2019年11月7日，在由ASPENCORE《电子工程专辑》、《国际电子商情》和《电子技术设计》主办的“2019全球双峰会”上，新思科技董事长兼联席CEO Aart de Geus博士以“后摩尔时代，Shift Left抢占科技经济先机”为题，探讨了在近年来算力和算法获得多项突破，每个领域都呈指数级递增，人类正以历史上前所未有的速度进行技术变革的大环境下，为了实现支撑“万物智能”时代而发展的计算架构会不会因为进入后摩尔时代，性能、功耗和成本持续同步上升？如果要打造全新Shift Left，以此抢占世界科技经济先机，又需要具备哪些关键因素？
呈指数级发展的数字时代需要EDA工具
人类的知识对技术的发展非常重要，从公元前四十万年前的火，到后来的耕犁等农用工具，到马、车轮、印刷术，到布尔指数还有数字电子，最后到今天的人工智能。所有发展都有一个共同特，就是从工程学影响到科技经济，经过融合，形成指数级影响。
这些发展会应用在不同领域，如生物、生态、智能等，还有其它一些中间领域。举个例子，印刷机的出现就给人类技术的发展带来深远影响。首先是字母的产生，然后有了金属的活字、墨水、纸张，后来有了螺旋压机。中国在公元前六七百年就有了雕版印刷，德国是在公元后1440年才出现活版印刷。五百年之后出现了另一种印刷技术，就是布尔字母和逻辑库，然后又出现了平版印刷。
晶体管、电子设计和自动化让我们进入了数字时代，在这样一个呈指数发展的时代，为了让项目不再延误，我们需要综合考虑结果的质量（QOR），实现结果的时间(TTR)和实现结果的成本（COR），以期用最低的成本、最快的时间达到最好的结果 。
在过去50年的时间里，我们一直致力于加快产品的开发周期。电子设计自动化（EDA）帮助我们实现用电脑程序来设计最先进的芯片，通过把信息输入电脑，抓取相关的信息，建立模型，进行模拟、分析、优化和自动化操作，最后不断地重复利用，产生IP核。
EDA工具需要AI
人工智能的发展就是抓取数据，在网络中建模，然后学习、解码，最后把它深化成一个自动行为的过程。
通过模拟建模和机器学习，我们能够了解和预估未来可能出现的失败，实现前面提到的科技经济Shift Left，在此过程中，技术由原来的规模复杂性转化成系统复杂性。
这一转变具有重要意思，以正发生重大变革的汽车行业为例，未来的汽车越来越方便，越来越快捷，也越来越安全。一辆汽车中通常包含四到五个关键的电子系统，无论是建立汽车基本架构还是汽车连网，都离不开芯片，因为汽车开发需要耗费大量的时间，所以需要虚拟原型提前验证。这不仅需要芯片，还要建立系统、架构和模型，对软件和硬件进行验证，然后才能进行应用。
又例如，气侯变暖已经威胁到人类的生存状态，因此我们需要能够预测气侯的变化。从1970年代至今，虽然气侯的模型越来越复，但是数据分析越来越精确。只通过数据模型才能更好地了解气侯的变化，进而解决全球变暖的问题。
还有很多行业需要通过模拟建模和机器学习，学会数据分析，以此推动技术发展，由于机器学习会消耗很多能量，因此，我们要不断发展新技术，以此降低能耗。
架构创新是实现融合的关键
很多技术都源于算法，融合就是把现有的技术整合到同样的算法中，提高其有效性。实现融合的关键要素是进行架构创新。
最伟大的融合工具其实是人的大脑，它可以进行逻辑思维和分析，不断学习新东西。它也是人工智能发展的目标。
驱动人工智能发展的方法很多，比如机器学习、物联网等。经济利益驱使我们进入垂直市场，而每一个垂直市场都能让AI迅猛发展。
“Shift Left”加速开发流程
今天半导体发展非常迅速，通过摩尔定律，整个半导体市场的规模变得更大，芯片成本会越来越高，芯片尺寸会越来越小。现在最大的AI设计用芯片有1.2万亿个晶体管，边长达到22厘米，未来或许同等级别的芯片可以缩小为一个指甲盖大小。因此，我们可以开发专用芯片，设计全新的架构，以适应具体的行业和领域，然后解决功耗、性能、安全等的挑战。
软件可以解决安全性问题，但软件本身也有安全性问题，因此当完成后，需要检查软件安全性，找出问题并不断解决问题。特别是在我们用到很多开源软件的情况下，开源会产生数据泄露的问题，所以我们需要在整个开发过程的最早期就开始介入，并在之后的开发过程中解决这些问题，实现Shift Left。
结语
智能互联关系到是否能实现指数级的发展，关系到每个领域里都需要“Shift Left”的控制和管理，关系到质量、时间和成本的调整。我们面临很多挑战和验证问题，需要打造很多虚拟原型和样本，以处理性能、安全、隐私、可靠性等问题，最后通过协作来共同解决问题。
