AI芯天下丨新一代EDA，赋能产业互联网

前言：
半导体行业正在经历一个技术进步和创新浪潮的复兴时期。EDA工具至此也进入2.0时代。

作者 | 方文

图片来源 | 网 络

芯片制作必需品

一颗芯片从设计到制造成成品，少不了各种设备的辅助。大众熟知的光刻机、刻蚀机等机器，都属于硬件设备，它们在芯片行业的地位极高。除了硬件设备，很少被人们提及的软件工具也十分重要。

目前EDA需要变得更加AI化，它能帮助客户设计达到最优化的PPA目标(性能、功耗、面积)，开发性能更高的终端产品，并进一步减少设计迭代，缩短设计周期，加快上市速度。最终，具备AI特性的EDA工具将助力客户设计出更好的芯片，并快速推向市场。

EDA处于芯片产业链的最上游，是芯片设计和生产的必备工具。利用EDA工具，芯片的电路设计、性能分析、设计IC版图的整个过程都可以由计算机自动处理完成，提高了工作效率及芯片精度。

离开专业的EDA工具，集成电路及半导体的设计和制造，都是不可想象的事情。虽然EDA十分重要，但是EDA的市场规模很小，目前全球总量为70亿美元左右，只占整个集成电路市场的九牛一毛。

EDA市场中的新思科技

如今的EDA市场，是标准的寡头市场。三家公司共同瓜分了全球92%的份额，新思科技（Synopsys）就是其中之一。

新思科技强调数字芯片设计技术的融合，通过融合同类最佳的优化功能以及行业经典signoff工具改善了RTL到GDSII设计流程，帮助开发者以业界最佳的全流程质量和最短的获得结果时间加速交付其下一代设计。

融合技术重新定义了EDA工具进入2.0时代，它在综合、布局布线以及signoff这些业界首要的数字设计工具间共享引擎，并使用了独特的数据模型表达逻辑及物理信息。

此外，在数字芯片设计过程中，新思科技亦提供ECO 、Signoff、Test等融合技术，使得RTL到GDSII的设计实现流程具有最高的可预见性，同时能够以最少的设计迭代次数得到卓越的设计时序、功耗和面积结果。

该技术基于共用的大规模并行及机器学习就绪的基础架构，使设计规则和设计意图在整个流程中有着一致的解读。

新思科技下一代EDA设计

数字设计迈进新纪元，融合技术也可以应用到EDA工具本身。每款工具从前到后需要经过多道工序，且每一个算法不是都往同一个方向去优化，比如有些算法是为了让芯片跑得更快，有些算法是让芯片变得更小，有些算法让芯片功耗更低。

如果没有早期采用融合技术，后期的不确定性会变大。因此新思科技推出创新性的RTL-to-GDSII产品Fusion Compiler™，来解决先进工艺节点设计的复杂性。

Fusion Compiler通过把新型高容量综合技术与布局布线技术相结合，以更好地预测结果质量，来应对行业最先进设计所带来的挑战；并能够在RTL-to-GDSII流程中共享技术，从而形成一套高度收敛的系统，将QoR提升20％，TTR缩短2倍。

同时Fusion Compiler提供的RTL-to-GDSII的单座舱（single-cockpit）解决方案，可实现高效率、灵活性和吞吐量，并可最大限度地提高性能、功耗和面积（PPA）。

新思科技发展趋势

①要整合各种先进工艺，新思的DTCO设计方法学将是半导体产业数字化的重要里程碑，从创造工艺的开始就考虑到设计者的需求，打通设计到制造工艺的数据链条。目前DTCO已经帮助客户实现2nm工艺设计。

此外，新思还能够通过3DIC Compiler将异质芯片整合在同一微系统，统一数据结构。

②使用AI做为生产工具提升数据价值和效能，提升EDA的性能，协助开发者创造出更好的芯片，如DSO.ai是业界首款AI自主芯片设计解决方案。

③以数据提升客户捕捉终端应用需求的能力。新一代EDA还能够为客户提供数据化模型，了解需求，让软件开发更容易，并通过收集、整合、分析半导体产业链上的离散数据，让客户体验数据化。

④以新一代EDA的理念构建新的产业生态，促进产业链垂直合作，实现数据共享、产业互联，让中国更早实现产业互联网，赋能未来数字社会。

新思科技中国董事长兼全球资深副总裁葛群认为，下一代EDA不仅仅是解决制造问题，还要支持产业互联网。未来EDA需要和AI与云计算协作，来更有效的处理任务；还需要整合各种先进工艺，统一数据结构。

新思还在更高层面上思考如何让开发者更好地通过数据了解终端应用需求、带来更好体验，实现需求、应用、体验的数字化以及拓展产业生态链。

EDA进入2.0时代

云计算＋EDA：云技术的应用主要有三大优点：快速部署可提高工程效率并加速项目完成；通过灵活的解决方案和大规模可扩展的云就绪工具实现无痛采用；经过验证的解决方案具有很好的安全性，被许多客户信赖和使用。

人工智能＋EDA：芯片敏捷设计是未来发展的一个主要方向，深度学习等算法能够提高EDA软件的自主程度，提高IC设计效率，缩短芯片研发周期。机器学习在EDA的应用可专门为芯片设计工程师提供仿真和验证工具的EDA细分行业是整个半导体行业生态链中最上游，最高端的节点。

因此，把AI引入EDA工具来支持大规模并行运算，实现云端部署EDA，将是未来的趋势。

结尾：

半导体行业持续驱动着工艺沿摩尔定律发展，为EDA带来了日益增长的技术挑战。未来的芯片挑战来自于工艺、丰富的应用场景、整体设计规模以及成本。

为了应对这些挑战，除了要把工具做得更好外，还需要积极探索EDA工具与AI和云技术的融合，让芯片开发者可以把研发的重点转移到如何创造出更有意义的芯片。