在设计过程中跟踪IP是另一个挑战。Cliosoft营销副总裁Simon Rance表示：“通过强化学习，将IP转化为项目IP。然后，你可以针对新版本和下一版本的小芯片或其他IP对其进行优化，并获取所有实时数据。IP由一家公司提供，而实时数据来自现场，你应该根据谁拥有哪些IP来划分。它可能来自全球不同地区，因此IP的一部分归他们所有，一部分归客户所有。所以必须要检查元数据，以找出该IP项目中的参与者。而多数时候是无法找到明确答案的，也没有标准。要真正解决这个问题，则需要对谁见过这个IP进行全面追踪，但这是很难执行的。”

这使得公司必须比过去更加努力地保护自己的IP。Expedera营销副总裁Paul Karazuba表示：“我们提供了很多关于我们公司所做事情的细节，比我以往工作过的公司都多，但我们仍然保留了一部分，而且这一点将持续下去，因为我们的所作所为与其他人大为不同。我们尽可能多的申请专利以保护自己。我们仍然不想透露我们公司涉及的一些国家机密。”

目前行业合作越来越多，使得对IP的保护更难，而生成式AI的日益普及使这一问题变得更复杂。Arteris IP营销副总裁Frank Schirrmeister表示：“你所处理的都是最佳的知识数据，到目前为止，这些知识是不断增加的，因为你不想把一切都分享给客户。人工智能是一种推动优化的解决方案，如果有一个大客户，他们会想有自己的一套解决方案。但有了生成式AI，你在处理非常具体的市场需求时，他们可以生成大量数据供自己使用。这增加了各种新的版权和IP问题。”

人为因素

自半导体问世以来，芯片公司的数据一直在泄露。当人们换工作或换公司时，他们会带来他们在前一份工作中学到的知识。在全球范围内，人才流失率正在增加，其影响可以从知识产权侵权诉讼中看出。根据LexMachina的数据显示，2012年至2021年间，美国的专利诉讼申请案略多于4.6万件，即平均每年4600件。相比之下，根据《The Law Reviews》的数据，2021年，中国有近3.2万件专利侵权诉讼，高于2010年的约5800件。

美国与中国和俄罗斯之间正在进行的诉讼争议大多涉及知识产权或专利侵权。美国贸易代表办公室2022年发布的一份报告列举了在商业秘密保护和执法方面存在的差异，尤其是和中国与俄罗斯之间。该报告称：“非法侵占可能发生在各种情况下，包括离职员工携带含有商业秘密的便携式存储设备、合资企业倒闭、网络入侵和黑客攻击，以及商业秘密所有者为履行监管义务而滥用向政府实体提交信息等。”

根据正开发设备的复杂性，员工的访问权限往往有限，而且设备的研发改进速度也很快，这通常也属于数据泄露的范畴。但泄露的数量和泄露数据的价值已经上升到各国政府寻求协议或实施制裁的地步。对于芯片行业来说，产业链过去仅限于一家公司或有限的供应商，现在正被分解为遍布全球的许多不同部分。

尽管如此，对人才的需求非常多，对拥有工作经验的工程师的需求也很多。据行业消息人士透露，企业目前面临的挑战是为工程师创建架构，以便将项目分解给不同团队，各团队都无法看到项目的全貌，一些公司已经与来自不同国家的设计团队进行合作。尽管这可能很难管理，但也能限制泄露数据的价值。

展望未来

展望未来，芯片制造商和IP开发商将不得不更加努力地对员工进行分而治之的策略，并尽可能保持警惕，监控数据流。

“在安全方面没有什么是万无一失的，”Rambus的Paliwal表示，“你购买安全性是为了让它变得更难突破，而不是变得万无一失。可度量的安全性变得非常重要。这就是为什么在行业中可以看到西门子收购了UltraSoC，proteanTecs和Synopsys也都大力投入其中。现在，已经开始在IP中设置有助于可度量的结构。硬件上需要安装非常智能的传感器，这样可以知道何时发生了变化，或何处有潜在数据泄露的情况，这些地方大多存储着机密数据。”

更困难的部分是跟踪数据，因为这些数据需要在芯片公司内移动，这些数据被用来生成其他设计，而这些设计则可能无法确定IP的来源。这对机器学习和生成式人工智能来说尤其具有挑战性，机器学习可以存储优化的数据以供未来使用，而生成式人工智能是科技界刚刚开始面对的问题。最终，行为标准和法律将被制定，但数据将继续在保护水平差异很大的国际间不受限制地移动。

数据泄露无法完全防止，但可以加以限制，并进行更好管理。尽管如此，这仍需要整个行业的共同努力，目前尚不清楚谁将主导这一方面，也不清楚何时会发生。