近年來，5G、自動駕駛、超大規模計算和工業物聯網產業發展勢頭強勁，這些產業的背後是AI（人工智慧）和ML（機器學習）的大規模應用。毋庸置疑，新的應用和技術相輔相成，並催生出更複雜計算、更強功能、更快數據傳輸速度的需求。這對晶片工作者而言是一個新開發者帶來了全新且複雜的挑戰——下一代晶片的開發必須更快、更智能。
AI EDA 開啟晶片設計新「智」元
當前，算力與儲存需求爆發式增長，先進SoC的設計、驗證壓力呈指數級增長，開發者所需要的工具早已不局限在滿足功能驗證需求，而是需要從設計、架構、軟硬協同、功耗等方面協同優化。
對於晶片製造企業而言，為保持競爭優勢，不斷縮減上市時間，這對流片的成功率也提出了更高的要求。一旦流片失敗，將會給造成企業重大損失。2023年，Wilson Research Group 發布的一份晶片驗證調研報告顯示，晶片製造企業首次流片的成功率正在下降，只有24%，這也意味著企業正面臨著越來越昂貴的重新設計成本及不斷增加的上市時間。
作為晶片設計領域的「基座技術」，EDA的全流程創新將撬動晶片產業的巨大變革。
那麼，EDA變革的方向在哪裡？如果說EDA工具飛速演進的觸發點之一是為適應飛速攀升的AI算力，那麼「AI EDA」便是開啟了一場「雙向奔赴」的「良性循環」。
2023年伊始，機器學習（ML）和人工智慧（AI）開始向幾乎每一個領域進軍。半年過去，AI帶來的算力風暴仍在擴散。隨著對AI應用可能性的不斷挖掘，AI EDA這一概念火速在業界獲得認可。業內認為，AI賦能EDA將重塑晶片產業格局。
AI EDA可以幫助晶片拓寬摩爾定律的邊界，節約時間和資金成本，緩解人才短缺困境，甚至推動晶片設計邁入新「智」元。
目前，學術界、產業界都已注意到AI給EDA產業帶來巨大的變革驅動力。德勤預計，2023年全球半導體企業將投入3億美元，利用內部自有或第三方AI工具開展晶片設計，且未來四年這一數字將每年增長20%，到2026年將超過5億美元。2023年先進AI晶片設計工具業務將迅速增長，預計其增長率將超過EDA工具業務增速的兩倍以上，且超過晶片銷售增速的三倍以上。
如今，AI在EDA領域的應用已經有了實質性進展。EDA和半導體IP的全球領導者新思科技（Synopsys）很早便敏銳地察覺到，利用AI技術優化晶片設計流程，能夠極大地助力晶片設計降本增效。2020年，新思科技推出了全球首個AI自主晶片設計解決方案DSO.ai (Design Space Optimization AI)，開啟了一場AI與EDA的「雙向奔赴」。
DSO.ai完成超進化，Synopsys.ai引發行業顛覆性變革
2020年初，新思科技推出的DSO.ai，掀起晶片設計領域的新一輪革命。作為業界首個用於晶片設計的自主人工智慧（AI）應用，DSO.ai能夠在巨大的晶片設計解決方案空間中搜索優化目標，利用強化學習來優化功耗、性能和面積。
當前，DSO.ai已經完成了超過200次商業生產流片。這個重要的里程碑，標誌著AI在晶片設計中的規模化應用實現了新突破，「AI EDA」已經成為主流的半導體技術之一。
基於DSO.ai的成功，新思科技的AI研發團隊很快著眼於將AI深入到晶片設計的其他領域，研究能否利用AI技術進一步提高設計結果質量（QoR）和生產力。2023年4月，新思科技Synopsys.ai全棧式AI驅動型EDA解決方案應運而生，涵蓋了設計、驗證、測試和模擬電路設計階段，讓開發者第一次從系統架構到設計和製造、在晶片開發的每一個階段都可以採用AI技術，並從雲端訪問這些解決方案，最終達到降本增效，並縮短產品開發周期的優異成果。
如果說DSO.ai引領著AI設計晶片進入規模化時代，那麼Synopsys.ai便是基於實現更好、更快、更普惠的半導體願景而創新出來的顛覆性產品。
Synopsys.ai解決方案可提供諸多AI驅動的解決方案，包括：數字化設計空間優化以實現功耗、性能和面積（PPA）目標，並提高生產效率；模擬設計自動化，實現模擬設計跨工藝節點的快速遷移；驗證覆蓋率收斂和回歸分析，以實現更快的功能測試收斂、更高的覆蓋率和預測性錯誤檢測；自動測試生成，可減少並優化測試模式，提高晶片缺陷覆蓋率並加快獲取測試結果；製造解決方案，可加速開發高精度光刻模型，以大幅提高晶片良率。
據新思科技介紹，完整的Synopsys.ai解決方案將覆蓋先進數字與模擬晶片的設計、驗證、測試和製造環節，現已搭載物理實現解決方案（DSO.ai）、功能驗證解決方案（VSO.ai）和晶片測試解決方案（TSO.ai），未來還將推出更多功能，並針對模擬電路設計進行優化，目標到2024年覆蓋全流程，最終讓IC設計每階段都能用上AI不是夢。
VSO.ai治好了流片前的「拖延症」
在IC設計的全流程中，晶片驗證是晶片設計企業最重視的流程之一。
晶片驗證不足造成的反覆投片問題，是晶片企業的「心腹大患」。面對高昂的流片成本，可能導致晶片設計企業「血本無歸」。這其中，造成晶片重複投片的主要原因之一就是驗證不夠充分。
晶片驗證是一項頗具挑戰性的工作，通常需要工程師團隊編寫代碼，之後在EDA工具的輔助下完成電路設計。而隨著晶片所承載的功能日益提高，驗證需要探索的空間和範圍越來越大，每一次驗證都像是一次「大海撈針」，驗證所需要的時間也因此越來越長。
驗證覆蓋率是衡量驗證效果的重要指標之一。然而，覆蓋率卻並沒有具體的指標，這便為驗證工程師增加了大量的重複性工作，因此手動進行回歸優化的效率非常低，需要對給定設計進行上萬次的測試。同時，傳統工作流中功能覆蓋率主要依賴驗證開發者的經驗，導致很多時候覆蓋率收斂的效果較差。此外，由於驗證工程師對已獲取的驗證大數據所具有的洞察力和分析能力的局限性，過往驗證工程師的手動調整在驗證的最後階段，覆蓋率收斂和ROI有限。
在驗證工程師的經驗成為晶片驗證的明顯瓶頸時，AI成為了一個新的解題思路。機器學習（ML）作為AI領域的顛覆性技術，能夠在疊代循環中不斷成長，並基於大數據發現代碼中難以察覺的錯誤，進而實現更快速、更高質量的覆蓋率收斂。
面對晶片企業「苦驗證久矣」的困局，新思科技推出了全新一代VCS工具中用於覆蓋率提升的技術VSO.ai，也是Synopsys.ai中搭載的重要工具之一。VSO.ai是一套自主工作系統，用以替代驗證工程師負責的編譯設計和編排測試等工作，以儘可能快、儘可能低開銷地達到覆蓋率目標，並獲得最高質量的驗證結果。
VSO.ai能夠從三個方面給驗證工程師帶來非凡的助力：
1、實現更快的覆蓋率收斂。VSO.ai可執行粗粒度基準測試，提供自動化的、自適應的測試優化。在運行過程中，VSO.ai會率先運行具有最高ROI的測試，同時消除冗餘測試，從而加速覆蓋收斂並節省計算資源。
2、實現更高的測試質量。VSO.ai可執行細粒度的基準測試，通過調整隨機約束激勵來針對未被驗證的覆蓋點，自動發現測試覆蓋率中難以捉摸的錯誤，進而提升測試質量。
3、攻克「最後一公里」的驗證難題。VSO.ai可執行根本原因分析（RCA），以確定沒有達到特定的覆蓋點的原因，並通過AI解決最後的難題。
在整個仿真測試流程中，面對驗證工程師對於覆蓋率有差異化需求，VSO.ai能夠提供新的資訊來改進約束求解和優化回歸測試，以便於驗證工程師可以靈活設置覆蓋率目標。
不僅如此，VSO.ai還具備可集成特性，可以輕鬆集成到現有的新思科技VCS回歸環境中，無需對設計或測試平台進行任何代碼更改。
新思科技表示，Synopsys.ai已經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%。據了解，瑞薩電子藉助新思科技 VCS功能驗證解決方案進行AI驅動的驗證，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%。
生產力Up Up Up，能耗也要Down Down Down
儘管AI已經實現了覆蓋EDA全流程，大幅提升了晶片設計的生產力，但其所需的強大算力背後，是能源消耗的問題。
這方面，新思科技也早有布局。通過利用新思科技從架構到簽核的整體性軟體驅動方法，開發者能夠在提升效率的同時，降低能耗。
軟體方面，在SoC設計過程中，軟體的作用包括協調晶片中的電源管理，以及確定功耗分析和優化的關鍵場景。因此，有必要通過分析和優化軟體來確保SoC實現最佳能效。
架構方面，動態電壓頻率調整（DVFS）、電源域和電壓島等電源管理策略可以帶來顯著的節能效果。除了這些策略外，功耗與性能的宏架構權衡，以及IP選擇和權衡，可以節省30%至50%的電能。
RTL（寄存器傳輸級）方面，時鐘、數據、內存和毛刺（自激震盪）功耗的微架構權衡有助於實現節能，查找和修復RTL電源塊以及使用工具引導的時鐘門控、數據門控和內存大小調整也是如此。在這方面可能實現的節能效果將達到15%至30%。
實現效果方面，在動態和泄漏功耗、電源完整性與功耗、性能和面積（PPA）權衡，以及功耗感知測試碼生成等領域採用自動優化技術，可實現10%至15%的節能效果。
簽核方面，通過採用以簽核為中心的方法實現功耗和電源完整性目標，再加上動態和泄露功耗回收以及非常精確的工程變更命令（ECO）更改，可實現5%至10%的節能效果。
驗證方面，通過將驗證工作集中在UPF功耗設計意圖驗證和UPF驅動的功能驗證，有助於提高能效。
據了解，利用新思科技從架構到簽核的整體性軟體驅動方法，能夠幫助開發者們實現50%的能效提升。
如今，新思科技已經將目光從上游出發，拓展到全行業，探索如何將晶片設計中的能耗技術和思路遷移到傳統能源領域，直接投入到低碳化事業當中。
面對人才短缺，采「遠水」 也解「近渴」
除了能耗問題，新思科技也長期關注並致力於改善晶片領域的人才短缺困局。
根據中半協數據預測，到2024年半導體行業人才總規模將達到79萬左右，而人才缺口將達到23萬人左右。
面對當下的「燃眉之急」，AI與EDA工具結合衍生出的Synopsys.ai，恰恰能幫助開發者減少重複且繁雜的工作，讓他們專注於最重要的創芯工作。得益於AI的自主學習能力，AI賦能的EDA工具將大幅降低使用者的門檻，助力半導體行業應對人才短缺挑戰。
新思科技介紹，這種高度自動化的工具大幅提高了設計效率，大幅縮短設計周期，幫助開發者能夠在更短的時間內完成晶片設計。比如，藉助DSO.ai，一個只有幾年工作經驗的開發者，也能達到有多年豐富經驗開發者的設計水準。此外，DSO.ai還能夠在龐大的晶片設計空間中搜索優化目標，幫助開發者更快地找到最佳解決方案。
然而，新思科技深知，不斷提高現有生產力是一方面，為行業培養下一代人才才是「硬道理」。
近年來，新思科技也拓寬了人才培養的步伐。2023年，新思科技創新性地講晶片相關的知識與初高中生的數理化教育結合起來，通過科普教育更早啟蒙青少年對於晶片創新的認知和探索，從而確保創新人才的可持續性。
寫在最後
如今，AI與EDA工具的結合已進入了一個全新的階段，隨著訓練數據量的不斷攀升，數據精度不斷提高，EDA工具性能也將進一步提升。放眼未來，隨著新思科技等一眾領軍企業的技術革新，AI EDA模式或將在複雜的晶片甚至系統級創新的架構中發揮重要作用。
對於行業而言，則需要建立「AI EDA」的生態，開拓人才生態圈，制定相應的規範，以確保AI輔助EDA健康發展。
