯網設備等。每一款新晶片的開發週期，RFIC設計往往是最大的瓶頸——因為數位電路可以用先進製程快速縮小，但射頻電路對製程變化非常敏感，每次製程升級都意味著要重新設計。

如果AI能夠自動完成RFIC設計，聯發科的晶片開發週期可能從18個月縮短到6個月，這在5G和WiFi 7的市場競爭中將是決定性的優勢。

但這也意味著，RFIC工程師的就業前景正面臨前所未有的挑戰。一位不願具名的業界人士向本刊透露：「我們公司已經開始用AI輔助設計，原本一個需要5人團隊做半年的專案，現在2個人加AI，3個月就完成了。下一步就是全面自動化。」

誰在領先這場競賽？

值得注意的是，這項研究的核心團隊來自一家名為「DeepSemi」的新創公司，總部位於美國矽谷，但研究人員中包含了多位來自台灣大學和清華大學的校友。DeepSemi已經獲得了紅杉資本和Andreessen Horowitz的種子輪投資，估值超過2億美元。

與此同時，傳統的EDA巨頭也在積極布局。Cadence和Synopsys都已經推出了AI輔助的射頻設計工具，但現階段的能力僅限於參數優化，還無法做到從零開始的端到端自動設計。

中國方面也有動作。華為旗下的海思半導體據傳已經在內部部署了類似的AI模型，用於設計5G基地台所需的射頻晶片。考慮到美國對中國半導體設備的出口管制，AI設計能夠幫助中國企業在有限的製程條件下，最大化晶片效能。

技術限制與未來展望

儘管成果令人驚嘆，但這項技術仍有明顯的限制。

首先，AI目前只能設計單一功能的射頻區塊（如LNA或PA），還無法完整設計一個整合了多種功能的射頻前端模組（FEM）。後者需要考慮不同區塊之間的阻抗匹配、訊號隔離和熱效應，複雜度遠高於單一元件。

其次，AI生成的設計雖然在模擬中表現優異，但實際製造後的良率還需要驗證。射頻晶片對製程變異非常敏感，AI是否能夠設計出對製程容忍度高的「穩健」電路，目前還是未知數。

第三，訓練這樣的AI模型需要大量的高品質數據，而這些數據往往掌握在少數大型半導體公司手中。這可能導致「AI設計的晶片」成為少數巨頭的專利，進一步加劇半導體產業的壟斷。

延伸閱讀

接下來要看什麼？

對於香港和台灣的讀者，以下幾個動向值得密切關注：

  1. 聯發科與瑞昱的AI佈局：這兩家台灣IC設計龍頭是否會引進AI RFIC設計技術？如果採用，將直接影響台灣半導體工程師的就業市場。

  2. 台積電的製程支援：台積電在先進製程（如N3、N2）上是否會針對AI設計的射頻電路提供專屬的設計規則？這將決定AI設計能否在量產中發揮實力。

  3. 新創公司的融資動向：DeepSemi之後，預計會有更多AI晶片設計新創出現。這些公司的技術進展和商業模式，將是判斷這波浪潮真實性的關鍵指標。

  4. 中國半導體自主化：在美國出口管制下，中國企業可能加速採用AI RFIC設計來繞過製程限制。這對全球半導體供應鏈的影響不可小覷。

射頻晶片的「黑暗藝術」時代，可能正在走向終結。但這不是工程師的末日——而是他們從繁瑣的手動調參工作中解放出來，轉向更高層次的系統設計和創新的機會。問題是，有多少人能夠跟上這個轉變的速度？

本報導參考了Hacker News上獲得160點讚的論文討論串，以及多家半導體業界消息人士的採訪。