AI与模拟电路设计总结笔记

导讲座速览

Bozorg Rabii 教授（9本书被译为8种语言，合著超200篇论文）用「金字塔五层模型」评估 AI 的模拟电路设计能力，并进行两组实测：本科生级电路分析 + 研究生级趋势预测。结果显示：AI 能处理分析性任务，但在设计直觉与创新上存在明显短板。

Γ 金字塔五层能力模型

5 像人类一样创新

4 从多种拓扑中择优并优化

3 设计给定拓扑以满足规格

2 具备电路直觉

1 正确分析电路

Rabii 教授：底层能力是上层的基础，但「创新」是模拟设计师最核心的护城河。

数两组评估结果

41%

ChatGPT 本科级测试（30题/120分）

92%

Gemini 本科级测试（30题/120分）

55%

Gemini 3.1 Pro 研究生级测试（80题）

研究生级测试使用 Gemini 3.1 Pro，20题每题 0–4 分，可能因版本代号差异而得分口径不同，此处保留原文数据。

两类共性问题

例具体错误案例

错误 1 · ChatGPT 未识别源极接地短路、未发现 MOS 管类型被修改

错误 2 · Gemini 误判共源共栅（Cascode）拓扑

错误 3 · 环形振荡器电源电阻误答为 ≈ 1/3二极管串联电阻（正确答案 1/(3·f_osc·C_L)）

错误 4 · 比较器速度、强臂锁存器宽度、LC 振荡器相位噪声的趋势判断与论文结论相悖

「不能用 '不知道' 来敷衍，AI 给出错误答案比不回答更危险——因为用户可能照单全收。」

析 Gemini 3.1 Pro 的深层局限

❌ 错误公式：LC振荡器频率偏移 — Gemini 给出 gmc/(2Cnode)
✅ 正确公式：α·ω₀/(2Q)，其中 ω₀=1/√(LC)，Q 为谐振腔品质因数，α 为耦合因子（依赖耦合尾电流与核心尾电流比）

维模拟 vs 数字设计空间

数字：少量模块（门、加法器、触发器、锁存器、寄存器），训练相对可行
模拟：约 50 类构建模块 × 每类多种拓扑 → 总数达数百种，涉及速度、功耗、增益、线性度、电源注入等多维权衡

公共机构协作倡议：模拟的数百种拓扑需要多年持续覆盖，且必须考虑 PVT 角落、工艺波动等约束。

创创新是 AI 的天花板

「在下个五年，AI 或许能覆盖数十种拓扑，但数百种拓扑和真正的创新仍不是 AI 能做到的。」

界 AI 应用边界

✅ 可承担：性能适中电路（比较器、带隙基准）、约 60–70% 模拟版图工作（在正确约束下）、穷举检查（短路、不对称等）

⚠️ 困难：极限性能设计（依赖直觉/经验/创新）、高频 IP 设计中的布局迭代闭环、时钟分配与低 IR drop 等极限场景

📚 教育：作业可用 AI，但考试与面试不能依赖；AI 提高大学生产力需「两级思考」

议行动建议

「AI 不会替代模拟设计师，但会用 AI 的设计师会替代不用 AI 的设计师。」

句核心金句

「AI 能承担繁琐任务（如跑几十个 PVT 角落），但在预测电路设计趋势上有困难。」

「AI 常给出难以解释的结果，一旦产物在硅片上出问题，缺乏直觉就会变成致命的短板。」

「更好的电路设计师，其最终拓扑越简单；平庸设计师会让电路膨胀到不必要的复杂。」

「如果 AI 没有创新，就不可能成为合格的模拟设计师——而这个能力来自好奇心、耐心和不断试错的勇气。」

模拟设计仍是人类智慧的领域
AI 是强大的工具，但创新与直觉，依旧是设计师最不可替代的资产。

AI 会取代模拟设计师吗？