近日，楷登電子（Cadence）亞太區資深技術總監張永專先生受邀于上海參加了 SEMICON CHINA 2025，并發表了題為《AI 驅動半導體與系統設計》的演講。他從 EDA 企業視角出發，深入剖析 AI 為行業帶來的機遇與挑戰，分享 Cadence 運用 AI 技術在半導體與系統設計領域的創新應用成果并展示 Cadence 推動行業前沿創新的思路與實踐。

EDA 的 AI 機遇：技術融合催生變革

在 AI 驅動的時代浪潮下，各行業積極探索如何借助 AI 釋放創造力、提升生產力。得益于摩爾定律， Cadence 緊跟步伐，加快智能化升級，依靠多運算、多引擎的協同運作，借力使力，推動芯片迭代加速，助力半導體行業在后摩爾時代穩健發展。

張永專先生認為，AI 為 EDA 領域帶來了全新機遇。AI 作為新興的優化技術（Optimization AI），與 EDA 原有的核心算法深度融合，為設計品質（QOR）和性能帶來新突破。例如在布局布線（P&R）環節，顯著改善功耗、性能和面積（PPA）表現；在仿真過程中，大幅提升運行效率。同時，借助 AI 大語言模型，設計抽象（design abstraction）正逐步演變為新一代任務抽象工具，實現自然語言交互，讓編碼、調試等任務自動化完成。

由此 Cadence 提出 “three layer cake” 概念，其 AI 解決方案構建了三層架構：底層利用現有引擎進一步加速 AI 部署；中層通過代理式 AI，針對數字、模擬及仿真領域，提供多樣化 Optimization AI 解決方案；頂層 Cadence Copilot，借助大語言模型（LLM）等先進技術，升級基于 LLM 的 AI 解決方案。

就大語言模型的能力，張永專先生介紹稱，目前可以通過大語言模型接入現有的工具，實現查找和發現設計中的問題。不久的將來，該大語言模型將具備深度推理能力，能夠對問題進行分類并分析產生的原因以及所帶來的變化。甚至未來隨著大語言模型能力的提升，最終將實現從工程師的想法開始，自動生成設計。

“這印證 Cadence 很久之前就看到的未來趨勢，就是系統與軟件將定義硬件的走向。未來有可能只進行規格描述，就能夠進行 IC 設計。”張永專先生表示。

AI 賦能成效顯著：多領域實現效率飛躍

張永專先生例舉，Cadence Cerebrus Intelligent Chip Explorer是 Cadence 首款基于機器學習的數字實現工具。在 Optimization AI 方面，Cerebrus 平臺借助 AI 優化布線工作和調試工具設置，實現更優的 PPA。張永專先生透露：“目前已有超過 750 個 tapeout 下線送交制造，AI 技術在其中的作用已深入人心。”

隨著 SoC 復雜性不斷攀升，驗證環節成為消耗算力和人力的 “大戶”，縮短驗證周期成為產品按時上市的關鍵。Cadence Verisium Artificial Intelligence (AI)-Driven Platform構建機器學習模型并挖掘特定指標，極大提升了驗證效率。

在傳統 EDA 流程中，PCB 布局布線耗費大量人力和時間，Cadence 推出的Cadence Allegro X Design Platform實現器件擺放、金屬鍍覆和關鍵網絡布線的自動化，并集成快速信號完整性和電源完整性分析功能，借助 AI 技術，PCB 布局布線流程耗時從近兩天縮短至不到 2 小時，效率提升達 10 倍。

JedAI 核心價值：構建協同創新生態

更進一步，Cadence 推出 Cadence JedAI Platform 大數據分析平臺，為客戶提供全流程 AI 優化體驗。張永專先生介紹，JedAI 平臺可以把所有前中后端的訊息集合起來，該平臺兼容所有主流大語言模型，通過文字或語音描述需求，即可實現對于 Cadence 的設計引擎的調用。同時，IC 設計企業可以將設計方案放到該平臺中，借此來訓練自己的大語言模型，且能夠保證隱私和安全。

張永專先生指出，在基于大語言模型的 AI 應用中，JedAI 是重要的平臺和框架。所有基礎設施，包括模型、RAG 以及客戶自有技術，都可接入正在開發的智能助手，進而連接基于 Cadence 工具的智能體。目前，Cadence 的 Verification Copilot、Design Copilot 和 Analog Copilot 等 AI 應用（智能助手）已展現出獨特優勢。

AI 時代三階段：從基礎 AI 到科學 AI

最后，張永專先生指出，AI 部署有三個階段，當前 AI 還處于早期的基礎設施構建階段，下一個階段將是物理 AI 時代，自動駕駛、機器人、無人機等都將具備 AI 能力，而在第三個階段科學 AI 時代，AI 將用來解決科學問題。

“雖然現在出現 4000 億參數的大模型，但是和人腦 125T 的突觸相比，當某一天半導體技術能夠使大語言模型達到人腦的水平，那時可能才能實現真正的智慧和聰明?！睆堄缹Ｏ壬鷱娬{。