來源：內(nèi)容編譯自semiengineering。

人工智能正在滲透整個(gè)半導(dǎo)體生態(tài)系統(tǒng)，迫使人工智能芯片、用于制造它們的設(shè)計(jì)工具以及用于確保它們可靠運(yùn)行的方法發(fā)生根本性的變化。

這是一場(chǎng)全球性的競(jìng)賽，未來十年幾乎每個(gè)領(lǐng)域都將重新定義。在過去幾個(gè)月的演講和采訪中，EDA 的高層管理人員總結(jié)了三大趨勢(shì)，這些趨勢(shì)將成為可預(yù)見的未來關(guān)注的焦點(diǎn)：

1、人工智能本身正在從嚴(yán)格控制的機(jī)器學(xué)習(xí)擴(kuò)展到人工智能助手、生成人工智能和代理人工智能。

2、這種轉(zhuǎn)變需要處理海量數(shù)據(jù)，才能創(chuàng)建大型語言模型和算法。由于規(guī)模化的限制，它正在推動(dòng)向多芯片組裝的轉(zhuǎn)變。最 佳選擇是3D-IC。

3、芯片和系統(tǒng)需要在其整個(gè)生命周期內(nèi)進(jìn)行監(jiān)控，以確?？煽啃?。人工智能容易出現(xiàn)幻覺，而充滿芯片的復(fù)雜系統(tǒng)可能會(huì)隨著時(shí)間的推移以意想不到的方式性能下降，導(dǎo)致數(shù)據(jù)悄無聲息地?fù)p壞、軟件更新不兼容，以及工作負(fù)載變化導(dǎo)致的加速老化。

01

人工智能

EDA 中 AI 的用例已經(jīng)從簡單的模式識(shí)別發(fā)展到輔助設(shè)計(jì)和廣泛的知識(shí)共享，使初級(jí)工程師能夠更快地上手，資深工程師能夠擴(kuò)展到新的領(lǐng)域并提高工作效率。

Synopsys總裁兼首席執(zhí)行官 Sassine Ghazi 表示：“我們是這樣描述的：你有一個(gè)co-pilot，你有‘輔助’（assisted），也有‘創(chuàng)意’（‘creative’）。[輔助] （Assistive）指的是你有一個(gè)工作流助手、一個(gè)知識(shí)助手和一個(gè)調(diào)試助手，這樣你就可以更快地培養(yǎng)初級(jí)工程師和專家工程師。他們可以以更現(xiàn)代化、更高效的方式與我們的產(chǎn)品交互。然后你就有了創(chuàng)意元素。我們有很多例子，從 RTL 生成、測(cè)試平臺(tái)生成到測(cè)試斷言，我們都有早期的客戶參與，你可以有一個(gè)副駕駛來幫助你創(chuàng)建部分 RTL、測(cè)試平臺(tái)文檔和測(cè)試斷言。”

Ghazi 表示，借助創(chuàng)新工具，各種任務(wù)的執(zhí)行時(shí)間可以從幾天縮短到幾分鐘。但所有這些都需要嚴(yán)格控制?！拔覀儾荒茏屇Ｐ彤a(chǎn)生幻覺，”他說道。“我們非常謹(jǐn)慎地考慮何時(shí)以及如何與客戶互動(dòng)，以確保我們提供的產(chǎn)品成熟度在可接受范圍內(nèi)，同時(shí)又不會(huì)危及他們工作流程的任何部分。

隨著人工智能的不斷發(fā)展，工作流程也將隨之演變。我們的投資者利益相關(guān)者經(jīng)常問我，何時(shí)才能看到人工智能在 EDA 市場(chǎng)中帶來變革。我認(rèn)為，除非他們的工作流程發(fā)生改變，否則這種情況不會(huì)發(fā)生。這意味著你可以以截然不同的方式做某些事情，以便以更快、更有效、更高效的方式交付產(chǎn)品路線圖。現(xiàn)在，隨著代理人工智能時(shí)代的到來，代理工程師將與人類工程師合作，以應(yīng)對(duì)這種復(fù)雜性并改變工作流程?！?/p>

如果人工智能能夠兌現(xiàn)其承諾，這場(chǎng)變革的規(guī)模將不容小覷。但這一切發(fā)展如此之快，以至于它引發(fā)了許多目前尚無明確答案的問題。時(shí)間將告訴我們?nèi)斯ぶ悄苣軌騽偃文男┕ぷ?，哪些方面需要密切關(guān)注，以及風(fēng)險(xiǎn)在哪里。自20世紀(jì)50年代末以來，對(duì)人工智能變革能力的預(yù)測(cè)已被證明過于樂觀。但在過去幾年里，從ChatGPT的推出開始，人工智能似乎終于兌現(xiàn)了其承諾。代理人工智能（Agentic AI）將是下一個(gè)重要目標(biāo)。

西門子數(shù)字工業(yè)軟件首席執(zhí)行官 Mike Ellow 表示：“如果我們足夠自信地相信 AI 具有一定程度的自主性，它通常能夠自行做出主動(dòng)決策，那么代理 AI 是一個(gè)有趣的概念。在設(shè)計(jì)領(lǐng)域，當(dāng)我們開始討論代理 AI （agent AI）與代理式 AI （ agentic AI）時(shí)，這取決于你的談話對(duì)象以及他們希望如何劃分不同的術(shù)語。從我們的角度來看，對(duì)于代理 AI，我們會(huì)用一組邊界條件定義一項(xiàng)任務(wù)，然后讓 AI 在邊界條件范圍內(nèi)運(yùn)行以得出解決方案。而對(duì)于代理式 AI，你基本上會(huì)說，‘這是問題所在。你思考執(zhí)行它的最 佳方法是什么。你想出了那個(gè)解決方案。然后你從 EDA 的角度推動(dòng)實(shí)現(xiàn)預(yù)期結(jié)果?！@就是我們看待 AI 演變?yōu)槲覀兊墓ぞ叩姆绞?。?/p>

采用率之高前所未有。在芯片設(shè)計(jì)領(lǐng)域，很難找到一個(gè)人工智能不發(fā)揮直接或間接作用的領(lǐng)域。

是德科技 EDA 軟件副總裁兼總經(jīng)理 Niels Faché 表示：“這對(duì)我們行業(yè)來說是一場(chǎng)深刻的變革。在模擬領(lǐng)域和物理領(lǐng)域之間切換時(shí)，所有這些步驟都會(huì)生成數(shù)據(jù)，并需要收集洞察。這正是人工智能能夠大顯身手的地方。從模擬的角度看，它可以幫助我們建模，加快模擬速度，為產(chǎn)品增添更多專業(yè)知識(shí)，幫助設(shè)計(jì)團(tuán)隊(duì)，幫助設(shè)計(jì)師生成設(shè)計(jì)方案。人工智能非常強(qiáng)大，具有變革性。幾年前，一位客戶告訴我，‘我有一個(gè)設(shè)計(jì)團(tuán)隊(duì)，但他們花費(fèi)大量時(shí)間處理你們的產(chǎn)品模擬。我希望他們是設(shè)計(jì)師，而不是模擬器?！a(chǎn)品設(shè)計(jì)團(tuán)隊(duì)不想學(xué)習(xí)模擬器的工作原理。他們不想花費(fèi)大量時(shí)間設(shè)置模擬環(huán)境。他們只想思考需求，以及如何根據(jù)這些需求創(chuàng)建設(shè)計(jì)。這就是人工智能的力量。它能夠真正幫助客戶從產(chǎn)品設(shè)計(jì)思路轉(zhuǎn)向他們真正想要做的事情。人工智能可以幫助你在印刷電路板上布線，或者設(shè)計(jì)新的拓?fù)浣Y(jié)構(gòu)。

Cadence 設(shè)計(jì)系統(tǒng)公司總裁兼首席執(zhí)行官 Anirudh Devgan將人工智能比作 EDA 中三層蛋糕中的一層?！皯?yīng)用程序要想成功，必須具備所有三個(gè)部分，”他說道?！笆紫仁侨斯ぶ悄艽砗途幣牛═here are the AI agents and orchestration）。其次是主要的模擬，有時(shí)人們會(huì)忘記它的重要性。它包括真實(shí)的晶體管行為、分子行為、流體動(dòng)力學(xué)和熱力學(xué)。這些是無可替代的。然后，你還需要計(jì)算來運(yùn)行它?！?/p>

從計(jì)算的角度來看，人工智能似乎更像是一種進(jìn)化，而非革命?！叭斯ぶ悄軇偲鸩綍r(shí)，是一種密集計(jì)算，”德夫根說。但物理世界并不密集，人工智能也不密集。所有神經(jīng)網(wǎng)絡(luò)都并非密集。因此，由于設(shè)計(jì)和需求的復(fù)雜性，我們?cè)谒羞@些算法上都進(jìn)行了創(chuàng)新。然后，我們又會(huì)面臨延遲、分區(qū)和層級(jí)結(jié)構(gòu)的問題。你可以在頂層的移動(dòng)抽象層中看到這些創(chuàng)新，也可以在底層的純算法中看到這些創(chuàng)新。這些算法中有一半是布爾型的——0/1，例如邏輯仿真、形式驗(yàn)證——還有很多是數(shù)值型的，例如電路仿真、特性分析和熱分析。布爾計(jì)算和數(shù)值計(jì)算都需要加速……

但現(xiàn)在，有了人工智能，我們可以從自然語言和優(yōu)化的角度，在軟件領(lǐng)域?qū)崿F(xiàn)更高層次的創(chuàng)新。人工智能非常擅長優(yōu)化，這就是我們多年來一直致力于此的原因。我們有五大人工智能平臺(tái)——數(shù)字、驗(yàn)證、定制、封裝和系統(tǒng)分析。這些成果實(shí)際上非常驚人……人工智能可以徹底改變芯片設(shè)計(jì)，這就是我們?cè)谶@五個(gè)平臺(tái)上投入巨資的原因。”

EDA 供應(yīng)商如何利用 AI 略有不同，取決于其起點(diǎn)。但 LLM 的優(yōu)勢(shì)之一是其能夠涵蓋不同的數(shù)據(jù)類型，從而提升整個(gè)流程的抽象級(jí)別。因此，起點(diǎn)并不像乍看起來那么重要。關(guān)鍵在于他們?nèi)绾潍@取和利用數(shù)據(jù)，以及他們能在多大程度上將數(shù)據(jù)擴(kuò)展到設(shè)計(jì)階段之外——這在很大程度上取決于未來數(shù)據(jù)如何共享和保護(hù)，以及公司在哪里看到機(jī)會(huì)。

正如西門子的 Ellow 所解釋的那樣：“它以生成式人工智能領(lǐng)域?yàn)榛A(chǔ)，因?yàn)檫@是第 一層級(jí)，你可以從我們這里獲得大量經(jīng)過驗(yàn)證的數(shù)據(jù)源以及他們的客戶數(shù)據(jù)。這些數(shù)據(jù)會(huì)進(jìn)入數(shù)據(jù)湖，在那里你可以訓(xùn)練 LLM。我們可以使用各種 LLM，客戶也可以使用他們自己的 LLM。然后，你可以將其嵌入到基礎(chǔ)架構(gòu)中，并在其基礎(chǔ)上使用我們所有的工具。”

鑒于綠地機(jī)遇的廣闊性（greenfield opportunities），選擇合適的機(jī)會(huì)并非易事。正因如此，最初的起點(diǎn)必須切合實(shí)際。“一個(gè)人需要多長時(shí)間才能成為射頻工程師？這是一門藝術(shù)，”是德科技的 Faché 說道?！斑@不是六個(gè)月就能學(xué)會(huì)的，通常需要數(shù)年時(shí)間。但借助人工智能，我們可以讓設(shè)計(jì)人員更容易地獲取信息，并真正縮小經(jīng)驗(yàn)豐富的射頻設(shè)計(jì)人員與新手工程師之間的生產(chǎn)力差距。聊天機(jī)器人就是一個(gè)例子，它可以在正確的時(shí)間以更好的形式向客戶提供信息。”

02

3D集成電路

人工智能需要大量數(shù)據(jù)，尤其是用于訓(xùn)練模型。問題在于，由于光罩限制，平面芯片無法快速高效地處理所有數(shù)據(jù)，因此許多數(shù)據(jù)中心采用某種多芯片組裝技術(shù)（例如扇出式或 2.5D 技術(shù)），以提升性能并降低功耗（相比平面 SoC）。

但這些基本上只是漸進(jìn)式的提升。要實(shí)現(xiàn)性能和功耗的大幅提升，需要真正的 3D-IC、混合鍵合和芯片陣列。

Ellow 表示：“2.5D 技術(shù)讓硅片的結(jié)構(gòu)更加靈活，使其更適應(yīng)所運(yùn)行的軟件。當(dāng)完全采用 3D-IC 時(shí)，你就能夠在不同的芯片之間進(jìn)行更離散的分區(qū)，并利用不同的工藝針對(duì)不同的功能進(jìn)行優(yōu)化，這為如何更好地適應(yīng)軟件工作負(fù)載提供了更多有趣的可能性。它旨在優(yōu)化，但目前仍處于一個(gè)有點(diǎn)遠(yuǎn)大的目標(biāo)?！?/p>

兩個(gè)關(guān)鍵挑戰(zhàn)是如何管理散熱，以及如何確保不同層能夠正確粘合在一起，從而使密集排列的互連線完 美對(duì)齊。此外，3D-IC 中的一些芯片將采用最 先進(jìn)的工藝開發(fā)，而其他芯片則可能采用成熟的工藝開發(fā)，這使得問題更加復(fù)雜。

“客戶已經(jīng)在談?wù)搶?shù)萬億個(gè)晶體管集成到一個(gè)封裝中，而他們的日程安排正在爭(zhēng)分奪秒地將流片時(shí)間從18個(gè)月縮短到16個(gè)月、12個(gè)月甚至更短，以便為這些智能系統(tǒng)提供定制硅片，”Ghazi說道?！澳阍撊绾螒?yīng)對(duì)？單芯片技術(shù)的復(fù)雜性——我們說的是GAA，以埃為單位來設(shè)計(jì)硅片——然后你還要將它們集成到一個(gè)先進(jìn)的封裝中?！?/p>

這是擴(kuò)展到數(shù)千億甚至數(shù)萬億個(gè)晶體管的唯 一方法，但將它們組合在一起將是一項(xiàng)工程壯舉?！耙坏┠汩_始擴(kuò)展到這種復(fù)雜程度，你就只能通過提高互連層的效率來實(shí)現(xiàn)所需的性能或功耗，”Ghazi 說?！岸倚酒赡軄碜圆煌墓に嚰夹g(shù)和不同的代工廠。如何驗(yàn)證和確認(rèn)一個(gè)架構(gòu)才能交付這種先進(jìn)的封裝？”

這也為以chiplet形式出現(xiàn)的軟IP和硬IP打開了大門?！靶碌臋C(jī)遇層出不窮，尤其是在3D-IC和AI發(fā)展的情況下，因此我們正在加倍投資IP，”Devgan說道?！拔覀兲峁┑腎P數(shù)量和工藝節(jié)點(diǎn)數(shù)量都顯著增加。IP現(xiàn)在是Cadence最 大的研發(fā)團(tuán)隊(duì)之一，我們將繼續(xù)投資，不僅在物理IP和接口IP方面，還將投資于被廣泛用作嵌入式處理器的Tensilica。”

03

數(shù)字孿生

EDA 供應(yīng)商敏銳地意識(shí)到 AI 系統(tǒng)的風(fēng)險(xiǎn)以及 3D-IC 架構(gòu)中的未知因素。

“需要將設(shè)計(jì)和測(cè)試連接起來，并在從設(shè)計(jì)到測(cè)試的驗(yàn)證過程中引入數(shù)字化威脅，”Faché 說道?！艾F(xiàn)在有一些工具可以管理質(zhì)量和可靠性。當(dāng)然，數(shù)據(jù)管理和分析的需求也日益增長。所有這些工具都需要具備，客戶需要從自主研發(fā)的工具轉(zhuǎn)向商業(yè)工具。但這些工具也相互依存，因此需要一個(gè)中心輻射模型，讓不同的工具能夠?qū)?shù)據(jù)進(jìn)行操作。數(shù)據(jù)會(huì)隨著時(shí)間的推移而變化。它們可能會(huì)消耗數(shù)據(jù)，也可能會(huì)生成數(shù)據(jù)。IP 是在產(chǎn)品生命周期內(nèi)開發(fā)的。因此，如果我們想要實(shí)現(xiàn)真正的數(shù)字化轉(zhuǎn)型，我們需要一個(gè)基礎(chǔ)架構(gòu)，讓客戶能夠做到這一點(diǎn)。數(shù)據(jù)管理過程至關(guān)重要?！?/p>

這個(gè)概念仍在不斷發(fā)展，術(shù)語也同樣如此。一些供應(yīng)商稱之為數(shù)字孿生，而另一些供應(yīng)商則稱之為虛擬孿生。但其基本概念是對(duì)系統(tǒng)進(jìn)行實(shí)時(shí)監(jiān)控，以確保其運(yùn)行符合預(yù)期，并根據(jù)工作負(fù)載盡可能地進(jìn)行優(yōu)化，并在出現(xiàn)問題之前采取措施進(jìn)行修復(fù)。

Devgan 表示：“市場(chǎng)對(duì)精確的數(shù)字孿生有著巨大的需求，尤其是在物理領(lǐng)域以及推動(dòng)這一需求的相應(yīng)硅片領(lǐng)域?！边@就是我們投資數(shù)據(jù)中心數(shù)字孿生技術(shù)的原因——用于模擬整個(gè)數(shù)據(jù)中心。這是一款非傳統(tǒng)產(chǎn)品，但它變得至關(guān)重要——應(yīng)用計(jì)算流體力學(xué) (CFD)、仿真和人工智能來優(yōu)化數(shù)據(jù)中心。我們甚至在內(nèi)部將其應(yīng)用于我們自己的數(shù)據(jù)中心。關(guān)于數(shù)據(jù)中心，需要記住的是，它不僅僅是那些大型云計(jì)算公司。企業(yè)中有很多數(shù)據(jù)中心。當(dāng)我們將它應(yīng)用于我們自己的數(shù)據(jù)中心時(shí)，我們的電力效率提高了 10%，這意義重大，因?yàn)閿?shù)據(jù)中心的設(shè)計(jì)中應(yīng)用的科學(xué)知識(shí)并不多。芯片、機(jī)架和所有網(wǎng)絡(luò)的設(shè)計(jì)都應(yīng)用了大量的科學(xué)知識(shí)。但是，如何布局?jǐn)?shù)據(jù)中心？使用了多少池化？它是過度冷卻還是冷卻不足？您是否定期維護(hù)它？這些工作的科學(xué)性不如芯片設(shè)計(jì)那么高。因此，一旦掌握了數(shù)據(jù)中心的數(shù)字化趨勢(shì)，就可以進(jìn)行更多優(yōu)化。

這個(gè)概念很容易理解。盡管取得了一些早期的成功，離散數(shù)字孿生技術(shù)仍在發(fā)展中?！皵?shù)字孿生尚未成為一個(gè)可商業(yè)化的系統(tǒng)，”Ellow說道。“它是一系列組件的集合。它包含了軟件、半導(dǎo)體、封裝和電路板等電子元件。此外，它還涉及電氣效應(yīng)，就像我們?cè)贛entor時(shí)期所做的那樣，我們擁有線束和網(wǎng)絡(luò)連接等功能。此外，它還涉及機(jī)械部件，以及與之相關(guān)的更廣泛的多物理場(chǎng)產(chǎn)品組合。然后，它還涉及產(chǎn)品生命周期管理，因?yàn)樗羞@些都必須通過物料清單來構(gòu)建。一家公司能夠提供所有這些獨(dú)立領(lǐng)域的完整性，這讓我們能夠獲得一些洞見。但當(dāng)你將整個(gè)產(chǎn)品組合納入制造流程模擬等環(huán)節(jié)時(shí)，仍然存在一些差距。如何將所有這些系統(tǒng)集成到最終產(chǎn)品的實(shí)際生產(chǎn)中？這其中有很多問題需要解決?！?/p>

我們正在取得進(jìn)展，但這并非一勞永逸的萬 能解決方案?！白鳛橐粋€(gè)行業(yè)，我們已經(jīng)討論這個(gè)問題有一段時(shí)間了，但考慮到實(shí)時(shí)模擬以及在系統(tǒng)層面進(jìn)行分析和優(yōu)化的復(fù)雜性，這一點(diǎn)至關(guān)重要，”Ghazi 表示，并指出數(shù)據(jù)中心和汽車等應(yīng)用是這項(xiàng)技術(shù)的關(guān)鍵市場(chǎng)?！半S著我們開始深入研究汽車和自動(dòng)駕駛的復(fù)雜性，數(shù)字孿生需要同時(shí)模擬電子設(shè)備和周圍環(huán)境。就汽車而言，我們必須與生態(tài)系統(tǒng)合作。他們還有其他部分需要與芯片虛擬化和電子系統(tǒng)相結(jié)合。”

舉個(gè)例子：新思科技與汽車仿真技術(shù)制造商IPG的合作。“我們能夠虛擬化和建?？刂葡到y(tǒng)以及分區(qū)和計(jì)算ECU，使其能夠相互通信，”Ghazi說道?！拔覀兲峁╇娮犹摂M化，IPG則引入了周圍的物理世界。在軟件開發(fā)執(zhí)行過程中，測(cè)試團(tuán)隊(duì)可以觀察硅片在特定工作負(fù)載環(huán)境中的行為。這不僅適用于汽車。無人機(jī)、數(shù)據(jù)中心等都可以從虛擬化中受益。如果我們將其更貼近硅片，就會(huì)發(fā)現(xiàn)3D-IC或高級(jí)封裝是一個(gè)精密復(fù)雜的系統(tǒng)，你需要考慮的不僅僅是電子設(shè)計(jì)。你可以說，在這種情況下，電子設(shè)計(jì)是可以理解的。但是，當(dāng)你開始將芯片堆疊到這種高級(jí)封裝中時(shí)，你將面臨一系列其他挑戰(zhàn)，包括熱、機(jī)械、流體和結(jié)構(gòu)?！?/p>

結(jié)論

人工智能革命已經(jīng)開始。與所有新技術(shù)一樣，消除其中的矛盾之處并發(fā)現(xiàn)問題需要整個(gè)科技生態(tài)系統(tǒng)多年的努力。

“挑戰(zhàn)重重，”Faché說道。他指出，首先，無論你是設(shè)計(jì)師、設(shè)計(jì)團(tuán)隊(duì)成員，還是工具提供商，你都必須精通人工智能。學(xué)習(xí)人工智能是一個(gè)全新的領(lǐng)域。這意味著我們需要真正理解工程生命周期的變化。這是對(duì)工程生命周期的根本性重新設(shè)計(jì)。他們需要了解在人工智能世界中模型是如何開發(fā)的。機(jī)器學(xué)習(xí)的運(yùn)營工作流程是什么樣的？構(gòu)建模型需要成本。你需要擁有資源、流程和數(shù)據(jù)管理結(jié)構(gòu)，才能實(shí)現(xiàn)這一點(diǎn)。

最終，你需要對(duì)這些工具的有效性充滿信心。這是一場(chǎng)人人都擁抱人工智能的競(jìng)賽。

參考鏈接

https://semiengineering.com/edas-top-execs-map-out-an-ai-driven-future/