转载至电子工程专辑
作者：刘于苇
当前智能手机、车联网、IoT等终端，对于系统级芯片（SoC）的PPA (功耗、性能、面积)提出了更高的要求。面对动辄数百亿颗晶体管的芯片设计规模，以及异构集成、系统级封装、Chiplets等新的封装方向，如果没有机器学习（ML）和人工智能（AI）的辅助，只用现有的设计方法，工程师们会面临越来越严峻的挑战。
将AI设计从概念升级到实战阶段，无论是在EDA工具中应用AI算法赋能芯片设计的“AI Inside”，还是关注如何设计EDA工具助力AI芯片高效设计的“AI Outside”，EDA工业界和学术界都已经开始行动。在国家战略层面，美国国防高级研究计划局(DARPA)甚至开始将电子资产智能设计(IEDA) 作为代表性项目，重点突破优化算法、7nm以下芯片设计支持、布线和设备自动化等关键技术难题。
其实AI用于芯片设计已经不是新鲜事了，谷歌当年在设计TPU芯片时就用到了AI技术；三星将AI技术融入到芯片的设计中，据称超越了此前可以达到的芯片PPA效果；英伟达也正在用AI算法来优化5nm和3nm芯片的设计…
那么国内外EDA厂商们，对于在设计验证中采用AI技术，抱什么样的态度，又是如何行动的呢？在日前举办的中国集成电路产业设计年会（ICCAD 2021）上，新思科技、Cadence、国微思尔芯和鸿芯微纳等EDA企业高层接受了《电子工程专辑》等媒体的采访，除了AI的应用，大家还就EDA上云、3D IC等热点话题进行了探讨。
AI用于EDA工具，是否会取代人类工程师？
AI还可以在前端设计时，通过建模检测其在后端的运行结果，让工程师知道他们现在前段的优化动作在后端是否有效，缩减迭代的速度。但王宇成认为目前的AI技术还很难拿来做签核，因为基于建模的方式还不够精准，只能给出大概范围。
同属国微集团旗下的国微思尔芯创立于2004年1月，一直聚焦于数字芯片电子设计前端验证业务，是EDA工具链中的重要组成部分。国微思尔芯资深副总裁林铠鹏将AI应用分为两个部分来理解，一是用EDA工具帮助AI芯片高效设计，也就是“AI Outside”；二是AI技术在EDA工具的应用，就是“AI Inside”。
AI Outside方面，近年来做AI芯片的厂商持续增多，相比传统芯片，AI芯片的迭代速度更快、规模更大。国微思尔芯主要为这部分客户验证AI芯片性能和收敛能力，以及芯片如何与上层应用集成并迭代，国微思尔芯针对AI的分布式、矩阵式等运算特点，推出的解决方案能够在特定领域得到更快的结果。AI Inside方面，林铠鹏提到了业界目前一种观点，就是AI用于EDA工具能在某种程度上降低国内EDA人才的迫切需求。“AI技术的加持，可以让我们在开发过程中获得更多人力的解放，加快开发过程的收殓，” 林铠鹏说到，“但要替代人类智慧来做芯片，还需要一段时间。特别是在芯片规划和设计阶段，需要对整个市场的理解，这是不能缺少人的。”
可见AI可以解放人的生产力，但不能取代人。而且AI的主要任务还是在数字化转型上，如果未来AI真的大爆发能够取代人类，那么影响到的将不仅仅是芯片设计，也将更多影响到整个人类社会。
仿真和验证的重要性
目前系统厂商掀起了自研芯片的风潮，因为随着系统应用的复杂化和厂商追求差异化的需求，通用芯片已经不能满足系统厂商的特殊要求。研发一款专用芯片对于系统厂商来说，流片是一笔不小的负担，要保证“一次过”，就要在芯片没流片之前就做好充分的系统级验证。所以各大EDA厂商都在强调仿真验证的重要性以及自家核心优势，尤其是在前端就做更复杂的系统级验证。
林铠鹏认为机器学习的应用给EDA中的验证环节带来了很大帮助，尤其是用在数据编辑、分割、时序、收敛以及寻找最优解的过程中，国微思尔芯的算法专家也在与高校、学术界进行交流，希望通过机器学习用AI相关算法来提升整个EDA工具和软件性能。对于系统化验证的需求，当前针对3D封装芯片系统以及牵扯到多个NPU、CPU协作系统的验证复杂性都非常大。业界除了通过系统建模来提升验证效率，也会通过分布式或基于云、集群的算法来提高递归验证的效率。
另外，验证占EDA总体算力比重较大，可达到60-70%甚至更多。现在不少系统厂商自行开发SoC，可能真正自研的只是其中一两个他们擅长的IP，更多是用第三方IP组合，这样要验证其他整合部分、软件和固件之间的匹配度的需求越来越多。鉴于验证任务越来越复杂，设计团队也希望采用不同的验证工具来进行交叉对比确保质量，“所以不少新创EDA公司也选择了验证作为切入点。”
EDA上云很火，但国内厂商很谨慎
EDA上云也是一个大趋势，许伟认为不管从算力还是大数据等方面，EDA上云都会带来更大的优势，尤其是对于成长型企业而言，将会获得更多的便利，包括更低的成本和更高的效率。当前越来越多公司开始自己建私有云甚至公有云，这种趋势会对各类基础设施带来大量调整，据悉新思科技很早就与微软展开合作，在微软Azure上运行的IC Validator物理验证解决方案在不到9小时的时间内，完成了对AMD Radeon Pro VII GPU（包括超过130亿个晶体管）的验证。
EDA上云的难点之一就是云算力的分享，EDA无论是设计还是验证对算力的需求都非常大，初创芯片设计公司很多时候承受不起自建云，只能在公有云上“削峰填谷”用时间换金钱。林铠鹏认为，如果能采用私有云、公有云混搭方式来提供更合理的解决方案，对于很多初创中小型公司来说会有很大帮助。此外还要考虑信息和数据安全，以及商业模式上如何提供合理的授权（License）方式。
不过即便EDA上云有着更高的便利性、灵活性，还可以根据实际情况决定授权用多久，几家EDA厂商也都表示，目前真正完全在云端使用EDA的设计企业很少，尤其是国内企业。
本土新创EDA公司真的多吗？
如果看EDA三巨头的发展史，我们会发现他们一路都在不断并购整合，通过融入新技术的方式来提供新工具。“虽然这几年中国出现了很多新创EDA企业，但如果从整个中国的大市场来看，几十家并不算多，二十年前美国的EDA公司也非常多。” 林铠鹏说到，“现在国内厂商还是集中在一些小的点工具上，在某些领域可能稍显拥挤，但随着产业不断的发展，最终还是要靠产品说话，市场会有自己的调节能力。”
谈到未来国内EDA公司可能面临的整合，王宇成分析道，整合可以有经济上和技术上两种，目前来看后者更符合中国国情。从EDA工具的角度看，国内厂商如果没有完整解决方案，要客户转而采用国产EDA非常困难，需要专门的机构整合分散的EDA工具使它们变成真正的国产替代完整解决方案。“这里的关键技术在于数据库，2002年左右美国就有各种联盟希望通过数据库来进行EDA整合。对中国来说制订自己的EDA行业标准很重要，实现的话就能整合国内EDA，给客户完整的解决方案，而不是某个部分的点工具，推广起来也会更容易。”
半导体行业是全球化分工程度极高、国际化特性长期持续、产业链特别长的行业，国内EDA公司扎堆出现的现象，许伟认为这其实是好事。国内半导体产业链的加强和提高证明整个环境在可持续发展，面对全球缺芯的过程中，中国也在资本、技术和人才各个方面努力为全球产业链做贡献。这样不但促使中国不断深度融入全球产业链，也让半导体产业获得中国注入的发展活力，最终达到竞争与合作的平衡。“中国半导体产业的国产化应该是脚踏实地、公平竞争、开放创新的国产化，高水平国产化必然要求高水平的国际化，中国半导体产业只有走这样的道路才会越来越健康。”
-889.png)
