ai芯片发展方案（这个被称为芯片之母）

“芯片先进制程的成本正不断上涨——7nm的设计成本大约是16nm芯片的三倍，5nm的设计成本会再次翻倍，节省成本对半导体公司至关重要。”

随着数字经济、新技术产业的蓬勃发展，作为算力和硬科技基础设施的半导体在人类社会生活中扮演的角色日益重要，而近年来全球范围内的缺芯现象，以及我国半导体产业界普遍重视的芯片关键技术、设备遭“卡脖子”的问题，半导体领域的一些前沿技术再次被推到舆论关注的风口浪尖。

品玩曾在《芯片设计国家队来了，它能把掐着华为脖子的那只黑手推开么?》一文中详细论述了我国芯片领域被“卡脖子”的典型代表——被誉为“芯片设计之母”的EDA产业，并结合当时6月正式进入上市流程的我国EDA企业华大九天和概伦电子，浅析了我国EDA产业的现状以及当下面临的挑战。

如今，人类已跨入人工智能时代，包括BAT在内的各大互联网公司都有了自家的AI芯片，而AI也通常被视为国内自主设计芯片的亮点。确实人工智能技术已开始在越来越多基础设施场景上落地应用，为了跟上时代风口，更为了提高芯片设计的生产力和优化芯片设计过程，已有不少EDA公司将目光投向人工智能技术，期待AI能让EDA继续进化。

那么，相比于过去的方式，如今在EDA中引入AI有哪些优势？在EDA中引入AI会是初创EDA公司弯道超车、成熟EDA公司加速发展的一个机遇吗？目前，EDA业界在AI工具利用上的进程如何？想要通过引入AI来加快EDA公司的发展，这其中的难点又在哪里呢？

EDA中的EDA

EDA，ElectronIC Design Automation，电子设计自动化，EDA能被誉为“芯片设计之母”，是因为EDA的诞生让芯片设计的难度大大降低、芯片设计的成本惊人的减少，可以说EDA产生的过程就是为了提高芯片设计的效率（时间、良率）。

过去，设计人员必须手工完成芯片的设计和布线，可随着芯片制程越来越先进，其内部的复杂程度也呈几何级增长，这对IC设计人员来说，不管是工作量还是工作难度都在与日俱增，这就客观要求IC设计人员利用辅助性工具来解决这个问题，EDA由此产生。

具体来说，EDA是指利用计算机辅助设计软件，完成超大规模集成电路芯片的功能设计、综合、验证、物理设计等流程的设计方式，它能使芯片设计的效率得到数百倍的提升，也因为EDA工具的日臻完善，从而大大减少了芯片设计公司流片失败的概率。

过去数十年，EDA一直在提高半导体设计的生产效率。随着摩尔定律的前行，先进芯片的制程变得越来越小，同样大小芯片中的晶体管数量变得越来越多，5nm芯片可以实现在指甲盖大小的面积上集成数百亿颗晶体管，芯片上的单个功能部件更是微小到只有几纳米，当芯片的内部结构变得愈加复杂，这就客观要求EDA工具也能伴随摩尔定律的演进，进化成更快更强的EDA。

随着半导体应用的更加广泛，芯片设计企业也迫切需要一款更快更强的EDA软件来缩短芯片设计流程。云岫资本李俊超博士对品玩表示：“现在的EDA软件要做一个设计其实要跑挺长时间的，如今芯片越来越复杂，可能要跑几天时间才能做完一个，所以大家对整个设计效率提高有很大的需求，如果跑一个工具只需要两三个小时那肯定更好，这就需要引入AI来提高效率。”

EDA公司新思科技对品玩表示，在EDA中引入AI将在芯片生产流程中的三个决定性要素上发挥作用：“一是芯片的性能；二是设计这样性能的芯片所需要的设计过程；三是在相同的时间内设计出同样性能的芯片所需的人力和物力。在EDA中引入AI将对这三方面都有所帮助。”

AI具体是如何通过EDA在芯片设计阶段发挥作用的呢？李俊超表示：“不是让机器来将所有可能性都穷举完，引入AI是让机器筛选出一条捷径，然后设计人员在这条路的附近再寻找最优解，其效率就会大大提高。这是一个大家普遍看到的趋势，具体在哪些环节通过什么方法去实现，各家都有不同选择。”

这意味着相对于传统芯片设计工作流程中很难被利用到极限的PPA（Performance性能、Power功耗、Area尺寸）架构，在芯片设计流程中引入AI可以在数据快速提取模型、布局和布线、电路仿真模型、性能、功耗、面积（PPA）的优化决策、局部优化建模等多方面提供多个流程的优化。

可以说如今的AI正在扮演过去EDA的角色——缩短芯片设计时间、更快实现PPA目标。

国内外EDA企业的AI路径

人工智能的引入确实已成为EDA业界的一股浪潮，包括EDA三巨头在内的各大公司已进入这个战场。国际EDA三巨头即为新思科技、和西门子EDA，三巨头能够提供全套的芯片设计EDA 解决方案，根据赛迪智库数据，2020年国内EDA市场销售额约80%由国际三巨头占据，三大EDA厂商在AI领域的动作可以视为整个行业的风向标。

新思科技总裁兼联席首席执行官陈志宽博士曾在Hot Chips 2021 主题演讲中表示：“现在每个垂直市场都在投资人工智能，以变得更聪明、更高效、更有效。”他说，“人工智能可以设计芯片吗？答案是肯定的。”新思科技宣布其新一代集成人工智能技术的电子自动化设计工具DSO.ai平台，通过引入人工智能，芯片设计中不需要去完整模拟10的9万次方种可能布局，机器可以智能化筛选，不仅可以做到研发成本减半，时间甚至也可以从24个月减少到2周，主要优势包括降低开发成本、缩短投放市场的时间、提升性能、增加良率等。

楷登电子全球 AI 研发中心高级 AI 研发总监丁渭滨则表示AI在EDA中的应用可以从两方面来看：Inside注重于EDA工具本身，力图让EDA自身更智能，使用户获得更好的PPA和更快的引擎，从而提升测试和诊断性能表现；Outside则注重于人，让机器通过学习的方式积累经验，减少人工干预，极大地释放生产力。楷登电子已在今年七月推出 Cadence Cerebrus Intelligent Chip Explorer这款基于机器学习（ML）的设计工具。

另一EDA巨头西门子ED则在2019年5月就推出了人工智能/机器学习 (AI/ML) 开发套件，为其Calibre设计平台添加了AI/ML功能。

国内EDA公司同样注意到了人工智能的机遇，如国产EDA智能软件和系统创企芯华章针对芯片设计难、人才少、设计周期长、设计成本高企的问题，发布了《EDA 2.0白皮书》。芯华章认为在EDA 2.0时代，“EDA2.0的目标是要从现有的EDA1.0过程中大幅减少芯片架构探索、设计、验证、布局布线等工作中的人力占比，将过去的设计经验和数据吸收到EDA工具中，形成智能化的EDA设计。”。

《EDA 2.0白皮书》从智能化的设计需求分析、智能化的芯片架构探索、智能化的设计生成、智能化的物理设计等四个方面介绍了人工智能未来将在EDA上扮演的角色，芯华章强调：“基于强化学习之类的机器学习算法，可以缩小巨大的探索空间，节省智能物理设计所需要的算力和时间，最终目标是依靠人工智能和自动化流程实现布局布线和后端验证。”

虽然，我国EDA企业也已注意到了未来人工智能化的趋势，但若要迈入所谓“EDA 2.0时代”仍有一些“老问题”需要解决。

芯片产业环环相扣，EDA工具与下游芯片制造工艺同样关系紧密。EDA工具仿真的结果与芯片制造企业的具体工艺细节息息相关，这就需要将理论模型与工艺结果之间相互验证，当晶圆代工厂开发新的工艺，EDA 工具软件厂商就需要获得代工厂新工艺的相关数据，基于此来开发新的版本。

因此，EDA工具软件要支持最先进工艺节点，就必须与代工厂保持紧密合作，根据代工厂的工艺特点开发相应的算法和模型，在这一过程中实现自身产品和技术的进步，国际三大EDA龙头企业的成长都伴随着与全球各大芯片厂商的密切交流。可以说，未来我国晶圆代工厂的先进制程能力决定了我国EDA工具软件的先进程度。

这在EDA企业的AI应用上同样重要，EDA的AI化、ML（机器学习）化，必然是以大量可标注的高质量数据和案例作为基础才可能实现，而现在中国的EDA产业处于才刚刚蓬勃兴起的阶段，这意味国内EDA公司要发展AI获得高质量的数据，必须与芯片设计厂商、晶圆厂商通力合作，这无疑是一个挑战。

当然，这并不意味着国内EDA公司毫无机会。李俊超表示：“对于这些老牌公司来说，现在做AI可能也不轻松，而国内的一些初创公司来说可能是机遇更大，大公司需要在它原有几万行几十万行的代码里面插入AI的算法，这个工作量其实也很大，但是对于一个新公司从头开始设计的时候，就把AI考虑在内的话，或许整个实现起来会更简单。”

同时，现阶段即便对领先的EDA公司而言，AI技术也不能作为EDA行业发展的万能解药。新思科技对品玩表示：“目前人工智能驱动的芯片设计还不具备完全自主决策的能力。芯片设计流程的复杂性要求每一个步骤都必须得到最佳结果，否则便会面临流片失败的巨大损失。因此，在这些流程中，需要有经验丰富的工程师掌控全局，来确保AI跑出的结果是合理有效的。”

因此，AI虽然开始在EDA领域扮演更加重要的角色，但EDA企业以及芯片设计公司在实际AI的应用过程中仍需不少专业技术人员来作为支撑，可以说想要在AI领域走得更远，企业本身的人才、技术底蕴仍是关键，这也决定了对国内的芯片公司来说，想要抓住AI加速的契机还得凭硬本事。