王秉达|芯片设计的超高门槛，正在被AI「粉碎」( 三 ) 冷链物流|国家骨干冷链物流基

进一步探讨AI将给芯片行业带来的变革之前，需要先解答一个疑问。AI发展的一个关键要素是足够多的数据，训练EDA的AI数据足够吗？王秉达说：“EDA本身就是一个精密科学，即使在AI到来之前，EDA中就有精确的算法，计算出来的数据我们称之为‘黄金数据’。AI的出现，让我们可以更好的利用黄金数据训练，让EDA工具变得更加智能。”
“EDA的AI对数据的依赖也没有许多行业那么强，但也需要用户的反馈，帮助我们持续提高EDA工具的智能化水平。新思的独特优势在于，我们拥有芯片设计全流程的工具，这让我们可以在整个程中都使用AI，带来更显著的全面提升。”王秉达进一步表示。
当用户的设计与训练好的工具有重合性时，就能迅速完成大部分的设计，节省大量时间，剩下的工作就是一些优化的工作。
“用户也可以使用他们拥有的数据对EDA工具进行二次训练，这样客户就可以拥有更个性化和定制化的工具，设计出更有特色的产品。”王秉达说，“我们的大部分产品都会开放这个接口。”
但要更好发挥AI在芯片设计中的作用，如何找到结合点成为挑战。“要发挥AI在芯片设计中的最大效益，难点在于找到AI与具体领域最巧妙的结合点，这时候就依赖设计者对于专用领域的认知。”王秉达认为。
在这样的竞争中，系统公司的优势更加明显。他们对自身的业务更加了解，对算法的了解更加深入，并且有大量数据，只是欠缺芯片设计的经验。但融入AI的EDA工具，恰好能降低系统公司设计芯片的门槛，还能帮他们更快、更好地设计出芯片。
“我相信，AI +EDA工具会很快从数字设计应用到几乎所有领域，几年内，所有芯片设计的流程里都会有AI。”王秉达表示。
那时候，芯片行业的竞争，可能会演变为系统公司领域专用芯片之间的竞争。通用芯片公司又将怎么面对这样的竞争呢？
王秉达认为，通用芯片公司的优势在于对芯片架构的了解，能够以合适的工艺，以最优的成本按时间窗口把芯片做出来，但缺乏的是对系统、终端应用的深入了解。芯片设计公司需要找到好的系统公司合作深入挖掘需求，以提供灵活的、能适应多个终端应用的通用芯片。
【王秉达|芯片设计的超高门槛，正在被AI「粉碎」】面对这两类客户，新思科技提供的是完全不同的服务。对于系统公司，目标是通过各种IP模块和设计工具帮助他们解决芯片架构和工艺的选择；对于通用芯片公司，目标是通过仿真验证、快速原型等更快、更易用的工具，使芯片生产出来之前就能模拟出实际的性能、功耗等表现，节约成本和设计周期。雷峰网