谷歌（Google）前人工智能负责人兼首席科学家杰夫·迪恩（Jeff Dean）认为，人工智能可以帮助芯片设计人员克服设计周期中的典型限制，设计出能够更好地满足现代计算需求的定制产品。他认为，随着计算技术的演进，定制芯片变得更加重要，因为少数几类工作负载将承担绝大部分计算需求。
前谷歌AI负责人认为自动化有助于克服定制计算硬件设计的基本限制
迪恩目前执掌人工智能公司Discovery Loop，曾是谷歌最早一批员工之一，并在芯片设计强化学习领域有着深入研究的历史。在谷歌任职期间，他是发表在《自然》（Nature）期刊上的一篇研究论文的21位合著者之一，该论文声称强化学习用于芯片设计优于传统方法。尽管该论文的发表引发了争议并陷入法律纠纷，迪恩仍然相信依靠人工智能进行芯片设计是未来的方向。
在16日发布的一场炉边谈话中，迪恩表示他确信专用硬件是前进的方向。他认为专用芯片能够实现更高效的系统。
在谈及当前计算技术的状况时，他指出：“我们现在有一些工作负载，大概少数几类工作负载将承担世界上大部分的计算需求”，这要求更高程度的硬件专用化。
然而，在讨论中，迪恩承认芯片专用化的一个关键问题是，一旦芯片设计最终确定，就会受制于未来的变化。“专用化的问题在于，如果你未来想做的事情发生了变化，那么你花了两年时间精心为硬件打造的东西，可能就不再那么相关了，”他说。
据这位前谷歌负责人所言，芯片问题的解决方案是硬件设计自动化。迪恩指出，在传统的芯片设计流程中，首先由一个团队审视高层规格，然后据此构建低层寄存器传输级（RTL）规格。由于这一转换是人工完成的，还需要另一个开发者团队来验证第一个团队的工作。
迪恩认为，这些问题的解决方案是运行“可通过强化学习或其他进化技术进行搜索的自动化循环”。据他所说，克服传统电子设计自动化（EDA）的关键在于速度，因为“如果你能让它们运行得很快，你就有机会真正实现一个更加自动化的设计流程探索循环，也许还能大幅压缩设计周期。”
至于自动化和速度如何影响设计流程，迪恩概述道：
“如果你能比如用10个人在3个月内设计出一款新芯片，而不是150个人花两年时间，你就会在世界上看到更多专用硬件。而且你在对未来下注时会轻松得多——我需要什么样的计算？两到六年后需要什么？现在变成了三个月到六个月，或者四年后需要什么。”
人工智能的崛起，尤其是智能体AI的崛起，引发了关于该技术在半导体设计中有用性的争论。包括领先EDA供应商和中国公司在内的企业已转向智能体AI，而台积电（TSMC）则认为人工智能可能不适合用于设计下一代制造技术。
