開發者如何才能開發出足以應對未來挑戰的復雜芯片呢？

目前有一種解決方案，能夠提高開發效率和芯片設計質量，甚至還可以將以前的不可能變為現實。 這一切都來自一種推動芯片復雜度提升的技術：人工智能 (AI)。

開發者的創造力為我們帶來了AI聊天機器人、手術機器人和自動駕駛汽車等各類先進技術的應用。 此外，各種強大的解決方案也應運而生，為開發者分擔重復性的芯片設計、驗證和測試任務，從而讓他們專注于最擅長的事情：創新。

憑借屢獲殊榮的新思科技DSO.ai AI芯片設計應用的引領，新思科技推出了業界首個全棧式AI驅動型EDA解決方案Synopsys.ai，現已搭載功能驗證解決方案（新思科技VSO.ai）和芯片測試解決方案（新思科技TSO.ai），未來還將推出更多功能。 Synopsys.ai在減少功能覆蓋率漏洞方面實現10倍提升，IP驗證效率提高30%。 同時，DSO.ai最近率先實現了首個100次生產流片，這是一個重要的里程碑，標志著AI已經成為主流的半導體技術。

AI代替EDA工作流程中

重復和手動任務

目前，全球經濟充滿不確定性，半導體行業的競爭日趨激烈，這些因素推動著行業更進一步地優化半導體功耗、性能和面積（PPA）。 只有以更低的成本、更快地優化這些指標，企業才有可能在競爭中占得先機。 除了當前的經濟形勢外，企業還可能面臨著人才壓力，半導體開發人才的短缺或將阻礙行業的發展。

AI驅動型EDA解決方案為此提供了一個發展方向，它可以輔助開發團隊提升工作效率。 據德勤全球估算，全球幾大半導體公司今年將在內部和第三方芯片設計AI工具上投入3億美元，這一數字未來四年內每年還將增長20%。 德勤全球在一篇分析文章中指出：“AI設計工具可以讓芯片制造商突破摩爾定律的界限，從而節約時間和費用，緩解人才短缺問題，甚至還可以將舊的芯片設計應用于全新的設計之中。 同時，這些工具還可以提升供應鏈安全，有助于緩解未來芯片短缺問題。 ”

每個設計中都存在耗時耗力的任務，這些任務或重復或冗余，但對芯片質量而言又是必不可少的。 AI技術可以承擔各類重復性任務，如設計空間探索、驗證覆蓋和測試碼生成，并且還能提升這些任務結果的質量。 這為開發團隊節省了大量時間，讓其得以專注于完成各種增值任務，如實現產品差異化、快速創建新功能或衍生設計等。 AI技術還可以幫助開發團隊實現快速上市時間的目標，以及利用現有資源完成更多項目。 開發者無論是新手還是經驗豐富的資深人士，都能從AI中獲益，因為該技術既能讓新手開發者更快上手，也能幫助資深開發者更快地提升設計質量。 例如，在項目中，Synopsys.ai可以負責處理重復性工作，并根據迭代工具的結果采取相應措施，而開發者則負責監管芯片質量，二者配合得到的結果要比開發者獨自應對來得更好，而且速度更快。

用更智能的芯片應對復雜挑戰

如今，開發者面臨著各種各樣的挑戰，如不斷增加的設計復雜性，先進制程節點的要求，以及包括CPU、手機、GPU、汽車和AI在內的多個垂直領域中不斷縮減的功耗預算。 無論是在周邊設備還是在數據中心的服務器中，AI芯片都需要大量的計算單元來處理復雜的算法和海量的數據。 優化這類復雜設計的PPA并確保芯片按預期運行，對開發者而言這項挑戰正變得越來越嚴峻。

這正是Synopsys.ai解決方案能改變的地方，讓我們來逐一了解Synopsys.ai的各個組件。

DSO.ai：奠定基礎

DSO.ai是芯片設計實現方面的一款顛覆性AI應用，可以自主搜索PPA設計空間來尋找最佳解決方案。DSO.ai將AI技術集成到了芯片設計工作流程中，可以協助開發者大規模地探索各種方案，這在以前是無法做到的。

這種方法讓AI技術有機會不斷從訓練數據中積累經驗并學以致用，進而助力加快流片速度并實現PPA目標。AI的另一項關鍵優勢是支持復用：從一個項目中學到的經驗可以應用于未來的項目，從而提高設計流程的效率。該解決方案可在云端使用，更具靈活性、可擴展性和彈性，有助于客戶處理繁重的工作量。據用戶反饋，使用該解決方案后工作效率提升了3倍以上，功耗降低多達15%，裸片尺寸也大幅縮小。下圖顯示了DSO.ai在高性能數據中心CPU中的應用結果。

VSO.ai：優化“最后一公里”

VSO.ai可幫助驗證開發者更快實現覆蓋率收斂目標并發現更多錯誤。數字設計可能涉及的設計狀態空間幾乎是無限的，要一一檢查這些空間，驗證設計是否能按預期運行，人工操作是根本不可能實現的。回歸流程可能需要數天時間，成千上萬的測試會消耗掉所有計算資源。通常，最后的收斂工作非常耗費人力，而且人工分析龐大的數據也難以得出可行的見解。

VSO.ai為這一流程注入了全新活力。它通過檢查RTL來推斷覆蓋范圍，同時會高亮顯示需要覆蓋的區域，從而節省大量時間并確保測試具有高ROI。瑞薩電子（Renesas）表示，借助新思科技VCS功能驗證解決方案（Synopsys.ai的一部分）進行AI驅動的驗證，他們在減少功能覆蓋率漏洞方面實現了10倍以上的提升，同時IP驗證效率提高了30%。

TSO.ai：讓開發者不必再做取舍

不斷增加的設計復雜性和規模也影響了芯片的測試進度。在評估自動測試碼生成（ATPG）工具的結果時，需要考慮以下三項關鍵指標：

缺陷覆蓋范圍

測試碼數量，與測試成本直接相關

運行時間

相反，經驗豐富的開發者又可能存在偏見，導致他們使用該工具獲得的結果可能并不是新設計的最佳選擇。TSO.ai可以讓開發者無需再權衡這些利弊，通過運行多個新思科技TestMAX ATPG先進測試解決方案的副本，自動生成測試計劃，從而提高缺陷覆蓋率，減少測試碼數量，并更快地獲得結果。

AI讓一切皆有可能

技術無上限，創芯無止境。利用AI助力芯片設計擁有諸多天然優勢，其中之一便是這些工具會從不同設計中不斷學習積累經驗，從而變得越來越智能。這對整個芯片設計行業和所有依賴電子產品的人而言都是個好消息。AI可以賦予開發者更大的能力，讓他們更快地將正確規格的芯片推向市場，從而打造出更加復雜的系統，以應對數字世界中的各種復雜挑戰。