從集成電路而來，往信息產業而去

　　集成電路催生了EDA（電子設計自動化），而EDA又作為工業設計軟件，進一步支撐著整個信息產業的發展。

　　20世紀60年代中期，EDA開始出現，它是從計算機輔助設計與制造（CAD/CAM）和計算機輔助工程（CAE）的概念發展而來的。EDA有力地支持了上世紀八，九十年代集成電路帶動集成電路產業按照摩爾定律飛速發展，印證了摩爾對集成電路每18個月，特征尺寸縮小一半，而集成度翻一倍（造價不變）的預言。作為信息產業的上游，集成電路產業通過EDA把各行業的IP（標準，規范和協議）固化到了一個電路與系統的芯片中；在產業的中游提供產品的（軟，硬件）實現的解決方案；而在產業下游產品的制造商，除了元器件的加工成本，還要為使用IP，付出知識產權的成本。

　　在半導體器件產業僅受半導體工藝和材料制約的年代，基本上以半導體專業人士為主。從制造晶體管到制造集成電路是一個產品中晶體管數量從量變到質變的過程，而集成電路產業鏈是一個包括設計業，制造業，封測業，材料和裝備在內的完整產業鏈。而產業鏈的龍頭是設計業，即使是IDM（集成器件制造商）如英特爾，也集中了大量前端的設計人才。

　　在解決信息產品核心的“集成電路”研發的同時， EDA也逐漸成為信息產業的一個重要的工業軟件。為延緩了“摩爾定律”的預言，從“時間摩爾”到“空間摩爾”，它推動了集成電路封裝測試業從二維轉向三維；還推動了PCB板級系統的硅片上連接，為終端產品的“高密集”和“整機微型化”開創了先河；進而延伸到產品面板和外觀的“工業設計”，並支持著柔性屏和可折疊產品的EDA工業軟件的開發。可以說，EDA僅僅被看成是一個集成電路設計工具的時代，已經過去。EDA已經成為信息產業離不開的“工業軟件”。

　　信息產業變化對EDA的挑戰

　　新世紀以來，信息產業的變化其一是處理對象從數碼“信息”轉向了物理“信號”，尤其是未來不得不面臨從“互聯網+”轉向以“物聯網IoT”為主。簡單地說，以伺候人（語音、文字、視頻和虛擬場景）為主的信息獲取和傳輸（4G+互聯網），轉向了以物理對象（聲、光、熱、力和電）為主的信號處理和物物互聯（5G傳輸的高帶寬、大容量和滿足可靠前提下的低時延），繼而進入社會管理和生活服務的方方面面。這些變化，將給工業軟件EDA帶來機遇和挑戰。

　　其二是“智能化”給“工業（自動）化”帶來的變化；如果說工業（自動）化以取代大量地重復性的勞動（省力）為主，那么社會的“智能化”是以高效和“省心”為目標，而后者給工業軟件EDA帶來的挑戰是空前的。首先是工業軟件EDA服務面的擴展，它將服務人工智能（AI）的圖像識別、語音和文字處理、智能制造和機器人……各行各業（規范、協議和標準）的自有知識產權（IP）的建立；其次是工業軟件EDA將實現這些IP算法到一個特定域或者是一通用域的結構化的轉換和高效的調度，這都涉及到設計方法學創新和設計智能化的需求對工業軟件EDA的深層次的要求。

　　工業軟件EDA促成“算力”、“算法”和“數據”三者深層次的融合

　　信息化的必然趨勢是智能化。只有數據流轉分享、算法成本下降和算力安全可靠，才能使人工智能形成真正普惠天下的局面。這也意味著，數據本身要質量高（冗余少），成本要低；算法設計和調用參數的人工成本也要降低；要降低算力的要求，無論是用計算平臺或AI芯片，都要考慮價格成本。

　　數據除了膨脹到了非常巨大，還從過去比較習慣的結構化數據（也就是定點、浮點數），到了互聯網時代大量的準結構化的批處理數據，而人工智能時代，大部分在處理非結構化數據。由于數據會發生流轉和分享，因此數據不是越多越好，大量無用的重復數據只能浪費存儲器的容量，消耗算力。

　　算法的使用、計算的安全性、可靠性以及對隱私的保護等，都是AI普惠化過程中面臨的問題。AI如何普惠？其實門檻很低，從AI的基礎要素數據、算法、算力三個層面入手；普惠AI需要完善工具，提高可用性與可教授性；普惠AI需要做到安全性，確保AI是有益的。

　　2018年人工智能在中國變熱，從政策層面與5G等技術尋找市場有關，但從技術層面來看，算力（計算能力）並沒有達到AI的需求。因此熱浪之下，還是要從基礎抓計算能力。從前兩次AI從興起到休眠來看，基本上也是算力無法支撐。

　　這次AI的興起是算力、算法和數據的合力。即使算力跟上來，也不能光算力去蠻干。在簡單的“機器學習”（ML）階段，這樣還可以，但由于各種AI算法的出現，尤其是“深度學習”的出現，還是需要把人的智慧（類腦計算）引入到各種深度學習。深度學習的算法，需要和AI在各個領域如圖像、語音、機器人等IP的設計規范定義成的框架相結合，這是電子設計自動化（EDA）走向電子設計智能化（EDI）的關鍵。人工智能之所以在前面睡了30年，這次才蘇醒過來，就是因為算力的提高，AI新型算法的實驗算力需求，每3.43個月將提高達10倍。

　　然而，算力又一次面臨瓶頸。由于摩爾定律正面臨著物理極限，芯片算力的發展逐漸緩慢。所以，人工智能又將在此遇到算力的制約，這是一個問題。很大程度上，算法也要靠一些EDA工具來支持。是EDA工具把“算法映射到了架構”才實現了“AI 落實到IC”。”不管是數據、算力還是算法，都到了一個節骨眼上，都在向EDA靠近。5G也會和EDA關聯，5G解決的是信息傳輸，那么前面要把信號變成信息，很重要的是智能傳感，必須是低功耗，5G實現了大容量、高速度、高可靠性前提下的低時延。如果沒有人工智能的支持，沒有集成電路的基本核心技術EDA等的支持，5G很難有更大的突破。

　　GPU和CPU面臨的問題是去中心化，絕對不能由企業來作為一個中心，不管是x86架構，還是Spic架構，以及后來出現的操作系統框架RISC-V。把去中心化這個問題解決了以后，如果再有智能傳感，那么物聯網也能解決，5G也能有實際的應用。核心的問題還是EDA，所有新技術的發展，如果不和EDA結合好就很難發展，因為離不開EDA提供的方法（學）和手段（工具）。

　　中國EDA發展之路

　　EDA是IC硏發的拳頭，更是信息產業重要的“工業軟件”。早在上世紀八十年代國家就集中力量在北京組織了“熊貓系統”的研發，但快35年過去了，國內EDA市場仍然被國外三大廠家（Synopsys；Cadence ；Mentor Graphics）所壟斷。

　　除了政策層面（“造船”不如“買船”），在硏發的技術層面也出了問題：”總是仿”，仿得連界面都差不多，而習慣了三大外商EDA工具的用戶也根本不想更換為國產的EDA工具。這與集成電路發展所走的彎路也有關系。我國集成電路產業發展的上世紀九十年代，在半導體產業“黃浦軍校”（1956北大半導體斑）的大量人才指導下，實施了“907”，“908”等工程。盡管當時引進了大量工藝制造線（正好處于“摩爾定律”的設備快速更新期），但由于設計業跟不上，等于是“無米之炊”，大量的投資并未起到應有的效果。直到2000年，國務院出臺了18號文件，明確設計業是集成電路產業鏈的龍頭，又在全國建了八個產業化IC設計中心，整個產業才開始有所轉變。

　　但三大廠商的優勢明顯，不僅僅體現在技術上。國外EDA廠商往往都在大學開展“大學計劃”，大學生如果會用三大產商的工具，畢業后就業都會有優勢。這就是多年來用戶使用習慣所形成的一個巨大壁壘。

　　與此同時，國外廠商既有固有的優勢，也有為解決集成電路的設計和集成電路的制造商共同投資研發（各自省一半研發資金的投入），共有技術儲備和服務（各自少花一半的研發時間）的優勢。臺積電（南京）總經理羅鎮球曾經回顧過去十幾年里，臺積電和新思科技合作的方式的變化。2012年之前，在合作65nm的時候，是一棒接著一棒的跑。臺積電把做出來的工藝交給新思科技，新思科技再去開發EDA的設計平臺以及一些IP，從開發新工藝，到設計公可用到這個工藝，兩個階段是1.5+1.5（年）3年的時間。在臺積電做7nm工藝的時候，就把合作伙伴新思科技找來一起討論，如何開發這個工藝，如何建立一個EDA的平臺和一個IP的平臺。從工藝開發到整個平臺推出的時間提前了（1.5年）一半的時間。合作還體現在經濟效益上，臺積電和新思科技都不用重復投資。兩邊用最少的人力，最有效的方式，把它的產能做出來，這就是雙方后來合作的方式。羅鎮球還講到與EDA的合作在三個方面：一個是先進工藝，二是特殊性的衍生性工藝，三是3D封裝的工作。

　　而從當下來看，發展國內的EDA產業，不能直接和國外三大產商競爭全流程EDA工具進行競爭，只能另辟蹊徑，避開設計后端的工藝映射和布圖的電子設計自動化（Automation）的問題，轉到AI市場各行各業IP包轉換成集成電路可實現的電路架構，走集成電路高層次綜合（HLS）觧決的電子設計智能EDI（Intellinge）問題，這是一個值得關注的發展方向。本世紀以來，在中國政府主導（產業政策和土地與財政的支持），民間資本的跟投，再加上產學硏的通力協作，中國集成電路產業才有了高速的發展。這是集“官員、資本本和產學硏”之大成，出現了集成電路整個產業鏈（設計業，制造業，封測業，材料和裝備）的整體興旺。這是國產EDA產業需要把握住的機會。

　　軟件定義芯片

　　集成電路產業是需要集成電路產量的支持的，而移動通信平臺則為集成電路的發展提供了一個巨大的平臺（數以幾十億計的手機）。從4G到5G，如果載體還是現有的移動平臺上，那么集成電路產品的量不會有實質性的變化。

　　集成電路正在尋找新的突破口。人工智能正在崛起，車載移動平臺對集成電路的需求遠遠地超過手機，還有萬物互聯，智能制造，基于聲音和圖像的智能處理和機器人等，都會對集成電路提出產業化的需求。可以說”AI is Chip”（人工智能就是芯片）一點也不過份。AI的各種知識IP，會通過電子設計智能化EDI，映射到電路與系統的架構，然后通過EDA自動地映射到芯片制造。反過來，實現了AI的各種IP包的芯片又支持AI的產業化。只有更多更好的IP，芯片才能上市快，成本低。

　　在EDA工具從自動化向智能化發展的過程中，電子設計逐漸“軟化”，即”軟件定義的芯片”越來越有利于解決“可重構”和”異構并存”的架構定義。以過去我們在FPGA平臺上做電路與系統為例，因為硬件可編程，所以設計主要是軟件編程，實現不同設計規范的算法到FPGA架構的映射，進而開發在FPGA架構上運行的各種IP包。同理，在多核的CPU，GPU的架構上開發電路與系統也在做編程，實現軟件定義的硬件設計SDH（software defined hardware），重點是軟件定義架構SDH和特定域的片上系統DSSoC（domain-specific SoC）。

　　EDA云平臺（云--邊緣--終端）

　　系統公司也在改變購買EDA工具的方式。系統公司可以從Synopsys、Cadence或Mentor購買完整的工具流和IP，而不是購買點工具和組裝定制的工具流——這都是設計公司Fabless的傳統。對于首次涉足芯片設計領域的公司來說，客戶支持的“單點聯系”（One throat to choke）的概念是一種非常有吸引力的商業策略。

　　系統公司的理想選擇是云計算中EDA云平臺，從20多年前的虛擬CAD（VCAD）開始，到10年前的托管設計解決方案（HDS），以及在臺積電、亞馬遜、微軟和谷歌作為合作伙伴的2018年Cadence Cloud的發布，Cadence已經涉足云計算領域多年。2019年，他們發布了Cloudburst平臺，這是EDA邁向全面云實現的另一個重要步驟。

　　“華為云”提出了“普惠AI”的概念，讓大家都“用得起、用得好、用得放心。未來人人都應該能夠教授AI做自己想讓AI做的事情。“云平臺，邊緣管控和個人終端”可能會成為即將形成的“EDA”產業，用戶不必自已買EDA工具，只需要為終端設備使用工具的時長來付流量費。而系統公司也不受傳統無晶圓半導體公司的利潤挑戰的約束。例如，蘋果可以為高級工具和支持支付更高的價格，而不需要通知他們的基線。因此，EDA公司通過提供IC工具和系統級設計工具并將其集成，來滿足系統公司的需求。最近的Synopsys的收購表明，基于系統的軟件開發也是EDA的目標。

　　人才和工具是EDA工業軟件的兩個要素

　　在EDA企業中，人才是最重要的資產。然而，EDA人才的稀缺性，比芯片設計人才還要嚴重。除了人才，EDA企業沒有供應商，EDA是一種輕資產、智力性的工作，完全依靠工程師的創造性勞動。為了能夠持續不斷地有更多的人才加入EDA領域，EDA企業在人才培養上極其下功夫。相比國外，中國的EDA人才更是鳳毛麟角。改革開放以來，教育部門的貢獻是人才培養基本上滿足了改革開放對人才的需求，不足的是高端人才欠缺，尤其是領軍人物奇缺。“示范性微電子學院和微電子學科從二級升級為“一級學科”都是在人才培養上下功夫。人才，對集成電路產業不僅僅是科技，工藝，還包括經營與管理人才。王陽元院士對集成電路人才的培養支招指出：”一是微電子專業培養；二是支持電子設計工程師跨界進入集成電路設計業；三是引進高端集成電路領軍的海外歸國人才。”這是非常有建設性的。

　　EDA是IC 設計必需的、也是最重要的工具。隨著IC設計復雜度的提升，新工藝的發展，EDA行業有非常大的發展空間。EDA行業需求的人才（工具軟件開發人才，工藝及器件背景的工程師、熟悉IC設計流程的工程師、數學專業人才、應用、技術支持和銷售類人才）的就業面相對窄，但穩定性非常高。EDA在過去的六年中取得了EDA歷史上前所未有的繁榮，并將繼續如此，因為半導體和電子產品無疑將繼續主導著現代生活。

　　EDA擁抱AI、ML

　　EDA工具廠商以每年6%以上的增長率，經歷了發展史上最為繁榮的階段。它作為芯片設計生產的必備工具。EDA用一百多億美金的市場規模，支撐起了幾千億美金集成電路產業的欣欣向榮。

　　人工智能（AI）、機器學習（ML）成為電子科技深刻變革的主要推動力，它們正在進行更深層次的滲透，AI與ML也在改變電子系統的設計體系，AI、ML與EDA方法學的融合使其不斷有所創新，使芯片設計生產力產生質的飛躍。 隨著AI、ML向各個行業的滲透，越來越多的系統廠商受市場的驅動，開始涉足芯片設計，這不僅是對于EDA工具的挑戰，也是對設計方法學創新的挑戰。長期以來，EDA廠商與晶圓廠保持著緊密的合作，便于根據先進工藝進行迭代演進。但現在，他們還需要打破傳統，協助產業鏈客戶達成及時上市時間、復雜設計、驗證及模擬流程，滿足市場對產品功能與功耗的要求，以及更為先進的半導體工藝和封裝要求。

　　架構師不僅僅是為融入AI、ML的EDA工具感到壓力，也為設計芯片過程需要整個設計團隊的通力合作，算力、數據和人才的經驗的協調調度，盡心盡力才能提升芯片PPA。而將ML融入EDA方法學中，機器就可以看到和累積所有人的經驗，通過不斷地學習變得越來越穩定，逐漸擺脫對人的經驗的依賴。如果到了這個階段，芯片設計就走向了一個新高度，一個嶄新的天地。

　　DARPA 的電子復興計劃（ERI）旨在利用先進的機器學習技術為片上系統（SoC）、系統封裝（SiP）和印刷電路板（PCB）打造統一平臺，開發完整集成的智能設計流程，從而實現更加自動化的電子設計能力。

　　無人芯片設計，毫無疑問是一種更為快速且經濟高效地生成新型芯片設計的方法。在通往這一終極目標的道路上，數字全流程的實現具有里程碑意義。但即便如此，芯片設計對于人的經驗的仰賴短期內無法通過機器實現，特別是在模擬設計領域。也正是如此，使其成為了DARPA的攻關重點之一。

　　在通往無人芯片設計的道路絕非一片通途，人類在探索AI提高生產率方面還有相當長的路要走。