集成电路产业正在经历一个技术进步和创新浪潮的复兴时期。人工智能（AI）、5G、自动驾驶、大数据（Big Data）等新兴领域技术的不断发展给芯片设计带来全新的挑战：算力提升、功耗降低、上市周期加快、成本降低等等。

芯片设计是一个巨大且复杂的工程，包括数字与模拟电路设计、物理后端设计、封装设计、可测性设计等。作为世界上最复杂精密的制造业，IC设计无疑是最顶端、技术密度含量最高的产业。

工欲善其事，必先利其器。在没有诞生EDA（电子设计自动化，Electronic Design Automation）工具前，开发者只能以人工画图的方式进行电路设计。随着IC不断向高集成度、高速度、低功耗、高性能发展，没有高可靠性的计算机辅助设计手段，完成包含上亿晶体管的大规模集成电路设计是不可能的。可以说有了EDA工具，才有了超大规模集成电路设计的可能。

EDA工具真正起步于1980年代，1983年诞生了第一个工作站平台apollo；近40年的发展，EDA工具几乎涵盖了集成电路的方方面面，从硬件描述语言（Hardware Description Language，HDL）到逻辑仿真工具（Logic Simulation），从逻辑综合（Logic Synthesis）到自动布局布线系统（Auto Place & Route）；从物理设计规则检查（design rule check/DRC & electrical rule check/ERC）到电路图版图比对（Layout versus Schematic，LVS）到芯片的制造测试。

随着芯片集成度的提高和性能的多元化，设计要求变得越来越复杂，开发者拿到设计要求之后的工作便是将一个较为复杂的设计划分成若干个模块，比如一个负责存储的模块，一个负责分析数据的模块……随后，开发者开始设计每个模块，通过硬件描述语言表达清楚每个模块的设计逻辑，接下来的工作就交给了EDA工具。EDA所扮演的角色主要在于提供开发者工具，而其最重要的功能是缩短芯片设计的时间及制造的周期。

EDA能帮助客户设计达到最优化的PPA（Performance性能、Power功耗、Area面积）目标，开发性能更高的终端产品，并进一步减少设计迭代，缩短设计周期，加快上市速度。自2012年以来，人工智能处理能力的需求每3.5个月增长一倍。然而，随着处理能力、性能、功耗和延迟方面的需求不断增长，现有CPU和GPU处理器的能力逐渐达到极限。目前的EDA工具发展速度越来越跟不上芯片设计的规模和需求。

EDA2.0时代来临

2021年6月9日，芯华章董事长兼CEO王礼宾受邀出席2021世界半导体大会（WSCE2021）并围绕“EDA 2.0，面向未来的新技术与新生态”发表主题演讲。王礼宾在演讲中表示，回顾EDA的历史我们可以发现，EDA技术的诞生是一个非常革命性的发展，到了2003年，集成电路设计基本定型为基于IP的模块以及大规模RTL集群的设计方法。从2003年到如今的20年间，芯片的复杂度比前20年提高了数万倍，成本提高了100倍，芯片工艺也已演进到纳米级别（7/5/3纳米）。芯片设计和制造作为数字化时代的底层支撑，已经成为全球很多重要行业的一个关键环节。他同时也指出，EDA 1.X面临很多挑战，包括应用需求分析，验证工作复杂、IP复用价值没有完全发挥、人才不足、开放性不够和历史包袱影响等。以历史包袱为例，他指出EDA 1.x的工具是在二十多年的时间里渐进式发展起来的，这决定了它还背负了过程中的兼容性要求、历史代码、遗留架构等很多历史包袱，因此迭代发展的速度很难跟上现在几十倍增长的大型设计，同时原有软件架构难以充分利用好目前发展迅速的互联网云平台、异构化的硬件设备。

和20年前相比，EDA开始和云计算、人工智能（AI）、机器学习（ML）等新技术结合，推动EDA工具孕育新一轮的变革。

2017年，华美半导体协会（CASPA）年会期间，Cadence工程师David White分享了他关于EDA当前所面临三大挑战：一是规模（Scale），随着设计规模的不断增加，规则/限制的增多，以及模拟仿真、提取、多边形等带来的庞大数据，EDA厂商需要获得工艺文件；二是复杂性（Complexity），更复杂的FinFET工艺技术导致复杂的DRC/ERC效应，而芯片和封装/电路板之间的普遍交互成为常态，同时器件和电线之间的热物理效应也需要注意；三是生产力（Productivity），培训程度受限的设计人员和物理工程师会引入不确定性，造成多次设计迭代。

DAC2017大会上，Solido、Plunify、Platform-DA、Ansys等公司宣布在其产品中增加了机器学习能力。“War is 90% information. 信息在战争中起着90%以上的作用”。机器学习（ML）的采用可能需要良好的数据分析，因为需要面对的数据量实在太大。对于大多数硬件产品而言，机器学习可以在终端（网关）执行，也可以部署在云端。就EDA工具而言，如何实现取决于训练模型有多庞大，需要多么精确，以及是否需要多次迭代。

2020年12月2日，新思科技（Synopsys）官微发布《数字芯片设计EDA工具的2.0时代》文章。文章从数字前端逻辑综合、数字后端布局布线和数字电路静态时序分析的演进，强调数字芯片设计技术融合的重要性，并指出融合技术使EDA工具进入2.0时代，EDA需要变得更加AI化，具备AI特性的EDA工具将助力客户设计出更好的芯片，并快速推向市场。

于是乎，2021年6月10日，芯华章发布《EDA 2.0白皮书》。EDA是芯片之母，支撑芯片的全流程设计。作为芯片设计的最上游、最高端的产业，芯华章EDA2.0白皮书的发布是业界首创。《EDA 2.0白皮书》明确下一代集成电路智能设计流程（EDA 2.0）目标，基于开放的工具和行业生态，实现自动化和智能化的芯片设计及验证流程，并提供专业的软硬件平台和灵活的服务，以支持任何有新型芯片应用需求的客户快速设计、制造和部署自己的芯片产品。

《EDA 2.0白皮书》开创性地提出平台服务模式EDaaS （Electronic Design as a Service），该模式有助于推动开放、标准化和统一的芯片设计智能化流程，促进全新的芯片设计合作生态，以技术变革加速芯片创新效率，满足数字世界中系统应用对芯片多样化的需求，赋能科技进步。

《EDA 2.0白皮书》的发布，标志了EDA进入了2.0时代。EDA 2.0不再是工具的组合，而是一个服务化、可定制的完整平台，由芯华章开创性提出的EDaaS可以直接服务不同的应用需求，支持其快速设计和部署芯片产品，实现更高效更简单的应用创新周期，让芯片设计更简单、更普惠。

EDA2.0的三大特征：开放、智能、平台

《EDA2.0白皮书》指出，未来的EDA 2.0应在芯片设计全行业、全流程、全工具的多个方面改进，EDA 2.0的关键路径包括开放和标准化、自动化和智能化、平台化和服务化等多个方面，用智能化的工具和服务化的平台来缩短从芯片需求到应用创新的周期。EDA 2.0的目标是要让系统工程师和软件工程师也能参与到芯片设计中来，解决设计难、人才少、设计周期长、设计成本高企的难题。

 图片来源：《EDA2.0白皮书》

中国科学院EDA中心主任陈岚在《EDA 2.0白皮书》发布会上表示，她非常同意EDA2.0的提法。我觉得《EDA 2.0白皮书》中提出的开放和标准化、自动化和智能化、平台化和服务化这三点跟我之前的想法特别契合。

《EDA2.0白皮书》指出，在Accellera、IEEE、RISC-V等全球标准化组织、EDA或IP厂商、学术界、以及开源社区等推动下，EDA领域已经有很多统一标准、开源项目、开放接口定义，但是整体来看，很多标准没有得到工具厂商的统一支持，各工具的私有接口和数据经常无法互通，导致EDA 1.X的流程比较封闭和碎片化，结果就是设计自动化和定制化很困难，第三方模型和算法也难以得到扩展。因此，EDA 2.0的芯片设计流程，需要在EDA1.X的基础上，进一步增强各环节的开放程度，如更开放的工具软件接口（API）、开放的数据格式、针对更多硬件平台开放、总线和接口的标准化、和开源EDA结合等。

开放是EDA2.0的一个特征。陈岚主任表示，开放可以满足一大批未来新型的如物联网芯片的个性化设计模式，开放EDA还有一个好处，就是可以把新的架构，新的设计模型，新的技术融入进到EDA设计流程里去，过去EDA的发展是通过不同把小公司的兼并来实现，而现在，开放的架构加上标准，就可以把新技术融入进去。同时陈岚主任强调，开放不是开源，开源隐含了一个特别要命的问题就是碎片化，因为EDA在使用过程中需要基础数据库是一致的，而开放+标准之后，可以让我们在统一的数据库格式上面去做设计开发，避免EDA工具形成流程的时候数据格式的转换，带来的碎片化。陈岚主任表示，开放的EAD是一个新事物，但是在未来的物联网时代，一定会占有自己的一席之地。中国科学院计算技术研究所副所长、中国开放指令生态（RISC-V）联盟秘书长包云岗也表示，开放将给EDA未来更好的愿景。

智能化是EDA2.0的另一个特征，智能化的设计和智能化的验证平台都是EDA 2.0时代的重要特征。《EDA2.0白皮书》指出，在开放和标准的前提下，EDA2.0的目标是要减少人力的投入，包括芯片架构 探索、设计、验证、布局布线等的人力投入，将过去的设计经验和数据吸收到EDA工具中，形成智能化的设计，包括高度并行化的EDA计算和求解空间探索、设计自动化、数据模型化、机器学习（ML）以及智能化验证方法学等。实际上，2017年台积电已经开始在布局&布线（P&R）阶段探索使用机器学习（ML）进行路径分组以改善时序，并采用Synopsys ML预测潜在的DRC热点。

云平台是EDA2.0的再一个特征，EDA 2.0应该与云平台和云上多样化的硬件结合，充分利用成熟的云端软硬件生态。《EDA2.0白皮书》指出，EDA工具上云的尝试过去的20年中不断有厂商在推动，出于数据安全考虑，但并未取得大幅效率提升。随着更开放和更智能的EDA 2.0到来，EDA行业生态也必然从“工具和IP集合包”进化到EDA 2.0整体平台。不同规模和不同阶段的芯片设计有多样化的需求，而互联网云平台提供了近乎无限的计算强性、存储强性和访问便捷性。用弹性算力取代部分人力，优化用户设计成本，并帮助用户快速高质量的完成芯片设计。 

EDA2.0的畅想

芯思想认为，EDA2.0就是要让芯片设计和堆积木一样简单，降低设计门槛，减少设计迭代，大幅缩短设计周期，加快上市速度，并帮助客户设计开发性能更高的终端产品，达到最优化的PPA（Performance性能、Power功耗、Area面积）目标。

伴随芯片设计基础数据量的不断增加、系统运算能力的阶跃式上升，人工智能技术应用在EDA工具领域的算法和算力需求正在被更好地满足。此外，芯片复杂度的提升以及设计效率要求的提高同样要求人工智能技术赋能EDA工具的升级，辅助降低芯片设计门槛、提升芯片设计效率。

基于台积电的开放创新平台日益关注机器学习（ML），可以认为，在采用更智能的解决方案来平衡高密度和更精细工艺技术的复杂性挑战方面，EDA2.0正走在正确的轨道上。

专栏文章内容及配图由作者撰写发布，仅供工程师学习之用，如有侵权或者其他违规问题，请联系本站处理。 联系我们