文 | 腦極體

過去一段時間里，我們關注了半導體行業的各個位面，比如芯片制造，操作系統，地域紛爭等等，也欣喜地看到中國半導體企業在產業鏈中的快速就位。但同時應當注意到的是，有一扇技術大門卻一直沒有被推開，那就是EDA工具。

EDA，即電子設計自動化（Electronics Design Automation）的概念十分寬泛，想做芯片設計，就不離開EDA工具。在機械、智能手機、通訊設備、航空航天、生物醫藥等等各個涉及電子自動化的領域，通過EDA技術來完成特定目標芯片的設計，可以說是產業鏈上游的上游、基礎的基礎。

而如此重要的神兵利器，中國企業的市場認可度如何呢？答案是，毫不夸張地說，95%以上的EDA工具都掌握在美國企業手中。中國現存的10余家EDA公司，2018年銷售額3.5億元，只占到全球市場份額的0.8％，技術研發方面，也以16nm及28nm工藝支持為主。

硬件制造能力可以花錢堆設備來快速拉升，底層操作系統能夠用N個“備胎”頂上，那么占據全球半導體供應鏈戰略要地的EDA工具，又該如何尋找自己的春天呢？或許答案就隱藏在EDA正在描繪的AI藍圖之中。

單兵孤城的國產EDA

其實，早在去年“中興事件”中，EDA工具就以大殺器的形象出現過。除了禁止賣芯片給中興以外，全球最大的EDA公司Cadence也宣布停止對中興服務。今年的特朗普清單中，EDA工具同樣沒有缺席，赫然在列。事情一旦無可挽回，中國幾乎所有芯片企業都只能依靠當前版本的工具進行工作，效率大打折扣不說，還意味著很可能因為無法升級而很快落后于行業，建立在芯片能力基礎上的軟硬件自然也就成了無本之木、無源之水。

從理性的角度看，徹底地域化的最壞結果大概率不會出現，但EDA工具的戰略地位卻不得不引起重視。但話又說回來了，為什么時至今日都沒有相關“備胎”出現呢？

想要尋找答案，我們需要將時間的鐘擺調到1992年。

當時，中國尚處于西方對中國實行EDA禁供的窘境之中。一大批中國的科學家和工程界人士，都投入到了國家牽頭的國產EDA開發之中。當時，行業涌現出了無窮的活力。

1992年，在200多個開發者的攻堅下，超大規模集成輔助設計系統熊貓IC CAD通過鑒定，覆蓋了全定制集成電路正向設計的全部功能，獲得當年的國家科技進步一等獎，也被視作沖破西方封鎖的里程碑。

沒想到的是，該項目甫一成功，對岸就迅速解除了對中國的EDA禁令，加上后來“市場換技術”的思路占主流，導致此后的十數年間，美國高端成熟的EDA工具如同狼群一般在中國市場攻城略地，中國EDA自主廠商的研發腳步也因此變緩，走上了“二次開發”“代理集成”的附屬式發展道路。

一番波折之后，國產EDA就來到了一個尷尬的境地。一方面在品牌上亦步亦趨，知識產權難以把控，自然也無法形成溢價，致使中國的芯片設計企業逐漸失去了選擇權和議價權。而在市場競爭中，既需要支付多套EDA工具的license專利費，高昂的成本直接拖累了設計周期及競爭力，在5nm乃至3nm等高精度芯片設計也囿于上游軟件大鱷，難以施展。

這樣處處掣肘的大背景下，中國EDA工具的前路在何方呢？

風水輪流轉，今年看AI

今天沒人能夠忽視AI對社會產業帶來了賦能作用，根據市場研究機構ABIResearch發布的最新報告，云端AI芯片市場將從2019年的42億美元增長至2024年的100億美元規模；邊緣AI芯片也將以31%的年平均增長率持續擴張。而EDA作為AI芯片中不可或缺的角色，也在半導體軟硬件企業、創業者與開發者的推動下，迎面撞上了新的商機與挑戰。

首要的需求變化，是更高的PPA (功耗、性能、面積)目標。

想要將AI移植到智能手機、車聯網、IoT等終端，具備深度學習能力的系統級芯片（SoC）就變得不可或缺，產業端對芯片封裝的小型化也越來越苛刻。

在越來越小的單位面積上集成越來越多的晶體管，需要更復雜的工藝器件，電路之間的交互、熱物理效應等也都會發生改變，這意味著整個設計流程都需要被重新思考，EDA工具也必須與時俱進。

同時，產業智能市場的激烈競爭，也讓開發者對設計周期（Time To Market）的要求越來越高，而設計規模和規則限制也在增多，如何提升AI芯片的設計效率，減少迭代次數，進而縮短設計周期，也在倒逼EDA廠商升級。

時代浪潮的涌動之下，將AI引入芯片設計環境，就是一個水到渠成的必然選擇了。

在國家戰略層面，美國國防高級研究計劃局(DARPA)為首的部門，開始將電子資產智能設計(IEDA) 作為代表性項目，重點突破優化算法、7nm以下芯片設計支持、布線和設備自動化等關鍵技術難題。

產業端，Synopsys、Cadence、Mentor，以及中國的華大等工程界也紛紛將AI設計從概念升級到實戰階段。Cadence正式推出了專門為AI設計所打造的Tensilica DNA 100處理器IP，能夠利用算法提高芯片能效，功耗也大幅度降低。Synopsys也推出了內置神經網絡引擎的嵌入式圖像處理器，來實現內存高速存取的設計需求，還提供芯片開發初期就確保AI數據安全性的IP選項。下游的集成商如臺積電，也在ARM A72和A73等內核上成功地部署了機器學習，以幫助預測最佳的單元時鐘門控，提升整體芯片速度。

總的來說，AI對EDA提出了新的技術要求：一是能夠以更高效率執行矩陣乘法、點積等運算任務的專門化處理；二是實現深度學習任務快速存儲需求的架構創新；三是打造傳遞各種數據資料的連接界面。

盡管目前，國產EDA欠缺一次全面的補課，但當務之急并非盲目地一擁而上。市場的需求，產業端的算法饑渴，技術和產品填補空白的優先級，都將國產EDA工具的前路指向了AI。

重新制造輪子：中國EDA的AI土壤

當然，在EDA工具的AI化過程中，還是需要有的放矢。所以接下來，是時候討論這個關鍵的問題了，中國EDA廠商的逆襲可能性，以及關鍵力量究竟在哪里？

對于這個龐大的命題，政策、資本、學術等可能需要幾十年、幾代人去解釋，在此，我們不妨將目光聚焦在一些具體的技術趨勢上，比如云計算。

EDA上云是未來的趨勢之一，利用云端龐大的運算能力能夠有效解決仿真耗時的問題，直接降低芯片創業者獲取EDA工具的成本，某些芯片大企業也可以靈活地臨時使用某些工具。而眾所周知，中國云服務廠商無論是在硬件部署、軟件創新、軟硬件協同方面，已經開始成為智能產業的支撐力量，也將成為推動EDA領域進化的關鍵變量。

再比如AIoT的蓬勃發展。

軟硬體協同這類因AI衍生的協同設計需求，需要新一代EDA工具來適應。同時，與產業應用端的親密呼應，也會影響與打磨新一代EDA的設計與驗證解決方案。舉個例子，車聯網、規模運算、高頻通信等應用領域的設計，都對系統級分析工具提出了更高的要求，為了更全面地支持各種場景，EDA從業者也需要向工程模式（CAE）等方向全面延伸，這些領域的交融會跑出多少黑馬，是個令人興奮的未知數。可以確定的是，中國土地上如火如題的AIoT建設，也在不斷為EDA產業輸送養分。

撬動一座產業版圖的，有時是一力降十會的絕對實力，有時也許是順勢而為的一個支點。