5G、AI 和邊緣計算等新興技術正將汽車、工業、醫療等各個領域推上數字化轉型的浪潮，傳統芯片急需向智能化轉型。因此，芯片設計也不能再墨守成規，同樣也需要變得更加靈活、更加高效。過去30年的信息時代中，運算能力、存儲能力以及傳輸速度都提升了100萬倍。依圖科技聯合創始人朱瓏博士在Cadence中國用戶大會 CDNLive 2019上表示，文明的變遷在于基礎設施的革命。

“2015年Alpha Go橫空出世，人們才意識到機器原來可以瞬間超越人類，AI在這一年成為了熱門。”過去5年被朱瓏博士稱之為智能時代，他表示：“這5年里，AI從算法的角度來說提升了100萬倍，算力提升了10萬倍，數據則提升了1萬倍。”即便有如此大的提升，朱瓏博士仍然認為當前的AI是低階人工智能。

如同ADAS的分級一樣，人工智能也可以分為L1（可記錄）、L2（可識別）、L3（可關聯）、L4（可預判）和L5（可規劃）。朱瓏博士表示，智能等級躍遷的關鍵就是智能基礎設施的提升，其關鍵就在于智能密度。智能密度提升從宏觀上來說，就是從單體智能到群體智能，例如在智慧城市中，通過攝像頭之間的對話來形成更大的智能體。微觀上來講，則是芯片單位面積智能算力的提升。

在摩爾定律時代，晶體管密度的提升已經難以滿足智能計算需求的爆發式增長，所以依圖科技提出了“算法=芯片”的理念，并攜手熠知電子（ThinkForce）打造了求索芯片（Questcore），該芯片是一個具有端到端能力的AI處理器能夠平衡CPU計算、AI計算、內存和數據通信。關于智能芯片，清華大學微電子所所長魏少軍教授也在CDNLive 2019上談到了8大要素。

可編程性：能夠適應算法的快速演變和應用的多樣性，架構的動態可重構性：適應不同的算法和實現高效運算，高效的架構轉換能力：時鐘周期小于10，低延遲，高計算效率：避免使用到指令，高能量效率：最好達到 100 TOPS/W，某些應用能耗能夠低于 1mW，低成本：可以被應用于消費電子，小尺寸：可以嵌入移動設備，開發方法簡單：不需要用到芯片設計知識，便于開發和應用。把芯片的軟件可編程性和硬件可編程性分別當做縱坐標和橫坐標，可以將現有的芯片分成四個部分。魏少軍教授指出，第一個象限（圖中紅色區域）需要具備軟件硬件雙重可編程性，這就是軟件定義芯片的主旨所在。

“做（設計）芯片的人面臨著兩個困難，第一個是算法的不斷演變，第二個是一種算法只對應一種應用，沒有通用的算法。”魏少軍教授說，“如何把眾多的神經網絡和應用集中到一起呢？顯然這就需要用到軟件定義芯片的架構。”軟件定義芯片是通過將軟件途經不同的管道輸送到硬件中來執行任務，使得芯片能夠實時地根據軟件/產品的需求，動態調整計算和內存需求，從而實現更加靈活的芯片設計。

針對芯片的智能化，芯片設計工具也至關重要。Cadence 中國區總經理徐昀指出，該公司今年宣布踏入系統分析市場，并推出了智能系統設計戰略（Intelligent System Design），希望以此為客戶的日常開發提供更多幫助。Cadence總裁 Anirudh Devga在CDNLive 2019上的演講中介紹了該公司的智能系統設計戰略，它以技術（計算）軟件作為核心能力，包括引用AI和算法優化設計工具、擴展到新系統領域、以及執行核心 EDA 和 IP。

Anirudh Devga指出，為了優化設計方案，Cadence從以下三個方面將機械學習（Machine Learning ，ML）與 EDA 相互結合，并以此建立在機械學習中的領導地位。l ML Inside：通過更快的機器學習引擎來改善數字設計工具，并帶來更好的PPA（Performance，Power，Area）。l ML Outside：通過自動化的設計流程，來提升效率。l ML Enablement：通過軟硬件的協同設計，再加上 Cadence針對機器學習的 Tensilica 處理器 IP，為系統級的優化帶來提升。

Anirudh Devga在現場還介紹了今年推出的Clarity 3D 場求解器、企業級 FPGA 原型平臺 Cadence Protium X1和第三代 JasperGold 形式化驗證平臺。去年9月，Cadence 還推出了其首款深度神經網絡加速器 DNA 100 處理器 IP，來為設備端AI應用提供業界領先的性能和能效。另外，在Cadence的布局布線工具 Innovus 里，也已有內置的 AI 算法來取代傳統的算法。

5G時代的來臨將會提速各個領域的智慧化轉型。正如魏少軍教授所言，智能化是大勢所趨，讓芯片智能化是當下的一個重要目標。而算法是實現智慧化的核心，計算是實現智能的唯一途徑，芯片則是不可或缺的執行者。根據耶魯大學和牛津大學的研究報告，AI到 2060 年前后有 50% 的概率完全超過人類。預計在 10 年內，人工智能將會在多個領域超過人類：翻譯領域（2024），高中水平的寫作（2026），駕駛卡車（2027）。

可以預見的是，未來AI的發展速度還會不斷提升，并在各個細分領域發揮越來越大的作用，而芯片的設計思路和設計工具等多個環節也將跟隨AI的發展進一步演進，變得更加靈活和高效。