文 | 腦極體
過去一段時間里,我們關注了半導體行業的各個位面,比如芯片制造,操作系統,地域紛爭等等,也欣喜地看到中國半導體企業在產業鏈中的快速就位。但同時應當注意到的是,有一扇技術大門卻一直沒有被推開,那就是EDA工具。
EDA,即電子設計自動化(Electronics Design Automation)的概念十分寬泛,想做芯片設計,就不離開EDA工具。在機械、智能手機、通訊設備、航空航天、生物醫藥等等各個涉及電子自動化的領域,通過EDA技術來完成特定目標芯片的設計,可以說是產業鏈上游的上游、基礎的基礎。
而如此重要的神兵利器,中國企業的市場認可度如何呢?答案是,毫不夸張地說,95%以上的EDA工具都掌握在美國企業手中。中國現存的10余家EDA公司,2018年銷售額3.5億元,只占到全球市場份額的0.8%,技術研發方面,也以16nm及28nm工藝支持為主。
硬件制造能力可以花錢堆設備來快速拉升,底層操作系統能夠用N個“備胎”頂上,那么占據全球半導體供應鏈戰略要地的EDA工具,又該如何尋找自己的春天呢?或許答案就隱藏在EDA正在描繪的AI藍圖之中。
單兵孤城的國產EDA
其實,早在去年“中興事件”中,EDA工具就以大殺器的形象出現過。除了禁止賣芯片給中興以外,全球最大的EDA公司Cadence也宣布停止對中興服務。今年的特朗普清單中,EDA工具同樣沒有缺席,赫然在列。事情一旦無可挽回,中國幾乎所有芯片企業都只能依靠當前版本的工具進行工作,效率大打折扣不說,還意味著很可能因為無法升級而很快落后于行業,建立在芯片能力基礎上的軟硬件自然也就成了無本之木、無源之水。
從理性的角度看,徹底地域化的最壞結果大概率不會出現,但EDA工具的戰略地位卻不得不引起重視。但話又說回來了,為什么時至今日都沒有相關“備胎”出現呢?
想要尋找答案,我們需要將時間的鐘擺調到1992年。
當時,中國尚處于西方對中國實行EDA禁供的窘境之中。一大批中國的科學家和工程界人士,都投入到了國家牽頭的國產EDA開發之中。當時,行業涌現出了無窮的活力。
1992年,在200多個開發者的攻堅下,超大規模集成輔助設計系統熊貓IC CAD通過鑒定,覆蓋了全定制集成電路正向設計的全部功能,獲得當年的國家科技進步一等獎,也被視作沖破西方封鎖的里程碑。
沒想到的是,該項目甫一成功,對岸就迅速解除了對中國的EDA禁令,加上后來“市場換技術”的思路占主流,導致此后的十數年間,美國高端成熟的EDA工具如同狼群一般在中國市場攻城略地,中國EDA自主廠商的研發腳步也因此變緩,走上了“二次開發”“代理集成”的附屬式發展道路。
一番波折之后,國產EDA就來到了一個尷尬的境地。一方面在品牌上亦步亦趨,知識產權難以把控,自然也無法形成溢價,致使中國的芯片設計企業逐漸失去了選擇權和議價權。而在市場競爭中,既需要支付多套EDA工具的license專利費,高昂的成本直接拖累了設計周期及競爭力,在5nm乃至3nm等高精度芯片設計也囿于上游軟件大鱷,難以施展。
這樣處處掣肘的大背景下,中國EDA工具的前路在何方呢?
風水輪流轉,今年看AI
今天沒人能夠忽視AI對社會產業帶來了賦能作用,根據市場研究機構ABIResearch發布的最新報告,云端AI芯片市場將從2019年的42億美元增長至2024年的100億美元規模;邊緣AI芯片也將以31%的年平均增長率持續擴張。而EDA作為AI芯片中不可或缺的角色,也在半導體軟硬件企業、創業者與開發者的推動下,迎面撞上了新的商機與挑戰。
首要的需求變化,是更高的PPA (功耗、性能、面積)目標。
想要將AI移植到智能手機、車聯網、IoT等終端,具備深度學習能力的系統級芯片(SoC)就變得不可或缺,產業端對芯片封裝的小型化也越來越苛刻。
在越來越小的單位面積上集成越來越多的晶體管,需要更復雜的工藝器件,電路之間的交互、熱物理效應等也都會發生改變,這意味著整個設計流程都需要被重新思考,EDA工具也必須與時俱進。
同時,產業智能市場的激烈競爭,也讓開發者對設計周期(Time To Market)的要求越來越高,而設計規模和規則限制也在增多,如何提升AI芯片的設計效率,減少迭代次數,進而縮短設計周期,也在倒逼EDA廠商升級。
時代浪潮的涌動之下,將AI引入芯片設計環境,就是一個水到渠成的必然選擇了。
在國家戰略層面,美國國防高級研究計劃局(DARPA)為首的部門,開始將電子資產智能設計(IEDA) 作為代表性項目,重點突破優化算法、7nm以下芯片設計支持、布線和設備自動化等關鍵技術難題。
產業端,Synopsys、Cadence、Mentor,以及中國的華大等工程界也紛紛將AI設計從概念升級到實戰階段。Cadence正式推出了專門為AI設計所打造的Tensilica DNA 100處理器IP,能夠利用算法提高芯片能效,功耗也大幅度降低。Synopsys也推出了內置神經網絡引擎的嵌入式圖像處理器,來實現內存高速存取的設計需求,還提供芯片開發初期就確保AI數據安全性的IP選項。下游的集成商如臺積電,也在ARM A72和A73等內核上成功地部署了機器學習,以幫助預測最佳的單元時鐘門控,提升整體芯片速度。
總的來說,AI對EDA提出了新的技術要求:一是能夠以更高效率執行矩陣乘法、點積等運算任務的專門化處理;二是實現深度學習任務快速存儲需求的架構創新;三是打造傳遞各種數據資料的連接界面。
盡管目前,國產EDA欠缺一次全面的補課,但當務之急并非盲目地一擁而上。市場的需求,產業端的算法饑渴,技術和產品填補空白的優先級,都將國產EDA工具的前路指向了AI。
重新制造輪子:中國EDA的AI土壤
當然,在EDA工具的AI化過程中,還是需要有的放矢。所以接下來,是時候討論這個關鍵的問題了,中國EDA廠商的逆襲可能性,以及關鍵力量究竟在哪里?
對于這個龐大的命題,政策、資本、學術等可能需要幾十年、幾代人去解釋,在此,我們不妨將目光聚焦在一些具體的技術趨勢上,比如云計算。
EDA上云是未來的趨勢之一,利用云端龐大的運算能力能夠有效解決仿真耗時的問題,直接降低芯片創業者獲取EDA工具的成本,某些芯片大企業也可以靈活地臨時使用某些工具。而眾所周知,中國云服務廠商無論是在硬件部署、軟件創新、軟硬件協同方面,已經開始成為智能產業的支撐力量,也將成為推動EDA領域進化的關鍵變量。
再比如AIoT的蓬勃發展。
軟硬體協同這類因AI衍生的協同設計需求,需要新一代EDA工具來適應。同時,與產業應用端的親密呼應,也會影響與打磨新一代EDA的設計與驗證解決方案。舉個例子,車聯網、規模運算、高頻通信等應用領域的設計,都對系統級分析工具提出了更高的要求,為了更全面地支持各種場景,EDA從業者也需要向工程模式(CAE)等方向全面延伸,這些領域的交融會跑出多少黑馬,是個令人興奮的未知數。可以確定的是,中國土地上如火如題的AIoT建設,也在不斷為EDA產業輸送養分。
撬動一座產業版圖的,有時是一力降十會的絕對實力,有時也許是順勢而為的一個支點。
-
EDA工具
+關注
關注
4文章
268瀏覽量
31803 -
AI
+關注
關注
87文章
30979瀏覽量
269253 -
EDA技術
+關注
關注
12文章
173瀏覽量
36915
發布評論請先 登錄
相關推薦
評論