數字化時代，AI（人工智能）正以前所未有的速度重塑全球科技格局。從生成式 AI 的爆發，到輔助駕駛汽車的快速落地，從藥物研發的效率躍遷，到工業生產的智能升級，AI 技術的觸角已深入社會各個角落，成為推動各行業變革的關鍵力量。與此同時，我們也不得不正視，AI 芯片和系統設計的復雜度正顯著提升，如何借助 AI 解決這一挑戰，正是CadenceLIVE China 2025 中國用戶大會的熱點話題。

在 CadenceLIVE China 2025主峰會上，Cadence 資深副總裁兼系統驗證事業部總經理 Paul Cunningham 博士分享了《運用代理式 AI 應對智能系統設計挑戰》的演講，向與會觀眾介紹了 AI 需求爆發帶來的芯片設計挑戰，AI 技術在 EDA 領域的落地機遇以及 Cadence 在 EDA+AI 領域的落地案例。

Paul Cunningham 博士表示，在數據中心 AI 計算、邊緣計算的推動下，計算芯片的需求正呈現前所未有的增長態勢。據 IDC 最新預測數據，到 2030 年，全球半導體市場規模將達到 1.2 萬億美元。這一增長主要得益于 AI 技術在多個領域的廣泛應用，包括基礎設施、大數據與云、Agentic AI、AI 智能體（汽車、無人機、機器人）和虛擬現實等。

他指出，AI 潛力的釋放將分為三個不同階段：

基礎設施 AI 階段：未來 1-3+ 年期間；

物理 AI 階段：未來 2-7+ 年期間；

科學 AI 階段：未來 5-10+ 年期間。

與此同時，AI 帶來的挑戰也不容忽視。當前，數據中心和人工智能領域的領軍企業正通過晶圓廠建設、工藝開發、EDA 工具創新及 IP 研發等方式，不斷突破半導體的極限，最前沿的 AI 芯片設計已極為復雜，包含超過 2000 億個晶體管。

芯片復雜性的提升正推動芯片技術向 “超摩爾定律” 演進：一方面，晶體管數量持續突破，預計 2030 年將出現集成 1 萬億晶體管的芯片，先進制程（如 FinFET 及更先進架構）面臨功耗、熱管理、電磁兼容等挑戰；另一方面，系統級設計轉向 3D-IC、Chiplet 等異構集成技術，2.5D/3D 封裝、硅光子學成為提升系統性能的核心路徑。

Paul Cunningham 博士強調，從商業角度看，我們不能將視角僅局限于芯片，還需考慮芯片會被集成到先進封裝中，而封裝又會將被安裝到 PCB 板、機架及系統里。也就是說，我們必須要足夠重視系統的仿真和優化。

數字孿生重塑系統設計

綜上所述，當單芯片性能逼近物理極限時，設計范式從單一優化轉向系統級協同。Paul Cunningham 博士指出，在半導體設計領域，制造前仿真覆蓋率達 99%，因此在如此復雜的工藝和設備上，第一次流片就能成功。然而，從芯片到系統應用還有距離，如此高覆蓋率的模擬仿真尚未完全進入物理世界。比如，在機器人、無人機等系統領域，仿真覆蓋率僅 20%，另外 80% 則必須通過實際制造、測試來不斷改進模型和方法；在藥物發現領域，仿真覆蓋率更是極低，這使得一種藥物從概念提出到獲得 FDA 批準并投入市場，成本可能高達百億美元。

因此，將設計自動化技術引入半導體之外的領域，如醫藥、化學、材料學等，潛力巨大。Paul Cunningham 博士堅信，在未來 20-30 年里，在 AI 計算技術的推動下，這一定會實現。過去很多年里，Cadence 一直在這一戰略方向上進行投資，并通過收購相關公司加強布局——利用數字孿生技術，包括物理孿生和功能孿生，來提升系統仿真的覆蓋率和效率。

在物理孿生方面，Cadence 此前收購了 Beta CAE Systems。通過使用 CFD（計算流體動力學）和 CAE（計算機輔助工程）技術，Cadence 的工具能夠創建高保真的物理模型，加速設計和驗證過程。物理孿生的一個典型應用領域是汽車，可以對整輛車進行仿真，如碰撞測試等。能夠做到這些，離不開背后的硬件支持，Paul Cunningham 博士在此提到了一款名為 Millennium M2000 的超級計算機，由 NVIDIA Blackwell 提供動力，可以進行非常豐富的數值運算，包括 IR Drop 壓降分析、SPICE 仿真、單元特征化、電磁、熱、計算流體動力學等，且計算效率是非常驚人的。

在功能孿生方面，Cadence 此前收購了 VLAB Works。通過 VLAB 虛擬開發設備，Cadence 的工具支持軟件定義車輛（SDV）的開發，通過虛擬平臺或虛擬模型來模擬汽車功能，進而加速軟件開發和持續集成。Cadence 的 Palladium Z3 和 Protium X3 等工具提供了高性能的仿真和原型設計，為功能孿生加速，加快芯片和軟件的協同驗證。

Cadence 也在大力投入仿生計算生物學，為此公司收購了 OpenEye，該公司是這一新興領域的領導者之一，與全球前 20 大制藥公司中的 19 家合作。對于 Cadence 而言，這是更加長遠的計劃，可能成為公司業務增長的主要引擎之一。

從工具到平臺全面擁抱 AI

在數字設計實現方案上，Cadence 正處于行業領先地位，通過集成數字設計、模擬/定制、調試和驗證、3D-IC/PCB、多物理場等技術，提供全面的系統設計和分析解決方案。

面向復雜的 AI 芯片設計，Cadence 提供高帶寬內存（HBM）、LPDDR、PCIe 7.0 等高速接口 IP，適配先進制程（如 TSMC N2P、Intel 18A）。同時，Cadence 3D-IC 解決方案支持數字——模擬——封裝——系統統一分析，解決 Chiplet 互連、熱管理、電磁干擾等問題，幫助提升芯片開發效率。Paul Cunningham 博士舉例說，Cadence 3D-IC 解決方案可以在一夜之間對一個非常復雜的先進 2.5D 封裝 Multi-Die 設計進行完整的功耗仿真，而傳統方式可能需要 1-2 周。

Cadence 也提供大量由 AI 驅動的設計工具，包括 Cadence Cerebrus、Virtuoso Studio、Verisium Al Studio，實現了從數字設計到系統設計的自動化，顯著提升了生產力和性能。Paul Cunningham 博士稱，在 IP、工具和平臺等方面，Cadence 正全面擁抱 AI。

談到代理式 AI 在 EDA 領域的落地，Paul Cunningham 博士將其分為 5 個等級：L1 為優化式 AI，實現自動化布局布線、功耗優化等功能；L5 則是全自主設計，Cadence 的 JedAI 平臺便是這一水平的平臺——JedAI 平臺支持多云環境，整合多種工具和 LLM API，可與客戶 AI 平臺結合，具備數據推理、嵌入優化等功能，支持從設計到驗證的全流程自動化。

代理式 AI 和 EDA 的融合正在加速，也正幫助芯片和系統設計的生產力重回數量級躍升時代。目前，市場上大概有超過 50% 的先進芯片由 AI 驅動設計，隨著 EDA 公司產品組合的完善，這一比例將很容易超過 80%。從 Cadence 公司自身來講，預計到 2025 年底，設計工程師將能夠在公司的產品頁面上直接與工具聊天，并獲取所有文檔和專業知識。

Cadence 有一個宏大的愿景，致力于通過融合前端 Agent、模擬自動化、Cerebrus AI Studio、Verisium AI Studio 等幫助 IC 設計公司構建自己的AI Agent，實現通過提示就能完成芯片設計的全過程，包括生成網表、運行流程、修復錯誤、收斂時序、DRC 檢查等。這一愿景的實現可能需要幾年時間，但最終會實現。

Paul Cunningham 博士總結說，當前我們正處于 AI 技術驅動芯片設計的歷史拐點，最先進的芯片現在都使用 AI 輔助工具進行設計，未來代理式 AI 賦能的芯片數量將繼續攀升并持續縮短芯片的設計周期。Cadence 致力于提供全面的智能系統設計解決方案，支持多個行業的技術進步。