目前人工智能應(yīng)該是當(dāng)今世界上最熱門的話題之一，從IBM的深藍(lán)到AlphaGo，再到最近火熱的Chat GPT，AI的快速發(fā)展對(duì)各行各業(yè)都產(chǎn)生了巨大的沖擊和挑戰(zhàn)。OTNesmc

“EDA行業(yè)也不例外，AI的發(fā)展離不開(kāi)高性能、高帶寬、低延時(shí)的芯片，此類芯片設(shè)計(jì)又對(duì)EDA提出了新的挑戰(zhàn)，無(wú)論是性能還是在設(shè)計(jì)效率方面。” 在2023國(guó)際集成電路展覽會(huì)暨研討會(huì)——全球CEO峰會(huì)上，Cadence副總裁、亞太區(qū)技術(shù)運(yùn)營(yíng)總經(jīng)理陳敏如是說(shuō)道，“反之，EDA作為處理大數(shù)據(jù)量的計(jì)算軟件，也天然會(huì)受益于AI。”OTNesmc

OTNesmc

OTNesmc

Cadence副總裁、亞太區(qū)技術(shù)運(yùn)營(yíng)總經(jīng)理陳敏OTNesmc

EDA會(huì)以超出想象的廣度和深度演進(jìn)

從AI來(lái)，到AI去，EDA在AI新時(shí)代，會(huì)以超出想象的廣度和深度演進(jìn)。OTNesmc

首先，從半導(dǎo)體行業(yè)的發(fā)展趨勢(shì)來(lái)看，行業(yè)得益于很多的驅(qū)動(dòng)力，從5G到云計(jì)算，再到物聯(lián)網(wǎng)等等驅(qū)動(dòng)力，更在共同驅(qū)動(dòng)這一成長(zhǎng)，預(yù)計(jì)在未來(lái)的三到五年內(nèi)，半導(dǎo)體市場(chǎng)規(guī)模將突破萬(wàn)億美元，而電子系統(tǒng)的市場(chǎng)規(guī)模也會(huì)達(dá)到3萬(wàn)億美元。陳敏指出：“雖然短期復(fù)雜的諸多因素，可能會(huì)影響2023年的收入，但是我們依然看到，設(shè)計(jì)的活動(dòng)依然非?；钴S，所以長(zhǎng)期來(lái)看，我們認(rèn)為前景依然還是非常積極的。”OTNesmc

OTNesmc

其次，從市場(chǎng)和消費(fèi)者角度來(lái)看，對(duì)芯片的需求種類越來(lái)越多，單個(gè)芯片的復(fù)雜度會(huì)越來(lái)越高。這對(duì)于設(shè)計(jì)人員帶來(lái)了非常大的挑戰(zhàn)，最關(guān)鍵的就是人才短缺。據(jù)美國(guó)半導(dǎo)體行業(yè)協(xié)會(huì)分析，到2030年設(shè)計(jì)工程師的缺口將會(huì)達(dá)到35%。同樣中國(guó)半導(dǎo)體協(xié)會(huì)有這樣的分析和預(yù)測(cè)，在2024年，行業(yè)人才需求總規(guī)模將達(dá)79萬(wàn)人左右，缺口會(huì)達(dá)23萬(wàn)。陳敏指出，要解決這一問(wèn)題，首先是如何加速人才培養(yǎng)，但這是需要時(shí)間的。同時(shí)，他認(rèn)為解決人才不足的很重要方面就是如何提升生產(chǎn)力。OTNesmc

數(shù)百萬(wàn)年來(lái)，人類的祖先只能使用身體，也就是肌肉的力量和一些簡(jiǎn)單的工具來(lái)進(jìn)行生產(chǎn)，這一進(jìn)程發(fā)展得非常緩慢。當(dāng)隨著時(shí)間的推移，人類逐步掌握了科學(xué)知識(shí)，理解了一些基本的數(shù)學(xué)、物理的科學(xué)知識(shí)，為工業(yè)革命奠定了基礎(chǔ)。工業(yè)革命大爆發(fā)后，從而賦予了人類從來(lái)未有的力量，使得人類的生產(chǎn)生活取得長(zhǎng)足進(jìn)步。OTNesmc

“截至目前，我們依然著眼于在不同的程度，或者以不同的方式來(lái)增進(jìn)增強(qiáng)人類身體的力量，或者是人類身體力量的延伸。”陳敏稱，“目前我們面對(duì)的是另一次全新的開(kāi)拓、全新的道路，也就是可以通過(guò)AI來(lái)使得人類的腦力能夠?qū)崿F(xiàn)跨越式提升，從而使生產(chǎn)力能夠得到飛躍發(fā)展。”OTNesmc

目前人類提升生產(chǎn)力驅(qū)動(dòng)的來(lái)源是來(lái)自于機(jī)器的智慧，來(lái)延伸人類的腦力。實(shí)際上，在我們生活的現(xiàn)在社會(huì)，已經(jīng)包圍著非常多的智能系統(tǒng)，比如智能手機(jī)、智能傳感器、智能汽車、智能家居，甚至智能城市等等。這些系統(tǒng)正變得越來(lái)越個(gè)性化，越來(lái)越互聯(lián)，越來(lái)越智能。在這其中，智能汽車是一大典型。OTNesmc

OTNesmc

據(jù)半導(dǎo)體協(xié)會(huì)的統(tǒng)計(jì)數(shù)據(jù)顯示，現(xiàn)在的汽車內(nèi)部可能擁有幾千個(gè)零部件或者芯片，擁有上百個(gè)電子控制系統(tǒng)，目前占整車成本的35%左右。預(yù)計(jì)到2025年，甚至2030年，這樣的成品結(jié)構(gòu)可能在發(fā)生進(jìn)一步的變化，電子相關(guān)的可能會(huì)占到成本的50%以上。OTNesmc

設(shè)計(jì)這樣的智能系統(tǒng)，對(duì)EDA提出了非常大地挑戰(zhàn)。眾所周知，芯片發(fā)展的規(guī)律背后有著摩爾規(guī)律，如何能夠讓EDA支撐設(shè)計(jì)，滿足摩爾定律的發(fā)展需求，面臨巨大挑戰(zhàn)。EDA界也在不斷地努力，不斷地演變，通過(guò)提升抽象層次，比如最原始的，從手工繪制版圖的方式，發(fā)展到基于晶體管，甚至到基于標(biāo)準(zhǔn)單元的設(shè)計(jì)，甚至到DESIGN的階段。緊接著，就是依靠AI DRIVEN的解決方案大幅提升生產(chǎn)力。每次的效率提升會(huì)是數(shù)量級(jí)的，也正因如此，才能得以延續(xù)摩爾定律。OTNesmc

人工智能，即AI，與設(shè)計(jì)工程師之間的區(qū)別是什么？OTNesmc

首先，設(shè)計(jì)工程師可創(chuàng)造性地提出對(duì)于復(fù)雜問(wèn)題的解決方案，比如在設(shè)計(jì)一些創(chuàng)新算法，發(fā)明一些新的架構(gòu)，這是人的優(yōu)勢(shì)，但是人并不善于處理海量數(shù)據(jù)。反而，機(jī)器，也就是人工智能的優(yōu)點(diǎn)，AI可以在算法的引領(lǐng)之下，能夠并行處理海量數(shù)據(jù)，且可在并行處理海量數(shù)據(jù)的過(guò)程中找到規(guī)律，從而極大地提升生產(chǎn)力。而人最多能夠同時(shí)并行處理的數(shù)據(jù)量大概是3到5組。OTNesmc

陳敏表示：“我們把兩者結(jié)合起來(lái)，通過(guò)新一代的EDA算法，把人工智能和優(yōu)秀工程師的能力結(jié)合在一起，也就是in the loop+AI的解決方案，既可解決高復(fù)雜度問(wèn)題，還可以提升處理海量數(shù)據(jù)，從而提升生產(chǎn)力。”OTNesmc

引入AI實(shí)現(xiàn)對(duì)EDA改造

對(duì)于Cadence而言，最初是優(yōu)化原有產(chǎn)品中所有實(shí)現(xiàn)的引擎，近幾年通過(guò)AI技術(shù)來(lái)處理大量的設(shè)計(jì)數(shù)據(jù)，提高設(shè)計(jì)效率，這是AI-Driven的解決方案。這是全棧的AI解決方案，目前其面向數(shù)字實(shí)現(xiàn)、驗(yàn)證、模擬版圖設(shè)計(jì)、PCB版圖設(shè)計(jì)，甚至系統(tǒng)級(jí)的優(yōu)化設(shè)計(jì)，都有著全棧AI驅(qū)動(dòng)的解決方案。OTNesmc

以Allegro X AI為例，這是面向PCB板的解決方案，它可以完成板上元件的自動(dòng)布局，自動(dòng)生成，以及關(guān)鍵信號(hào)的自動(dòng)布線。之前手工對(duì)這樣的板子可能需要幾天時(shí)間，現(xiàn)在利用X AI這樣一個(gè)新的解決方案，可將時(shí)間縮短至幾個(gè)小時(shí)。OTNesmc

通過(guò)客戶的實(shí)際案例，可以看到，元件布局的時(shí)間，可以由幾十倍的時(shí)間收益。同時(shí)，對(duì)于大家更為關(guān)注的設(shè)計(jì)的質(zhì)量，也就是X AI生成的質(zhì)量會(huì)更高，這體現(xiàn)在連線長(zhǎng)度更短，這意味著PCB尺寸可以變得更小。OTNesmc

OTNesmc

Cadence Verisium在驗(yàn)證當(dāng)中的應(yīng)用，驗(yàn)證工具真正花費(fèi)的時(shí)間只有20%左右，剩下的時(shí)間都花費(fèi)在調(diào)試、發(fā)現(xiàn)bug、定位bug、解決bug上，所以其基于AI的解決方案，是通過(guò)AI的引擎，如何從驗(yàn)證的數(shù)據(jù)中提取出來(lái)哪些故障最為關(guān)鍵，而且能夠快速定位出來(lái)這些故障對(duì)應(yīng)在設(shè)計(jì)的什么位置，比如是哪一行的代碼造成bug。最后是如何告訴工程師快速地修正故障，解決bug。OTNesmc

據(jù)介紹，目前 Cadence一些用戶他們的實(shí)際數(shù)據(jù)，通過(guò)波形比較AI的功能，能將發(fā)現(xiàn)bug的效率提升30倍之多，定位bug的速度也會(huì)大大提升，從而使得整個(gè)驗(yàn)證周期大幅縮短。OTNesmc

傳統(tǒng)的數(shù)據(jù)實(shí)現(xiàn)是工程師利用他們的專業(yè)知識(shí)，利用他們之前項(xiàng)目的經(jīng)驗(yàn)，來(lái)調(diào)整工具的選項(xiàng)以及設(shè)計(jì)的參數(shù)，通過(guò)不同地迭代優(yōu)化，最終達(dá)到設(shè)計(jì)目標(biāo)，這是非常耗時(shí)和耗費(fèi)人工的工作方式。OTNesmc

Cerebrus基于人工智能強(qiáng)化學(xué)習(xí)的方式，能夠?qū)ぞ唢@像也好，flow的變量也好，設(shè)計(jì)參數(shù)也好，這樣一個(gè)組合的巨大空間當(dāng)中，可以做智能的搜索，它不再需要數(shù)百萬(wàn)次的運(yùn)行、迭代，以及數(shù)月的手工操作，就能夠在非常短的時(shí)間內(nèi)得到更好的設(shè)計(jì)結(jié)果。OTNesmc

OTNesmc

從結(jié)果反饋來(lái)看，一個(gè)數(shù)字電路的實(shí)現(xiàn)，關(guān)鍵是PPA。首先，可以生成高達(dá)30%-40%的leakeage power improvement，可以降低67%的timing。OTNesmc

透過(guò)客戶5納米的SoC的芯片真實(shí)案例，其原來(lái)利用傳統(tǒng)的Flow，利用人工迭代的方式，得出來(lái)一個(gè)理想的可以接受的Baseline結(jié)果，可能需要18天時(shí)間。采用Cold start，得出來(lái)的結(jié)果花了11.5天，而且結(jié)果更好。所以AI Driven的解決方案，能夠最大程度地縮短設(shè)計(jì)周期，提升質(zhì)量。OTNesmc

Cadence提供的是全棧的Driven解決方案，上述提到的針對(duì)不同應(yīng)用的解決方案，都是基于聯(lián)合企業(yè)數(shù)據(jù)和AI平臺(tái)，簡(jiǎn)稱JedAI平臺(tái)。此平臺(tái)使得設(shè)計(jì)數(shù)據(jù)和AI訓(xùn)練的信息，都保存在一個(gè)開(kāi)放的Platform內(nèi)。這些數(shù)據(jù)信息可以被所有產(chǎn)品，也就是不同的應(yīng)用，能夠無(wú)縫傳遞。舉一個(gè)例子，上述提到做驗(yàn)證的平白，在做驗(yàn)證的過(guò)程中，可以生成所有信號(hào)的翻轉(zhuǎn)信息，通過(guò)JedAI，這些翻轉(zhuǎn)信息就可以無(wú)縫傳遞到其中，讓翻轉(zhuǎn)信息能驅(qū)動(dòng)實(shí)現(xiàn)的工具，去做更為準(zhǔn)確的功耗優(yōu)化。OTNesmc

OTNesmc

說(shuō)到JedAI，首先它是一個(gè)企業(yè)級(jí)的，高度可擴(kuò)展的，分布式的安全的AI平臺(tái)，它可以存儲(chǔ)和處理大量EDA的設(shè)計(jì)數(shù)據(jù)。它可以通過(guò)數(shù)據(jù)連接器和這些AI的解決方案，能夠無(wú)縫銜接，可以有效地傳輸所有的設(shè)計(jì)數(shù)據(jù)。同時(shí)它也是一個(gè)非常開(kāi)放的數(shù)據(jù)連接器，它可以通過(guò)標(biāo)準(zhǔn)的行業(yè)格式，這些數(shù)據(jù)通過(guò)連接器進(jìn)來(lái)之后，最核心的是JedAI的一個(gè)分析引擎，這是核心價(jià)值所在。在此之上，會(huì)有Open API，一方面提供相應(yīng)的應(yīng)用來(lái)處理客戶的針對(duì)性問(wèn)題。當(dāng)然，沒(méi)有辦法涵蓋所有的需求，所以Cadence開(kāi)放這個(gè)API，客戶可以根據(jù)自身需求，去開(kāi)發(fā)自己定制化的應(yīng)用程序。OTNesmc

例如，Cerebrus是針對(duì)數(shù)據(jù)設(shè)計(jì)和實(shí)現(xiàn)的解決方案，在這之上有非常多的APP，比如可以做優(yōu)化。在這之前必須工程師手工調(diào)節(jié)，現(xiàn)在有這樣的APP幫助做快速的探索。這樣一個(gè)APP還可以往前延伸，可以把設(shè)計(jì)往系統(tǒng)級(jí)去延伸，可以去做架構(gòu)的優(yōu)化，甚至可以做3D IC的優(yōu)化。另一端如何提升良品率，這些都是基于Cerebrus之上，增加應(yīng)用程序，幫助客戶快速實(shí)現(xiàn)目標(biāo)。OTNesmc

大數(shù)據(jù)模型現(xiàn)在非常熱，Cadence也在進(jìn)行相關(guān)的探索，該廠商也會(huì)內(nèi)嵌自己的大數(shù)據(jù)模型，內(nèi)嵌當(dāng)然沒(méi)有數(shù)據(jù)安全的問(wèn)題，數(shù)據(jù)都是部署在客戶端。當(dāng)然也可以連接第三方的大語(yǔ)言模型。目前在大語(yǔ)言模型的結(jié)合上，Cadence與日本瑞薩（Renesas）保持著非常緊密的合作，通過(guò)這種方式旨在讓設(shè)計(jì)工程師能夠用自然語(yǔ)言作為接口，加速驗(yàn)證調(diào)試，提升整體效率。OTNesmc

“EDA叫做電子設(shè)計(jì)自動(dòng)化，所謂的自動(dòng)化，我們夢(mèng)寐以求的是能夠把一個(gè)想法變成一個(gè)芯片，這是我們的終極EDA。” 陳敏如此說(shuō)道，”我們也在考慮，我們是不是能夠利用生成式AI的方式，能夠生成代碼，真正地完成從方案到產(chǎn)品的實(shí)現(xiàn)方式。OTNesmc

小結(jié)

展望未來(lái)，設(shè)計(jì)數(shù)量不會(huì)停在模塊級(jí)，預(yù)計(jì)不遠(yuǎn)的將來(lái)，設(shè)計(jì)數(shù)量會(huì)發(fā)生在子系統(tǒng)級(jí)，目前Cadence也在開(kāi)發(fā)一個(gè)完整的多模塊設(shè)計(jì)中心，幫助每位工程師完成整個(gè)子系統(tǒng)的實(shí)現(xiàn)，從而極大地提升設(shè)計(jì)生產(chǎn)力，這也是能夠讓摩爾定律得以延續(xù)的根本原因。OTNesmc