EDA為我們打開了一扇窗口，讓我們能去觀察上世紀八，九十年代集成電路帶動信息產業飛速地發展，印證了摩爾對集成電路每18個特征尺寸縮小一半，而集成度翻一倍（造價不變）的預言。

實際上集成電路產業處在信息產業的上游，它要把行業的（IP）知識產權（標準，規范和協議）映射到一個電路與系統可實現的架構，信息產業的中游提供一亇信息產品的（軟，硬件）實現的解決方案，信息產業下游的制造業生產出的產品，除了元器件和加工成夲，還要為使用的IP，付出知識產權的費用。

而集成電路產業鏈是一個包括設計業，制造業，封測業，材料和裝備在內的完整產業鏈。它不同于半導體器件產業，主要是受半導體工藝和材料的制約，因而更多地是半導體專業人士唱主角。而集成電路產業鏈更多的是以設計業為龍頭，即使是IDM（集成器件制造商）如英特爾，也是大量的人才集中於前端的設計。

上世紀九十年代，我國集成電路產業的發展，在一批半導體（1956北大半導體專業）的大伽指導下，做了“907”，“908”………工程，引進大量工藝制造線，而設計業跟不上，等于是“無米之炊”。最后也是無效的投資。直到2000年國務院出臺了8號文件，明確了集成電路設計業是集成電路產業鏈的龍頭，又在全國建了八個產業化IC設計中心，才有了轉變。

在中國政府主導（產業政策和土地與財政的支持），民間資本的投資緊跟，在加上產（集成電路產商），學（高等院校）和硏（研究所）的通力協作。在中國，所謂集成是集“官員，資夲和產學硏”之大成！

人才和EDA工具——集成電路設計業的兩個要素

人才，對集成電路產業不僅僅是科技，工藝人才，還包括經營與管理人才。應該說，改革開放以來，我們教育部門的貢獻是人才培養基本上滿足了改革開放對人才的需求，不足的是高端人才欠缺，尤其是領軍人物奇缺！王陽元院士對集成電路人才的培養支招，”指出一是微電子專業培養；二是支持電子設計工程師跨界進入集成電路設計業；三是引進高端集成電路領軍的海外歸國人才?！笔欠浅Ｓ薪ㄔO性的。后來建設“示范性微電子學院”，把微電子學科從二級升級為“一級學科”都是在人才培養上下功夫。

但集成電路設計業除了人才， EDA是IC硏發的拳頭產品，“工於善基亊，必先利其器”嘛！侭管我們在上世紀八十年代就集中力量在北京組織了“熊貓系統”的研發，但快35年過去了，國內EDA市場仍然被國外三大廠家Synopsys；Cadence ；Mentor Graphics）所壟斷。不是我們的人不行，而是硏發的方針出了問題。

一個是”總是仿”，仿得連界面都差不多，殊不知用戶習慣了三大外商的EDA工具，你就是和他們差不多，使用習慣了，用戶也不想換國產的EDA工具。再加上三大廠商在大學開展“大學計劃”，讓大學生習慣了三大產商的EDA工具，會用三大產商工具的大學生就業也是個優勢。

另一個就是方向不對，和國外三大商產商爭后瑞（自動化）的EDA工具的研發，別人己經有了固定的優勢，通常集成電路制造商需要解決的問題，三大產商的技術儲備和服務都有優勢。所以，要發展國內的EDA產業，只能變道超車，走集成電路設計前端的設計智能化的路。看準AI的巨大市場和各AI產業的專有的IP包，把AI各行各業的IP包轉換成集成電路可實現的電路架構，實現電子設計的智能化（EDI）。可能是一個值得關注的發展方向！

如果說EDA解決電子設計工程師跨越“半導體”工藝的障礙，進入集成電路設計。這是向集成電路設計的后端的工藝映射，解決電子設計自動化（Automation）的問題！那么EDA工具發展的另一個是方向是在設計的前端，觧決大量IP包映射到集成電路的架構設計，這種高層次的綜合，觧決的是電子設計智能化！即EDI（Intellinge）。

集成電路產業是需要集成電路產品的量的支持的，移動通信的平臺為集成電路的發展提供了一個巨大的平臺（數以幾十億計的手機），從4G到5G，還是在現有的移動平臺上，集成電路產品的量不會有實質性的變化。只能瞄準下一個市場——AI，人工智能是下一個巨大的集成電路市場，車載移動平臺對集成電路的需求遠遠地超過手機，還有萬物互聯，智能制造，基于聲音和圖像的智能處理和機器人…………，都會對集成電路提出產業化的需求?？梢哉f”AI is Chip”一點也不過份，AI的各種IP，通過EDI映射到電路與系統的架構，然后通過EDA映射到芯片制造。反過來實現了AI的各種IP包的芯片又支持AI的產業化。總之，需要更多更好的IP，芯片才能上市快，成本低。

IP會成為EDA公司的重要創利點，而fabless會淪為組裝公司。IP年營業額2．5億美元的Synopsys認為，整個系統該怎么驗證只有該項目的設計人員才知道該芯片要實現什么樣的功能；另外，軟硬件協同驗證也發生了變化：一款有一百萬行軟件代碼的芯片，而fabless卻沒有一百萬行的RTL代碼，在芯片中的軟件比硬件更復雜時。芯片設計廠商必須自己做芯片中的軟件。

在EDA工具從自動化向智能化發展的過程中，電子設計逐漸“軟化”，即”軟件定義的芯片”，越來越有利于解決“可重構”和”異構并存”的架構定義。以過去我們在FPGA平臺上做電路與系統為例，因為硬件是可編程的，所以設計主要是編程，實現不同設計規范的算法到FPGA架構的映射，為此去開發在FPGA架構上運行的各種IP包！同理，在多核的CPU，GPU的架構上開發電路與系統也是做編程，實現軟件定義的硬件設計。

只不過現在我們從專用集成電路設計的角度，實現“算法到架構的映射”，需要一個更高層次的編譯平臺（姑且我們把它稱著AI Compiler）。那么，這個平臺的普惠性，時效性和安全性都是我們十分關注的！

“近幾年人工智能、機器學習快速發展，加上量子運算等更為先進的技術，對于解決過去的問題帶來了全新的視野?！毙滤伎萍糀I研究室主任廖仁億表示。“但隨著大家對人工智能的期望越來越高，加上海量數據的持續增長和無處不在的場景應用，人工智能加上人類智能的賦能，幫助我們用更智能的工具，來設計日益復雜且更為強大的人工智能芯片，為芯片設計帶來全新的挑戰和機會?！?/p>

全球三大EDA軟件巨頭眼里的芯片設計挑戰

Cadence認為：

軟件對半導體公司來說是個新挑戰，因為他們傳統只設計硬件，現在還要設計軟件。為此，Cadence希望幫助半導體公司解決三個層次的問題：

1.系統實現，包括早期的軟件開發，系統級的驗證和糾錯；

2.SoC（片上系統）實現，幫助客戶去解決SoC中底層軟件的開發，以及與器件相關的軟件開發；

3.芯片實現層次，主要解決傳統的低功耗等。

盡管Cadence擁有從IC設計到PCB（印制電路板）系統設計一整套平臺，但還需要整個產業的合作，諸如IP供應商、IP（知識產權）和設計服務公司、代工廠、與硬件相關的軟件（其中還包括了Cadence的EDA同行們的軟件）。

Mentor Graphics認為，

當芯片設計規模有望達到400億晶體管時，要解決的重要技術如下：

1.硬件仿真技術（emulation）：

用硬件來設計硬件，就像機器人自己在設計一個人一樣。我們大幅度地使用硬件來提高整個驗證的效能。

2.系統設計：

在SoC設計中大量使用CPU核，ARM核、MIPS核等等，通過軟硬件協同仿真，可以大幅提高系統設計的效率(CPU在進行系統級仿真時避免比較耗時的RTL仿真，我們可對CPU的指令集建模)。其次，通過提早開發軟件，直接在EDA平臺上實現產品原型。而且EDA平臺實現傳統硬件原型無法達到的偵錯能力。因為軟硬件協同時可以讓系統時鐘停下（或者步進）來糾正軟件的Bug，並具體指出哪個CPU的哪條指令導致硬件和軟件的問題。

3.物理設計與驗證：

Mentor的Calibre整合自動布局布線和物理驗證流程，這樣大幅度提高物理驗證的速度。

4.ESA（嵌入式軟件自動化）：

使流片／制造不因晶體管數量大而明顯增加芯片的制造和研發成夲，反而是軟件開發的成本在上升。例如手機上越來越多的應用程序。如何加快軟件開發的速度，以及如何能夠減少軟件的開發成本？Mentor的ESA愿景是解決這方面的問題。

Synopsys指出：

其一，設計成本越來越來自軟件和認證，需要EDA廠商和代工廠一起來解決。

其二，是從芯片設計到仿真、驗證再到流片，軟件和驗證的時間占了流程一大半，需要著力提升設計效率。

其三，是低功耗設計。

總之三個挑戰都需要好的IP，芯片才能上市快，成本低。

IP會成為EDA公司的重要創利點，而fabless會淪為組裝公司。IP年營業額2．5億美元的Synopsys認為，整個系統該怎么驗證只有該項目的設計人員才知道該芯片要實現什么樣的功能；另外，軟硬件協同驗證也發生了變化：一款有一百萬行軟件代碼的芯片，而fabless卻沒有一百萬行的RTL代碼，在芯片中的軟件比硬件更復雜時。芯片廠商必須自己做芯片中的軟件。

IC 設計必需EDA、它也是最重要的工具。隨著IC設計復雜度的提升，新工藝的發展，EDA行業有非常大的發展空間。EDA行業需求的人才(工具軟件開發人才，工藝及器件背景的工程師、熟悉IC卡設計流程的工程師、數學專業人才、應用及技術支持人和投資，營銷和菅理類人才)的就業面相對窄，但穩定性非常高。

并購是EDA廠商的資夲運作，也是它做大做強的途徑

在過去的六年里，EDA經歷了另一次顛覆，就像2001年Synopsys收購Avant！一樣，這讓Synopsys成為EDA引領者。

直至今日。或者說像2009年聘請著名風險投資家Lip-Bu Tan擔任陷入困境的EDA先鋒Cadence設計系統公司的首席執行官。在Lip-Bu Tan執掌下的Cadence，絕對是EDA歷史上最繁榮的公司。

2017年，西門子以45億美元收購了Mentor Graphics，股價溢價21%。收購傳聞曾經一直圍繞著無晶圓廠半導體生態系統，但沒有人會想到它會成為歐洲最大的工業制造公司。最初的傳言是，西門子將解散并出售Mentor，只保留西門子核心業務的一部分，具體地說，他們將出售Mentor IC集團。在隨后的一次CEO圓桌會議上，這些傳言被斷然否認?，F在的Mentor（包括IC集團）是西門子公司戰略的一個組成部分。

雖然Mentor是最大、最具顛覆性的EDA收購，但還有許多其他收購。EDA一直專注于非有機增長（收購），我們通過EDA Merger and Acquisitions Wiki跟蹤收購。

Synopsys是最大的收購EDA公司的公司，收購EDA和IP公司以及半導體生態系統以外的公司。過去6年，Synopsys收購了10家涉及軟件安全和質量的公司，包括2017年以5.47億美元收購Black Duck Software。Synopsys總共收購了不止88家公司，我們預計收購熱潮還將繼續。

Mentor財務報告不再公開，但內部消息人士稱，自收購以來，該公司的營收增長遠遠超出了西門子員工的預期。一些人估計，這一增幅可能高達25%。自從宣布收購Mentor以來，Synopsys和Cadence也一直在蓬勃發展，營收和市值都以一種非常不符合EDA的方式攀升。Synopsys的股價幾乎翻了一番，Cadence的股價更是翻了一番以上。顯然，華爾街對EDA重新產生了應有的興趣。畢竟，EDA是電子產品的起點。

在過去六年里，EDA的另一個重要變化是客戶組合。繼蘋果之后，系統公司現在正在掌控自己的芯片命運，開發自己的芯片。我們在SemWiki上看到了這一點，增加了我們不斷擴大的讀者群。隨著IP、AI、Automotive和物聯網細分市場的快速增長，系統公司現在主導著我們的受眾。

EDA云平臺（云—邊緣—終端）

系統公司也在改變購買EDA工具的方式。系統公司可以從Synopsys、Cadence或Mentor購買完整的工具流和IP，而不是購買point工具和組裝定制的工具流（這是無晶圓傳統）。對于首次涉足芯片設計領域的公司來說，客戶支持的“單點聯系”（One throat to choke）的概念是一種非常有吸引力的商業策略。

系統公司是云計算中EDA的理想選擇，在多次嘗試失敗后，EDA終于實現了。從20多年前的虛擬CAD（VCAD）開始，到10年前的托管設計解決方案（HDS），以及在臺積電、亞馬遜、微軟和谷歌作為合作伙伴的2018年Cadence Cloud的發布，Cadence已經涉足云計算領域多年。2019年，他們發布了Cloudburst平臺，這是EDA邁向全面云實現的另一個重要步驟。

系統公司也不受傳統無晶圓半導體公司的利潤挑戰的約束。例如，蘋果可以為高級工具和支持支付更高的價格，而不需要通知他們的底線。因此，EDA公司通過提供IC工具和系統級設計工具并將其集成來滿足系統公司的需求。最近對Synopsys的收購表明，基于系統的軟件開發也是EDA的目標。

EDA在過去的六年中取得了EDA歷史上前所未有的繁榮，并將繼續如此，因為半導體和電子產品無疑將繼續主導著現代生活。

提出的問題

(AI 可否引導電子設計從自動化邁向智能化)

突破馮諾伊曼架構的瓶頸的幾個好兆頭。

第一個問題：在芯片設計領域AI技術能不能助力硬件設計軟化？目前的問題之一是電路設計完成之后，必須要花很多時間去做版圖設計(P&R)生成GDS，這就好像要你親自把你的設計的Verilog代碼翻譯成機器碼。

第二個問題就是設計復用問題。如果芯片設計能像軟件開發，很多函數都有現成的函數庫，編程時只要調用一下就行了。而不像現在這樣，芯片領域目前絕大多數模塊都必須從頭開始設計，很難實現設計復用。

如果這兩個問題能得到解決，那么對整個行業的創新和自我迭代效率都能帶來深遠影響。

DARPA2018年在ERI峰會上提出的兩個項目IDEA和POSH就是針對這兩點，其終極目標是實現在24小時內即可實現全自動設計迭代。

IDEA

針對的是全自動芯片版圖生成器。包括數字、模擬和混合信號電路的版圖生成自動化。因此，DARPA希望能在這個領域有所突破。他們資助Cadence的David White組(兩千四百萬美元的資助)。Cadence表示將在Virtuoso工具中加入更多機器學習和人工智能來幫助版圖生成自動化。

POSH

DAPAR另一個目標(POSH)是針對開源硬件項目?！癙OSH的終極目標是讓高性能SoC設計普惠化。POSH希望能發展出可持續的開源硬件生態以及相應的驗證工具。POSH同時希望能提供一個經過廣泛認證的開源硬件基礎模組庫，大家都可以自由調用這些庫里的模塊，從而避免在硬件領域重復設計的問題。建立從RTL級到系統級別的設計庫，借助于COMPILER，編輯調用和綜合優化，以最高的效能實現一個片上系統。

SDH(software defined hardware)

DARPA關注的弟三個重點是軟件定義架構SDH和domain-specific片上系統（domain-specific SoC，DSSoC）。在芯片架構創新領域，軟件定義架構和domain-specific可謂是“陰”與“陽”，陰陽互生，在矛盾中發展。在架構發展歷史上，我們看到軟件定義可配置的通用架構遇到瓶頸，然而domain-specific架構又遇到利用率低的問題。于是domain-specific的可配置架構將會成為主流。它提倡解決計算機系統和安全問題更多地依靠軟硬件協同設計。與通用的腳本語言python相比，軟硬件協同優化可以6萬倍的提升計算機系統和安全性能。

按特定領域優化引出DSA（領域特定架構）。設計DSA處理器需要比通用處理器更多的領域相關知識，例如：

機器學習的神經網絡處理器；

圖形和虛擬現實的GPU（俗稱顯卡）；

可編程的網絡設備。

希望實現領域特定語言、計算機體系結構和芯片的軟硬件協同的垂直整合。正像在RISC-V中考慮DSA需求並預留了大量的op code。另一個協同設計的例子是英偉達的深度學習加速器。

RISC-V很可能是第一個進行軟硬件協同設計的架構。

自由和開放的架構以及實現開源(Linux是開源的)：RISC-V指令集是組件化和可擴展的；整個軟件從下到上都是完全開源的（可以修改的）；不同的設計師共同做同一個架構的處理器，可以實現敏捷的芯片開發。

為此，圖靈獎首次頒給了計算機體系結構，在AI硬件架構設計火熱的今天，2017年圖靈獎頒發給了前斯坦福大學校長John L. Hennessy和加州大學伯克利分校退休教授David A. Patterson，以表彰他們在計算機體系結構的設計和評估方面開創了一套系統的、量化的方法。在AI硬件架構設計火熱的今天，榮獲圖靈獎最感嘆他們的自我突破，從RISC、RAID、NOW到IRAM，體系結構推陳出新才是其他應用技術發展的源頭活水。

Hennessy和Patterson于2018年6月23日（周六）在加州舊金山舉行的ACM年度頒獎晚宴上正式接受2017 ACM A.M.圖靈獎的頒獎。ACM主席Vicki L. Hanson說：“他們基于RISC的高能效處理器的貢獻使得移動和物聯網革命成為可能。過去的25年里，他們開創性的教科書影響了一代又一代的工程師和計算機體系結構設計師。”

AI的開放平臺和普惠AI，促成了我們對AI安全性的關注。

Open AI平臺

Sutskever最初硏究的序列建模應用于語音，文本和視頻，非常實際的應用就是機器翻譯。2014年，Sutskever與谷歌研究員共同提出Seq2seq學習（Sequence to Sequence Learning）。還使循環神經網絡（RNN）應用于AI語言任務。他又加入了Google開源庫TensorFlow(世界上最流行的機器學習系統)的開發，將它用于大規模機器學習，還用數據流圖來描述計算并與各種計算設備連接(CPU，GPU和定制設計的ASIC、稱為張量處理單元的GoogleT)。在谷歌，Sutskever協助DeepMind的研究人員開發“AlphaGo”，展示出超越人類的強大的智能。

OpenAI

他意識到人類需要一個組織，一個非營利組織實現人工智能的使命。于是，在2015年12月Sutskever和GregBrockman（現為OpenAI首席技術官）共同創立了OpenAI，目標是“以最有可能造福人類的方式推進數字智能并使之成為一個整體”。他們創建了一個名為Universe的軟件平臺，用于測量和訓練全球各地的人工智能系統，旨在讓機器人學習不同的策略。

關于AI的安全性

史蒂芬·霍金（物理學家）：我們現有的人工智能初始形態確實對我們有幫助，但我認為人工智能的全面解放會給人類寫下絕筆。

埃隆·馬斯克（特斯拉CEO）：人工智能是對人類文明的根源性威脅。

比爾·蓋茨（微軟創始人）：我認為對人工智能有所忌憚是對的，但我不認為我們在發展人工智能后，它就一定會和人類發展背道而馳。

人工智能安全研究也屬于OpenAI研究的范疇。兩年前，OpenAI列出了許多關于確?，F代機器學習系統按預期運行的研究問題。

Tegmark也指出：“現在，觧決AI安全問題非常困難，或許需要30年才能攻克，而且我們必須現在就開始著手解決它們。” Tegmark創辦的“未來生命研究所“發起抵制AI武器化的行動，包括馬斯克和哈薩比斯在內的2000多名AI學者在斯德哥爾摩IJCAI上簽署宣言，讓AI的安全性話題再度受到關注。

倫敦大學學院（UCL）計算機科學系教授汪軍也指出，普惠AI的安全性包括兩個層面。第一個層面是魯棒性，即在特殊環境中使用AI是不是比較好。其次才是通常意義上講的安全層面。

普惠的AI

信息化之后必然的趨勢是智能化。數據流轉分享、算法成本下降，算力安全可靠，才能使AI普惠。

第一部分是數據的來源，數據本身要質量高，成本要低；

第二部分是算法，算法設計和訓練調參的人工成本也很貴；

第三部分是計算的能力，用大量計算平臺和AI芯片都有價格因素！

解決的途徑：

數據靠流轉和分享；算法靠使用；計算的安全性、可靠性以及對隱私的保護等，也是AI普惠化過程中面臨的問題。

AI如何普惠？

普惠AI需要降低門檻，從AI的基礎要素數據、算法、算力三個層面入手；

普惠AI需要完善工具，提高可用性與可教授性；

普惠AI需要做到安全性，確保AI是有益的。

把普惠AI分成通用AI，比如說語音識別、機器翻譯、人臉識別這樣的領域，可以無成本復制。

專業化普惠AI開放的平臺，是在一定的專業背景下研發的個性化的方案。如科大訊飛推出以語音交互技術為核心的人工智能開放平臺，為開發者免費提供語音識別、語音合成等語音技術SDK。

“華為云“提出了“普惠AI”的概念，讓大家都“用得起、用得好、用得放心。以及’teachable’——未來人人都應該能夠教授AI做自己想讓AI做的事情?！?/p>

“云平臺，邊緣管控和個人終端”可能是我們即將面臨的“EDA”產業。

歸納一下，電子設計的智能化、編程化、計算機體系結構設計的軟硬件協同、建立AI的開放平臺、普惠的AI和AI的安全性，從上面六個方面將2018年以來較為關注的論述做了個綜述。是想說明電子設計從自動化向智能化演進已經成為了一種潮流。我們搞電子系統的人，用芯片設計的工具實現一個片上系統集成的設計師和工程師，要關注“AI COMPILER 創芯平臺！”

寫在后面

EDA是IC 設計必需的、也是最重要的工具。隨著IC設計復雜度的提升，新工藝的發展，EDA行業有非常大的發展空間。EDA行業需求的人才(工具軟件開發人才，工藝及器件背景的工程師、熟悉IC卡設計流程的工程師、數學專業人才、應用及技術支持人和銷售類人才)的就業面相對窄，但穩定性非常高。