本文來自中國電子報，作者/陳炳欣。
伴隨集成電路60多年的發(fā)展歷程，EDA工具行業(yè)也歷經了從計算機輔助設計（CAD）到電子系統(tǒng)設計自動化（EDA）的演變。未來，云端EDA工具或許將是一個新的發(fā)展趨勢。
疫情加速EDA工具與云計算結合
回顧EDA產業(yè)大致經歷了三個發(fā)展階段：20世紀80年代前的計算機輔助設計（CAD）時代，20世紀80年代的計算機輔助工程（CAED）時代和20世紀90年代后的電子系統(tǒng)設計自動化（EDA）時代。近年來，隨著云計算在各行各業(yè)的滲透不斷加深，EDA與云計算的結合也在深入。特別是中國存在大量新創(chuàng)的中小微芯片設計企業(yè)，對云端EDA工具有著更加深切的需求。
根據(jù)中國半導體行業(yè)協(xié)會IC設計分會的數(shù)據(jù)，2021年中國大陸有2810家芯片設計企業(yè)，同比增長了26.7%，廣泛分布在消費電子、汽車、智慧城市等多個行業(yè)。這些企業(yè)大多為中小微企業(yè)，且大多面臨人手短缺，設計能力匱乏等問題，尤其是設計團隊在進行仿真和驗證時，往往缺乏大規(guī)模的算力集群支持。
正如國微思爾芯資深副總裁林鎧鵬所指出，EDA上云對于企業(yè)來說，最直接就是有望解決算力問題。無論是設計還是驗證，IC設計公司對算力的需求都非常大，很多小公司承受不起，只能用時間來換金錢。如果云端有更好的解決方案，對于它們來說將有非常大的幫助。
具體而言，對于大部分新創(chuàng)IC企業(yè)來說，盡早實現(xiàn)芯片流片是企業(yè)實現(xiàn)生存發(fā)展的關鍵一環(huán)，而及時將產品交付客戶，設計效率至關重要。而在整個設計開發(fā)的流程中，仿真和驗證變得越來越重要。當芯片設計團隊進行仿真和驗證時，往往需要調用大規(guī)模的算力集群。在這樣大的算力環(huán)境下，整個集群算力的管理和調度、算力集群和存儲系統(tǒng)的交互，同樣需要一支專業(yè)的IT團隊進行操作。EDA上云恰恰能夠有效解決這些難題。
近年來，新冠肺炎疫情發(fā)生，對人們的工作生活模式造成很大影響，居家辦公在各行各業(yè)中變得十分普遍。這對EDA上云來說卻是一個促進作用。很多芯片設計公司轉向居家辦公，對芯片設計工程師來說，EDA工具在工作中不可或缺。云平臺EDA工具恰恰是其居家辦公、用家用設備設計芯片的的重要補充。
EDA云工具達到商業(yè)化節(jié)點
根據(jù)researchandmarkets數(shù)據(jù)，2020年全球EDA市場規(guī)模約為115億美元，預計到2025年可達到145億美元。在這其中，云平臺EDA工具所占的比例正在迅速提高。也正因如此，Synopsys、Cadence等國際EDA巨頭越來越重視EDA上云的進程。英特爾、英偉達等芯片巨頭也開始探索EDA云工具的應用。
日前，Synopsys宣布，亞馬遜公司旗下的云計算服務平臺部署了新思科技的VCS FGP技術。在云端運行相關技術，可讓設計團隊實現(xiàn)更高的效率，縮短驗證收斂時間，獲得優(yōu)異的硬件性價比。對此，新思科技中國區(qū)副總經理許偉表示：“EDA上云是一個發(fā)展趨勢，不管是算力還是大數(shù)據(jù)等云計算端都有著自身的優(yōu)勢，將有越來越多設計公司從自建私有云向公有云過度。”
隨著公有云架構逐漸穩(wěn)固，數(shù)據(jù)安全體系逐漸成熟。目前，EDA云平臺工具和運行環(huán)境逐漸整合在一起，產品能夠規(guī)?；貜椭频讲煌男袠I(yè)，并提供給客戶。云技術的運算能力與存儲容量及EDA技術融合，可以在很大程度上解決當前IC設計面臨的算力缺口，為開發(fā)者提供實時可用的算力、更加靈活高效的開發(fā)環(huán)境、更加優(yōu)化的成本，并縮短產品上市時間?？梢哉f，EDA云平臺產業(yè)已經到了商業(yè)化發(fā)展的關鍵節(jié)點。
人工智能與EDA融合不斷加深
在云計算技術的加持下，人工智能與EDA的融合也在不斷加深。通過應用AI技術優(yōu)化客戶體驗、提升效能是EDA迭代發(fā)展的一個重要方向。深度學習等算法能夠提高EDA軟件的自主程度，提高IC設計效率，縮短芯片研發(fā)周期。
報告顯示，機器學習在EDA的應用可以分為四個方面：數(shù)據(jù)快速提取模型；布局中的熱點檢測；布局和線路；電路仿真模型。目前，諸多EDA企業(yè)都在人工智能方面進行了深入的布局與開發(fā)。Cadence公司中國區(qū)總經理汪曉煜表示：“人工智能在大規(guī)模數(shù)字芯片優(yōu)化、數(shù)字仿真驗證、PCB設計綜合等領域都有著巨大的發(fā)揮空間。以仿真驗證為例，當前企業(yè)花費在仿真驗證上的運算資源與時間呈指數(shù)級升高。采用機器學習，生產力提升的效率甚至可以達到10倍以上。”
將AI和算法應用于自身的產品中，實現(xiàn)垂直領域的創(chuàng)新解決方案是各大EDA廠商共同的策略。2020年，Synopsys推出用于芯片設計的自主人工智能應用程序DSO.ai，能夠在芯片設計解決方案中，搜索優(yōu)化目標，利用強化學習來優(yōu)化功耗、性能和面積。Cadence的Cerebrus直接集成到Cadence工具鏈中，從System C定義到標準庫單元、宏、RTL以及signOff，允許一個工程師給它以任何級別上定義的規(guī)范和優(yōu)化對象。西門子EDA的Solido產品可利用機器學習快速進行特征向量庫的生成和提取，以更少的時間實現(xiàn)更高的驗證精度，并將所得數(shù)據(jù)以可視化方式呈現(xiàn)。
