AI时代，EDA下一步的进化方向是什么？

电子发烧友网报道（文/吴子鹏）AI赋能是过去、当下、未来的热门话题。实际上，自2017年开始，“AI+”就已经是一个非常热门的话题。2017年底，当吴恩达宣布自己创办Landing.ai时，起到了刷屏的效果。如今，6年的时间过去了，AI赋能了非常多的行业，那么被誉为“芯片之母”的EDA得到了怎样的赋能？未来又会被如何赋能呢？
 

AI+EDA的发展现状

AI+EDA的另一个说法是：AI反哺芯片/系统设计。目前，行业的共识是AI能够大幅提升芯片和系统设计的效率，并降低设计的总成本。就以芯片设计来说，通过AI技术加持，EDA工具能够基于过往的设计数据和经验，进而帮助当前设计改善PPA（性能、功耗、尺寸）指标，能够用更少的时间完成芯片的验证工作。
 
基于上述原因，目前EDA厂商基本将AI+EDA作为一个重点发展方向。比如新思科技，该公司的Synopsys.ai 就是一个典型的AI驱动的EDA方案，也是业界首款AI+EDA解决方案套件，可在从系统架构到制造的全流程中充分利用 AI 的强大功能。根据新思科技的介绍，Synopsys.ai 包括DSO.ai、VSO.ai和TSO.ai等全套方案，完成了PPA目标实现，实现更高覆盖率，完成预测性漏洞检测，以及实现更少的向量等主要芯片设计流程的全覆盖。
 
和新思科技一样，Cadence同样重视AI技术对EDA工具的革新。在Cadence内部，AI驱动的EDA工具基本归类为Cadence Joint Enterprise Data and AI (JedAI) Platform ，这个平台将生成式AI应用与开放的、人工智能驱动的大规模数据分析环境相集成，助力工程团队在产品开发的每个阶段实现数据可视化、发现隐藏的数据趋势并自动生成设计改进策略。比如，Allegro X AI技术便是Cadence JedAI中应用于下一代系统设计的AI技术，能够显著提升PCB的设计效率。
 
西门子EDA同样重视AI的力量。在以“加速创芯，智领未来”为主题的2023西门子EDA技术峰会上，西门子EDA全球副总裁兼中国区总经理凌琳特别提到，西门子EDA对AI/ML技术的运用不仅仅局限在某一个工具，而是在全局、普适的策略下，达到为用户减少人力与资源消耗，取得事半功倍的目标。
 
综合EDA三大家的动作来看，当前AI已经完整覆盖芯片设计和系统设计的全流程，成为人类设计人员的得力助手。当然，对于AI技术的应用，国内EDA公司也在加速推进，并取得一些显著成果。比如隼瞻科技已经将AI+EDA引入产品WingStudio当中，这是一个专用处理器设计自动化平台，通过引入AI技术，让设计者开发更加敏捷。再比如芯华章，该公司基于统一的底层框架智V验证平台，打造融合AI和云原生的全新EDA，2021年时就发布了高性能FPGA原型验证系统桦捷（HuaPro-P1）、国内领先的数字仿真器穹鼎（GalaxSim-1.0）等代表产品。
 
同时，在学术端，国内高校也重视培养AI+EDA方面的人才，并有相关的项目。比如，“华芯智测”就是孵化于南京邮电大学的创业团队，该团队提出了一种基于图神经网络特征提取的智能化可测性设计方法，并将算法模型整合到EDA软件中，推动了国产EDA工具的智能化。
 

AI+EDA的下一步

目前，AI+EDA已经取得了非常不错的成绩，并且已经和“云+EDA”形成了很好的联动，在提升设计效率的同时，也降低了芯片和系统开发的成本。那么，AI+EDA下一步发展重点是什么呢？大部分从业者给出的答案是AI大模型。
 
AI大模型需要AI+EDA是毫无疑问的，高性能AI芯片设计在电路仿真、物理设计和逻辑综合等方面，需要设计人员花费大量的时间和精力，很多已经超出了设计人员的经验范围，AI+EDA就是应对之策。反过来，AI大模型的飞速发展，确实也能够给EDA工具带来赋能价值。
 
实际上，目前Cadence已经在走这条路了，生成式AI就是AI大模型的典型代表应用之一，而Cadence已经将其应用于EDA领域。
 
AI大模型+EDA将成为未来芯片设计软件的主流趋势。目前AI大模型在全球范围内还处于发展的早期阶段，通过Transformer 的注意力机制和海量大数据的喂养，目前AI大模型主要展现了语言、图片、代码等方面的生成能力，主要以 API、PaaS、MaaS 三种模式为主来提供服务。Cadence目前的阶段是让AI大模型+EDA提供PCB生成式设计服务，确保设计在电气方面准确无误，并可用于制造。
 
综合AI大模型和EDA的发展来看，为了让AI大模型和EDA工具有更深度的融合，产业界需要一个有针对性的垂直大模型，由于各家厂商侧重点和优势点不同，可能会是几个极具特色的EDA行业大模型。随后，就和其他大模型一样，应用于EDA领域的大模型需要做好模型切割，让模型适配不同的场景。比如，可以让广泛的个人设计者和小微型企业用户使用基于公有云提供的EDA通用模型工具；也可以让中大型企业使用配置在私有云或本地服务器的精简模型。当然，最终的结果就是让EDA工具具备更强的设计生成能力，将过往成熟、经典的设计案例进行复用。同时，也让EDA工具更好地应对大型芯片/系统的复杂设计。
 

后记

实现AI大模型+EDA的融合，是AI大模型从通才走向领域专家的典型场景，也是AI大模型落地的一个重要方向。当然，AI大模型+EDA的融合也是后续EDA工具升级的大方向。出于对数据安全的考虑，这种融合会更先倾向于中大型企业构建私域下的AI大模型+EDA应用，早期应用方案会有一定的门槛。随着AI大模型垂直落地更加成熟，AI大模型+EDA最终会是一项普惠的技术。