芯片設計原理基于數學、物理、材料、計算機等科學，EDA作為芯片技術創新力量的巨大推動者，把各個科學理論作為研發的基礎。EDA研發工作者更是始終站在科技發展前沿，時刻應對新工藝，新應用對技術提出的新挑戰。

值此與行業同行的第25年，新思中國邀請公司多位EDA研發精英，分享他們對技術研究的心得以及對前沿科技探索的收獲。

以下是曹愛群博士對數字設計實現的研究心得以及對行業未來的期許：

請您分享一下您近期的研究心得。

●我所帶領的研發團隊一直在開拓創新，我們最近的一個新的突破，是在從RTL到GDS的整個設計流程中統一了優化引擎。過去的30多年，數字設計的實現一直遵循從邏輯綜合布局、時鐘樹綜合布線到最終驗收的一系列步驟，由于每一個步驟都相對獨立，且對算法、方法和優先級的需求都不同，在此情況下，我們爭對每個步驟開發了各自獨立的優化引擎。這些獨立開發會給研發帶來很大的壓力并影響效率和結果質量。

●Fusion Compiler特有的RTL到GDS的通用數據模型，為我們提供了一個能夠將所有引擎整合到一起的全新平臺。基于每一個引擎的優勢，我們搭建了一個超級引擎，并通過通用數據模型實現了整個流程中技術的自由流動。這意味著這個超級引擎可以部署在流程中的任一環節，此前只可用在部分環節的優化技術現在可用于全流程。這為我們的用戶提供了實現更佳的功耗、性能和面積的新機會。

●這一超級引擎僅僅是Fusion Compiler領先技術優勢的一個體現，可以幫助客戶在設計中減少冗余、提高效率。未來，我們還將凝聚所有引擎的優秀研發人才共同開發，不斷突破自我，持續為客戶提供更優的解決方案。

在當今IC行業，我們面對哪些挑戰和機遇?

●先進的工藝節點，如7nm、5nm、3nm，以及Gate-all-Around(GAA)這樣的晶體管新結構，提高了芯片的每瓦性能，并整體降低了芯片功耗。但與此同時新工藝和新結構的運行方式存在很大差異，對于設計上極其微小的變化很敏感。導線的延遲對芯片性能帶來更為重要的影響，且由于在設計早期布線選擇的難預測性，芯片設計仍然面臨大量設計迭代的挑戰。

●近來，我們在機器學習方面取得重大進展，為芯片設計提供了新的方法和思路。機器學習可以讓我們在早期就能了解芯片的性能、功率、布線擁塞以及其他各個方面，開發者可以提前做好準備，安排不同的結構，進行相應的優化，從而減少設計迭代，最終實現更優的功耗、性能、面積還有目標，并讓交互時間更短。機器學習減少了我們的重復性勞動，讓我們可以把精力花在更具有創意的事情上。

●機器學習技術已經在新思科技客戶的實際量產中得到應用，它顯著提升了客戶5nm芯片的性能和功耗，得到了客戶的一致好評。此外，我們已在10月推出了更多的機器學習新技術，以進一步鞏固我們在這一領域的領先地位。

中國將如何影響萬物智能的未來？存在哪些挑戰和機遇？

●中國在發展萬物智能方面具有兩方面的獨特優勢。一是基礎設施扎實，對新基建投入巨大。例如，中國的手機覆蓋率全球領先，并持續引領5G網絡的部署，這種強大的自上而下的對通信技術的投入是一切智能技術的基礎。二是軟件的普及和成熟，從三歲孩童到百歲老人，從城市到農村，人人都熟悉像微信這樣的互聯平臺，電子支付也正在成為主流，這為發展萬物智能提供了最佳環境。●萬物智能同時也給我們帶來新的挑戰。例如，由于設備需要始終保持運行和通信，可移動智能設備，如智能手機，它的續航力對于用戶來說就非常重要，續航力決定著用戶下班后是否可以順利打車回家，是否可以順利使用手機支付功能，或者用戶在開車時能否使用手機接受最新交通消息等等，諸如此類的挑戰還很多。

●萬物智能還促使我們從更宏大的角度看效率。比如，5G站點非常重要，那么為了避免數據擁堵而需要建造多少信號塔，這些投資是否值得，這些都是未來需要考慮的問題。

請給中國的開發者一些建議。

●從歷史中學習，但也要跳出固有思維。西方寶貴的經驗可以借鑒，但不要成為追隨者。即使100個創新中有99個無所成就，唯一的成功依然可能永遠改變我們的生活和方向。

●中國有許多新的集成電路設計公司，而且行業獲得了前所未有的大力支持。對于開發者而言，這是一生難逢的嘗試和創新的機會，所以，哪怕有可能經歷失敗，但只要切實吸取寶貴的經驗，也能不斷進步。

責任編輯：lq