AI会改变EDA的基因吗？

芯片开发者在项目中往往会踩很多“坑”：资源少、时间短、任务紧、多项目并行开发，要满足交付时间和设计需求的平衡，压力重重。开发人才短缺的问题依然热度不减，同时开发工作又愈发复杂，范围也越来越广。摩尔定律的放缓限制了半导体的发展，而数字世界对电子设备的要求却在不断提高。

开发者如何才能开发出足以应对未来挑战的复杂芯片呢？

目前有一种解决方案，能够提高开发效率和芯片设计质量，甚至还可以将以前的不可能变为现实。这一切都来自一种推动芯片复杂度提升的技术：人工智能(AI)。

开发者的创造力为我们带来了AI聊天机器人、手术机器人和自动驾驶汽车等各类先进技术的应用。此外，各种强大的解决方案也应运而生，为开发者分担重复性的芯片设计、验证和测试任务，从而让他们专注于最擅长的事情：创新。

凭借屡获殊荣的新思科技DSO.ai™AI芯片设计应用的引领，新思科技推出了业界首个全栈式AI驱动型EDA解决方案Synopsys.ai，现已搭载功能验证解决方案（新思科技VSO.ai）和芯片测试解决方案（新思科技TSO.ai），未来还将推出更多功能。Synopsys.ai在减少功能覆盖率漏洞方面实现10倍提升，IP验证效率提高30%。同时，DSO.ai最近率先实现了首个100次生产流片，这是一个重要的里程碑，标志着AI已经成为主流的半导体技术。

AI代替EDA工作流程中重复和手动任务
目前，全球经济充满不确定性，半导体行业的竞争日趋激烈，这些因素推动着行业更进一步地优化半导体功耗、性能和面积（PPA）。只有以更低的成本、更快地优化这些指标，企业才有可能在竞争中占得先机。除了当前的经济形势外，企业还可能面临着人才压力，半导体开发人才的短缺或将阻碍行业的发展。

AI驱动型EDA解决方案为此提供了一个发展方向，它可以辅助开发团队提升工作效率。据德勤全球估算，全球几大半导体公司今年将在内部和第三方芯片设计AI工具上投入3亿美元，这一数字未来四年内每年还将增长20%。德勤全球在一篇分析文章中指出：“AI设计工具可以让芯片制造商突破摩尔定律的界限，从而节约时间和费用，缓解人才短缺问题，甚至还可以将旧的芯片设计应用于全新的设计之中。同时，这些工具还可以提升供应链安全，有助于缓解未来芯片短缺问题。”

每个设计中都存在耗时耗力的任务，这些任务或重复或冗余，但对芯片质量而言又是必不可少的。AI技术可以承担各类重复性任务，如设计空间探索、验证覆盖和测试码生成，并且还能提升这些任务结果的质量。这为开发团队节省了大量时间，让其得以专注于完成各种增值任务，如实现产品差异化、快速创建新功能或衍生设计等。AI技术还可以帮助开发团队实现快速上市时间的目标，以及利用现有资源完成更多项目。开发者无论是新手还是经验丰富的资深人士，都能从AI中获益，因为该技术既能让新手开发者更快上手，也能帮助资深开发者更快地提升设计质量。例如，在项目中，Synopsys.ai可以负责处理重复性工作，并根据迭代工具的结果采取相应措施，而开发者则负责监管芯片质量，二者配合得到的结果要比开发者独自应对来得更好，而且速度更快。

用更智能的芯片应对复杂挑战

如今，开发者面临着各种各样的挑战，如不断增加的设计复杂性，先进制程节点的要求，以及包括CPU、手机、GPU、汽车和AI在内的多个垂直领域中不断缩减的功耗预算。无论是在周边设备还是在数据中心的服务器中，AI芯片都需要大量的计算单元来处理复杂的算法和海量的数据。优化这类复杂设计的PPA并确保芯片按预期运行，对开发者而言这项挑战正变得越来越严峻。

这正是Synopsys.ai解决方案能改变的地方，让我们来逐一了解Synopsys.ai的各个组件。

DSO.ai：奠定基础

DSO.ai是芯片设计实现方面的一款颠覆性AI应用，可以自主搜索PPA设计空间来寻找最佳解决方案。DSO.ai将AI技术集成到了芯片设计工作流程中，可以协助开发者大规模地探索各种方案，这在以前是无法做到的。

这种方法让AI技术有机会不断从训练数据中积累经验并学以致用，进而助力加快流片速度并实现PPA目标。AI的另一项关键优势是支持复用：从一个项目中学到的经验可以应用于未来的项目，从而提高设计流程的效率。该解决方案可在云端使用，更具灵活性、可扩展性和弹性，有助于客户处理繁重的工作量。据用户反馈，使用该解决方案后工作效率提升了3倍以上，功耗降低多达15%，裸片尺寸也大幅缩小。下图显示了DSO.ai在高性能数据中心CPU中的应用结果。

‍‍‍

VSO.ai：优化“最后一公里”

‍VSO.ai可帮助验证开发者更快实现覆盖率收敛目标并发现更多错误。数字设计可能涉及的设计状态空间几乎是无限的，要一一检查这些空间，验证设计是否能按预期运行，人工操作是根本不可能实现的。回归流程可能需要数天时间，成千上万的测试会消耗掉所有计算资源。通常，最后的收敛工作非常耗费人力，而且人工分析庞大的数据也难以得出可行的见解。

VSO.ai为这一流程注入了全新活力。它通过检查RTL来推断覆盖范围，同时会高亮显示需要覆盖的区域，从而节省大量时间并确保测试具有高ROI。瑞萨电子（Renesas）表示，借助新思科技VCS®功能验证解决方案（Synopsys.ai的一部分）进行AI驱动的验证，他们在减少功能覆盖率漏洞方面实现了10倍以上的提升，同时IP验证效率提高了30%。

TSO.ai：让开发者不必再做取舍

不断增加的设计复杂性和规模也影响了芯片的测试进度。在评估自动测试码生成（ATPG）工具的结果时，需要考虑以下三项关键指标：

• 缺陷覆盖范围
• 测试码数量，与测试成本直接相关
• 运行时间

相反，经验丰富的开发者又可能存在偏见，导致他们使用该工具获得的结果可能并不是新设计的最佳选择。TSO.ai可以让开发者无需再权衡这些利弊，通过运行多个新思科技TestMAX™ATPG先进测试解决方案的副本，自动生成测试计划，从而提高缺陷覆盖率，减少测试码数量，并更快地获得结果。

AI让一切皆有可能‍

技术无上限，创芯无止境。利用AI助力芯片设计拥有诸多天然优势，其中之一便是这些工具会从不同设计中不断学习积累经验，从而变得越来越智能。这对整个芯片设计行业和所有依赖电子产品的人而言都是个好消息。AI可以赋予开发者更大的能力，让他们更快地将正确规格的芯片推向市场，从而打造出更加复杂的系统，以应对数字世界中的各种复杂挑战。

‍‍