AI 技術正在徹底改變它所涉及的每個領域，而在 EDA 中融入 AI 技術正在重塑整個汽車行業。隨著 AI 技術在電子設計自動化（EDA）中的應用，汽車行業也正在經歷深刻的變革。專家預計，2022 年到 2030 年，全球 AI 市場的復合年增長率（CAGR）將達到 39.4％，總規模達 207. 6 億美元。這些變革正帶來眾多創新。

其中，AI 對高級駕駛輔助系統（ADAS）的開發已經產生深遠影響。消費者不僅希望汽車能夠提供交通服務，更希望汽車能夠智能互聯、自主駕駛、舒適安全。隨著 AI 技術在電子設計自動化（EDA）工具研發中的應用，汽車正變得更加智能與自主。同時，AI 也在很大程度上改變了半導體行業，從片上系統（SoC）的設計、驗證到封裝莫不如此。

AI 技術在產品設計和開發團隊中的廣泛應用，有助于量身定制所有未來產品，以滿足消費者的期望。嵌入到 Cadence 設計流程中的機器學習技術為設計團隊提高了生產力，涵蓋了從芯片設計、功能安全（FuSA）和計算流體動力學（CFD）的技術進步。在EDA中應用AI/ML技術，可以在邊緣端（tinyML）快速且準確地做出決策。因此，可以說 EDA 中的 AI 技術就像汽車領域中的 AI 一樣。在本文中，我們將深入地探討 AI 在汽車革命中的作用。

AI 如何革新汽車行業？

隨著半導體技術和消費者期望的提高，汽車行業正經歷一場深刻的變革。預計到 2027 年，先進輔助駕駛系統（ADAS）、自動駕駛汽車、數字座艙等市場規模將達到 700 億美元。此外，隨著 AI 和邊緣計算技術的普及，自動駕駛汽車已不再是幻想。深度學習的 AI 提高了準確性，有助于采用 ADAS 技術的汽車實現更高的自主性。同時，具備深度感知和全景視野的嵌入式 AI 視覺技術有助于事故預防、決策制定和車內輔助等。這些技術的進步使我們的汽車更安全、高效、舒適，帶來更愉悅的出行體驗。

雖然全自動乘用車輛（L5）尚未上路，但業界正密切關注著自主駕駛系統的發展。自動駕駛技術已經成功且安全地應用于最后一公里配送（LMD）。LMD 車輛以較低的速度行駛，因此對感知距離、制動距離和安全要求更低。此外，AI 技術的應用和自動駕駛的車輛有助于提高生產力，降低 LMD 的總體成本。

EDA 中的 AI

SoCs 集成的功能越來越多，但預算卻十分有限，這給設計者帶來了很大壓力。傳統的 EDA 工具使用“經驗法則”，需要設計人員根據直覺進行優化。這種建模和仿真技術存在以下一些問題：

為確保設計的正確性，我們必須在制造之前進行設計驗證。傳統的隨機/自動測試模式生成（ATPG）方案無法提高故障覆蓋率。人工智能（AI）已經徹底改變了 EDA 行業。AI 中使用的訓練和推斷提高了芯片設計師的生產力，有助于設計出能夠處理計算和 EDA 工具的芯片，幫助設計人員更快地收斂和驗證，同時降低成本并提高結果質量。

AI/ML 如何改善設計空間？

AI/ML 非常適合 EDA 和汽車行業，可以加快設計速度，將其引入 EDA 工具無疑節省了設計人員的工作量。使用具有 AI 功能的 EDA 工具可以顯著改變設計工作的軌跡，并有助于應對上述挑戰。對設計團隊的好處包括：

EDA 中的 AI 與汽車中的 AI?

有何相似之處？

在 EDA 和汽車行業中，提高生產力并更快地取得成果以及改善 PPA 都是主要目標。通過各種應用和創新，AI 有望徹底改變 EDA 和汽車行業。無論是自動駕駛汽車、ADAS 還是 EDA，AI 和 ML 算法為實現這場電子革命和創造新復興提供了機會。將 AI 功能融入現有的 EDA 工具，有助于使 EDA 設計過程更加高效和富有成效。采用 AI 及其衍技術有助于汽車廠商利用多學科分析和優化（MDAO）技術提高整體設計，從而實現更快速、更優質的結果。同時，系統的精確行為建模提高了產品保真度和安全性。

電子設計輔助系統（EDAS）

Cadence 產品

Cadence 提供帶有 AI/ML 功能的 EDA 工具，能夠從手動到完全自動化不同等級產生更好、更可預測的結果，如下圖所示。我們的工具提供針對常見問題的解決方案建議，而這些問題如果由設計團隊評估可能需要數周甚至數月的時間。同時，我們還在推動 ML 和深度學習研究，旨在改進 IC 的設計和驗證收斂，不斷優化設計。

Cadence AI/ML 解決方案/技術

Verisium AI-Driven Verification

Platform

代表了 EDA 算法的一次革命性轉變，從單次運行、單引擎算法轉變為利用大數據和人工智能優化整個 SoC 設計和驗證中多次運行多個引擎的算法。通過部署 Verisium 平臺，所有驗證數據，包括波形、覆蓋率、報告和日志文件，都被整合到 Cadence ?JedAI 平臺。我們會基于這些數據建立 ML 模型，并挖掘其他專有指標，創建一系列新工具，從而顯著提高驗證效率。

?

Cadence Joint Enterprise Data and?

AI (JedAI) Platform

可以加速基于 AI 的芯片設計。讓設計團隊從大量的芯片設計數據中獲得有用信息，提高生產效率。工程師可以無縫管理結構化和非結構化數據。Cadence JedAI Platform 使設計人員更加輕松地應對新興消費者、超大規模計算、5G 通信、汽車和移動應用等領域的設計復雜性。

?

Optimality Intelligent Chip Explorer

是加快上市時間以保持競爭優勢的關鍵。Optimality Explorer 的多學科分析和優化（MDAO）技術有助于通過探索完整的設計空間實現最佳的電氣設計，實現 10 倍的效率提升，并可用于 Level 3 及以上級別的汽車駕駛自動化。

?

Cadence Cerebrus Intelligent Chip?

Explorer

是一種革命性的、基于機器學習的芯片設計流程優化方法。它可用于復雜且大型地 SoC 系統針對 3 級及以上地自動駕駛技術，使工程師能夠同時為多個模塊優化流程，這對于大型復雜 SoC 尤為重要。此外，Cadence Cerebrus 采用全流程強化學習技術，可以顯著提高工程團隊的效率。

?

Xcelium ML

在整個仿真回歸過程中迭代學習。內核引擎性能得到強化，通過匹配隨機測試套件的覆蓋率來減少仿真周期，從而加快驗證吞吐量，非常適合 Level 3 及以上 SoC 設計。

?

Cadence Tensilica 處理器 IP?

支持用于 ADAS（L2）的激光雷達、雷達、自動駕駛攝像頭等高性能數據處理。

?

Cadence Design IP 和

Cadence AWR RF to mmWave 解決方案

可幫助實現高性能、低成本的汽車雷達前端和波束天線陣列技術。

?

ADAS 和傳感器融合

除此之外，Cadence 汽車創新平臺為汽車制造商提供大力支持，推出了 Innovus ML, Allegro ML 和 Virtuoso ML 等工具，用于設計應用于 Level 2 和 Level 3 級自動駕駛的系統級芯片和 PCB。

?

在 ADAS 應用中借助AI技是實現車輛自動駕駛的關鍵。AI 正在幫助汽車制造商降本增效，保持市場領先地位。AI 的加入正在改變硬件和軟件設計，幫助滿足有限的 PPA 預算，并提供額外的安全結構。

基于 AI 的視覺和傳感器的盲點監測、車道偏離和深度感知等應用可能讓我們離控制自動駕駛汽車的夢想更加接近。

編輯：黃飛

?