1956年人工智能（AI）概念被提出時，即使是想象力最豐富的預(yù)言家，應(yīng)該也難以預(yù)料到2022年的AI，早已打敗了全球最頂級的圍棋選手，能夠預(yù)測天氣，診療疾病，甚至，AI還在改變被譽為“工業(yè)糧食”的半導(dǎo)體行業(yè)。

隨著半導(dǎo)體制造工藝的持續(xù)演進，采用先進制程的芯片，單顆芯片集成的晶體管數(shù)量高達數(shù)百億個，系統(tǒng)愈加復(fù)雜，設(shè)計挑戰(zhàn)越來越大。但與此同時，終端應(yīng)用的軟件和算法加速迭代，以月或者年為周期更新的芯片越來越難以滿足終端需求，芯片設(shè)計的周期亟需縮短。

EDA工具與AI技術(shù)的結(jié)合，不僅能設(shè)計出PPA（性能、功耗、面積）更好的芯片，還能顯著縮短芯片設(shè)計周期。在達成提供更好、更快、更便宜的芯片愿景的同時，也將大幅降低芯片設(shè)計的門檻，讓更多人和企業(yè)能夠設(shè)計出所需的芯片，將對芯片行業(yè)產(chǎn)生深遠(yuǎn)影響。

2020年，新思科技推出了業(yè)界首個用于芯片設(shè)計的自主人工智能應(yīng)用程序──DSO.ai（Design Space Optimization AI）。作為一款人工智能和推理引擎，DSO.ai能夠在芯片設(shè)計的巨大求解空間里搜索優(yōu)化目標(biāo)。

目前，全球頂級的芯片設(shè)計公司，包括英特爾、聯(lián)發(fā)科、三星、索尼、瑞薩電子等都已經(jīng)采用了DSO.ai，在不同的芯片工藝節(jié)點和不同類型的芯片設(shè)計中，普遍獲得了4-5倍，甚至更高的效率的提升。

一經(jīng)嘗試就讓芯片公司們喜愛的DSO.ai，還有一個“熱啟動”絕招。

各種芯片，都能用AI設(shè)計

將AI技術(shù)與EDA工具結(jié)合，有兩個核心價值，首先是力圖讓EDA更加智能，減少重復(fù)且繁雜的工作，讓使用者用相同甚至更短時間設(shè)計出PPA更好的芯片；其次是大幅降低使用者的門檻，解決人才短缺的挑戰(zhàn)。

DSO.ai更加智能這一核心價值的體現(xiàn)，是能夠在巨大的芯片設(shè)計解決方案空間中，搜索優(yōu)化目標(biāo)，利用強化學(xué)習(xí)來優(yōu)化功耗、性能和面積。

無論是x86架構(gòu)、Arm架構(gòu)還是傳感器，無論是最先進的工藝，還是成熟的工藝，都可以用DSO.ai實現(xiàn)PPA的提升，同時縮短設(shè)計周期。

當(dāng)然，在實際使用DSO.ai時，不同的開發(fā)者在設(shè)計芯片時優(yōu)化的目標(biāo)會有所差異，比如手機芯片開發(fā)者側(cè)重CPU功耗的優(yōu)化，圖像傳感器開發(fā)者則更希望縮短設(shè)計周期加速產(chǎn)品上市，DSO.ai都能夠靈活地解決差異化的需求，并且?guī)頂?shù)倍的效率提升。

DSO.ai之所以能在不同工藝節(jié)點和不同技術(shù)架構(gòu)中都能實現(xiàn)顯著的效率提升，核心原因是基于新思科技在EDA領(lǐng)域積累的多年豐富的行業(yè)經(jīng)驗，借助AI的自動化學(xué)習(xí)能力和底層算例，把此前需要開發(fā)者們一遍遍嘗試的重復(fù)而繁雜的工作，交由AI快速探索數(shù)以萬億計的設(shè)計方法找到最優(yōu)解，因此具有普遍的適用性。

DSO.ai的第二大核心價值，能夠幫傳統(tǒng)芯片設(shè)計公司解決人才短缺的挑戰(zhàn)，并大幅降低芯片設(shè)計的門檻。

數(shù)字化趨勢下，大型系統(tǒng)級公司們紛紛開始自研芯片，通過定制芯片來優(yōu)化其應(yīng)用或工作負(fù)載。但大型系統(tǒng)級公司往往缺乏芯片設(shè)計的經(jīng)驗和經(jīng)驗豐富的芯片設(shè)計的人才，DSO.ai能夠完美解決大型系統(tǒng)級公司面臨的挑戰(zhàn)。

借助DSO.ai，一個只有幾年工作經(jīng)驗的開發(fā)者，也能達到有多年豐富經(jīng)驗開發(fā)者的設(shè)計水準(zhǔn)。

DSO.ai的兩大優(yōu)勢，將惠及幾乎各種類型的芯片設(shè)計公司，典型的就是通用芯片公司和系統(tǒng)級兩大類客戶。對于通用芯片公司，DSO.ai的目標(biāo)是通過仿真驗證、快速原型等更快、更易用的工具，使芯片生產(chǎn)出來之前就能模擬出實際的性能、功耗等表現(xiàn)，節(jié)約成本和設(shè)計周期。對于系統(tǒng)級公司，DSO.ai通過各種IP模塊和設(shè)計工具幫助他們解決芯片架構(gòu)和工藝的選擇。

數(shù)量級性能提升，門檻大幅降低

由于需要更加強大的算力作為支撐，所以DSO.ai的出現(xiàn)在一定程度上也是得益于云計算的普及，新思科技也通過和云服務(wù)提供商合作提供DSO.ai解決方案。

當(dāng)然，正如云計算的普及不是一蹴而就，一開始，DSO.ai在芯片設(shè)計公司眼中也是新生事物。剛開始，頂級芯片設(shè)計公司們對于DSO.ai的態(tài)度也有些謹(jǐn)慎，但對DSO.ai進行測試之后，他們發(fā)現(xiàn)，在獲得PPA大幅提升的同時還能縮短設(shè)計周期。很快，DSO.ai就迅速獲得了全球頂尖芯片設(shè)計公司們的認(rèn)可。

英特爾、聯(lián)發(fā)科、三星、索尼和瑞薩電子等都是典型的例子。

英特爾發(fā)現(xiàn)，面對優(yōu)化高性能芯片的PPA并縮短設(shè)計周期這一目標(biāo)時，有諸多關(guān)鍵挑戰(zhàn)需要解決，包括：設(shè)計尺寸大，運行時間長；對于較大尺寸的設(shè)計，最終RTL到GDS的收斂循環(huán)更長；在最后階段執(zhí)行多個手動ECO延長了設(shè)計關(guān)閉時間；跨多個設(shè)計向量優(yōu)化PPA將增加實驗數(shù)量等。

在實際案例中，英特爾采用DSO.ai技術(shù)對芯片設(shè)計周期和PPA進行優(yōu)化，實現(xiàn)了設(shè)計結(jié)果質(zhì)量提高約40%，運行時間加速了約20%。英特爾通過將DSO.ai并入?yún)^(qū)塊布局布線（PnR）流程中，有助于縮短芯片設(shè)計周期并實現(xiàn)最佳PPA，減少了人工/ECO收斂工作中的攪動，并及時向RTL所有者提供反饋以修復(fù)嚴(yán)重違反時間路徑的問題。

英特爾的例子還充分說明了DSO.ai易于定制的特性，可以很好地解決芯片設(shè)計中計時或功耗帶來的挑戰(zhàn)、通過創(chuàng)建布局指標(biāo)幫助緩解擁塞點、以及使用庫單元數(shù)量的限制。

聯(lián)發(fā)科和三星也采用了DSO.ai技術(shù)提高先進制程Arm架構(gòu)移動CPU的性能和功耗。在三星的案例中，DSO.ai技術(shù)被成功應(yīng)用于開發(fā)Voptz和Ftarget優(yōu)化應(yīng)用程序，通過自動探索大量的電壓（V）/目標(biāo)頻率（F）空間以找出最高基準(zhǔn)分?jǐn)?shù)和最長電池時間的最佳組合。此外，DSO.ai RL模型將通過分析之前運行中的選擇，自動學(xué)習(xí)并生成更好的組合。

結(jié)果顯示，三星在4nm Arm Big CPU的實驗中，在相同的工作電壓下，DSO.ai實現(xiàn)了頻率提高13%-80%；而在相同的工作頻率下，最高可將功耗降低25%。

三星的實踐展示了AI驅(qū)動的解決方案提高了生產(chǎn)力，助力開發(fā)者能夠輸出高質(zhì)量的結(jié)果。

雖然和設(shè)計CPU有所不同，但索尼在設(shè)計傳感器時要以最短的時間滿足各種類型終端的需求，也需要縮短設(shè)計周期，提高結(jié)果質(zhì)量（PPA）。

因此，索尼也在設(shè)計傳感器的過程中順利采用了DSO.ai技術(shù)并驗證了其出眾的性能，與專家工程師的人工操作相比，DSO.ai實現(xiàn)最佳結(jié)果僅需1/4的設(shè)計周期、1/5的設(shè)計工作量，并成功將功耗降低了3%，進一步提升設(shè)計結(jié)果質(zhì)量。

索尼發(fā)現(xiàn)，與冷啟動相比，熱啟動具備一些優(yōu)勢，例如僅需1/2周期，并減少1/3的工作量。

熱啟動，也正是新思科技DSO.ai的絕招。

熱啟動，DSO.ai的絕招

之所以說是絕招，是因為目前業(yè)界集成AI的EDA工具中，僅新思科技的DSO.ai提供了熱啟動模式。

眾所周知，AI技術(shù)需要利用大量的計算資源來實現(xiàn)模擬人腦的神經(jīng)思考，而計算資源的不足往往限制了AI技術(shù)在高端應(yīng)用或大型企業(yè)的部署。DSO.ai能夠?qū)⒚恳淮芜\行的學(xué)習(xí)經(jīng)驗保存到訓(xùn)練數(shù)據(jù)庫中，之后就可以利用訓(xùn)練數(shù)據(jù)庫來提高設(shè)計探索的效率，減少執(zhí)行時間并降低對計算資源的要求。

DSO.ai有熱啟動與冷啟動兩種模式。

冷啟動實際上就是無訓(xùn)練數(shù)據(jù)的模式，需要執(zhí)行并創(chuàng)建訓(xùn)練數(shù)據(jù)，并選擇使用自己的“未訓(xùn)練”抽樣來分配第一個參數(shù)。一個新的設(shè)計引入DSO.ai時都是從冷啟動開始，所以需要執(zhí)行大量訓(xùn)練工作，且必須在同一流程中執(zhí)行多次。

熱啟動模式則是將“冷/熱啟動”的結(jié)果用作一個進程的模式，在有訓(xùn)練數(shù)據(jù)的情況下自動學(xué)習(xí)，以尋求最優(yōu)解。熱啟動的顯著優(yōu)勢就是能夠減少工作量和縮短周期，與此同時，熱啟動也能降低對算力的需求。

英特爾在實踐中發(fā)現(xiàn)，有了熱啟動模式，能夠用更少的開發(fā)者實現(xiàn)更好的設(shè)計結(jié)果。聯(lián)發(fā)科也體會到，如果了解設(shè)計的參數(shù)，實現(xiàn)了PPA的提升，可以利用熱啟動提高生產(chǎn)力，更進一步，也就可以實現(xiàn)復(fù)雜的計算和決策。

新思科技能夠率先在業(yè)界推出熱啟動模式，與新思科技較早在五六年前就組建了AI團隊研發(fā)相關(guān)項目有密切關(guān)系。

不止于此，新思科技還在嘗試探索將熱啟動模式前移，也就是通過與IP提供商合作，面向共同的客戶做針對性的優(yōu)化，進一步提升DSO.ai效率。

新思科技將不斷提升DSO.ai的性能，比如易用性的改進、更加智能化（冷熱模式的自動切換）、適用性進一步擴大，這些也都是客戶所期待的。DSO.ai，正在被越來越多芯片設(shè)計公司采用，新思科技也正在把AI與EDA的融合從數(shù)字芯片邏輯設(shè)計擴展到驗證環(huán)節(jié)。

未來，從芯片的架構(gòu)設(shè)計、制造以及封裝的全流程都會融入AI技術(shù)。新思作為擁有芯片設(shè)計全流程的工具，能夠更容易可以在整個程中都使用AI，帶來更顯著的全面提升，而芯片行業(yè)深刻的變革，也已經(jīng)開始。

我們迎來了突破性的芯片設(shè)計的新時代。