「華為：基本實現晶片14納米以上EDA工具本土化」——自近日華為輪值董事長徐直軍宣布這一重磅消息，在半導體行業引發了一場不小的熱潮，並引發激烈討論。不得不說，華為此次公開該資訊，印證了此前華為開發EDA的消息的真實性。同時，完成14nm以上晶片EDA工具的本土化，對我國晶片產業而言意義重大。
利「華」也有「為」
由於具有較高的行業壁壘和IP專利限制，全球EDA行業高度集中，Synopsys、Cadence、西門子ED等市占率超過80%，這些企業能夠為用戶提供整套的IC設計工具，並且已經建立起相當完善的產業生態圈，形成了較高的行業壁壘和用戶粘性，主導全球EDA市場多年。
對於我國而言，EDA工具本土化對於晶片領域的突破意義與光刻機製造同等重要，中企持續加速布局EDA軟體。近年來，國家陸續出台了一系列針對EDA產業的扶持政策和法規，以加速行業成長，為IC和EDA產業的升級、發展營造了良好的政策和制度環境。某分析公司負責人告訴筆者：「我國的EDA工具鏈曾一度不完整，僅能滿足部分中低端製程需求。因此，國內迫切需要一個全流程的EDA工具。」
作為晶片工藝製成的一個重要節點，14nm能夠實現最上游的軟體突破，為晶片產業鏈的完整性和可持續發展提供了重要支撐。同時，為更高製程的晶片軟體研發奠定了基礎，也為推動中國晶片工藝的進步，發揮著積極重要的作用。
該分析公司負責人稱，14nm製程以上的EDA工具本土化，可以保證晶片研發的連續性和疊代開發。對於華為而言，其能進行超大規模集成電路晶片的功能設計、物理設計、驗證的同時，華為也能夠基本達成半導體本土化，也將對麒麟晶片的歸來起到積極作用。
讓Chiplet「鬆一口氣」
14納米以上EDA工具本土化的意義不僅在製程本身，更讓不少行業關鍵技術得以持續演進。
近年來，隨著高性能計算、人工智慧、5G、汽車、雲端等新興市場的蓬勃發展，對於算力的需求持續攀升，僅靠單一類型的架構和處理器無法處理更複雜的海量數據，「異構」正在成為解決算力瓶頸關鍵技術方向。Chiplet技術被視為「異構」技術的焦點，也是當下最被企業所認可的新型技術，全球越來越多的企業都開始研發Chiplet的相關產品。
Chiplet是一款將單顆SoC「化整為零」為多顆小晶片（Chip），將多顆Chips進行封裝的技術。
在設計端，Chiplet可以將將晶片分解成特定模塊實現IP 矽片化，並靈活重組，可將性能和工藝適度解耦合，並有效提高良率、降低製造成本和門檻。在封測端，Chiplet可以將小晶片利用互連技術和封裝技術進行高密度集成，可輕易集成多核，突破原有SoC 性能的極限，滿足高算力處理器的需求。
隨著線寬逼近原子級別，摩爾定律在製造端的提升已經逼近極限，Chiplet正通過在封裝端和設計端的提升，來進一步延續摩爾定律，緩解先進制程焦慮的主要抓手。
如今，集成電路行業對於先進工藝的需求越來越強烈,隨著晶片製程節點的不斷縮小,在晶片設計時需要考慮在更小的空間內集成更多的電晶體,在設計過程中也需要不斷更新設計方案,因此,設計的規模也變得越來越大,這也對EDA提出了更高的需求。
該負責人坦言，晶片14納米以上EDA工具本土化正是助力Chiplet打開中國EDA局面的一次良機。
從市場角度看，作為一個多年前就被提出的技術概念，由於缺乏頭部Foundry合作，我國本土EDA工具難以匹配目前最先進的工藝，其EDA工具對先進工藝的支持不夠，這導致中國EDA工具在高端晶片和部分中端晶片領域幾乎沒有份額。
從技術角度看，Chiplet技術需要EDA工具從架構探索、晶片設計、物理及封裝實現等提供全面支持，以在各個流程提供智能、優化的輔助，避免人為引入問題和錯誤。尤其在先進封裝的背景下，Chiplet理念下不同die的堆疊需要解決可靠性、信號完整性、電源完整性、熱分析等一系列仿真分析驗證問題。
「14納米以上EDA工具本土化是一個利好的信號，也讓Chiplet鬆了一口氣。」該負責人表示，下一步我們還需要持續發力，最大程度發揮這一階段性成果的作用。一是要建立統一的EDA設計工具的中國統一標準。二是要實現不同中國晶片的協同整合測試。三是中國封測廠在PCB繞線、數字繞線、模擬繞線上可以給中國EDA提供經驗。四是中國fabless廠商要制定統一的多晶片互聯標準。」他總結道。
AI孵化的「黑馬」不只有ChatGPT
EDA在半導體行業的關鍵部位發揮著重要意義，更在新技術的加持下持續為業界注入新動能。近期，ChatGPT以一騎絕塵之勢獨領風騷於AI應用的「金字塔尖」。然而，AI孵化的「黑馬」不只有ChatGPT，EDA也是其中之一。
目前，EDA領域學術界、產業界都已注意到AI對EDA產業變革的巨大驅動力，AI輔助EDA已經成為業界共識和不可阻擋的趨勢。
據該負責人介紹，AI目前在很多行業已經得到了一定的落地，而在EDA領域，利用AI技術改變現有的EDA工具的形態，其實已經在發生。目前AI在EDA工具中的應用主要有兩大類。第一類是用AI來預測性能，第二類是藉助AI算法幫助EDA工具在使用上更加自動化。
在EDA 端，AI 可引領EDA形成糾偏效率變革，無監督深度學習賦能EDA良率把控，大模型利用波形圖、原理圖、動因追溯和SmartLog技術建立交互式後處理糾錯流程，推動 Debug 服務智能化升級。
在CAD/BIM端，AI 打破將二維與三維壁壘，實現有效轉換高度聯動，提升設計效率。無論是基於2D 圖紙的精細化翻模、還是基於語言 圖片/2D圖紙的正向設計構件智能化生成，AI 將有效提升設計人員效率。
有專家公開表示，AI 有望引領研發設計工業軟體交互模式變革，有望實現「所說及所得」。未來有望以自然語言下達指令，軟體分析自然語言當中包含的非結構化需求資訊，自動繪製相關圖紙並進行仿真計算。
「目前，國內 EDA 廠商已然取得多點突破，本輪AI賦能或將提速追趕進程，持續縮小與海外巨頭Synopsys、Cadence 的產品技術差距。」該負責人說。
