英伟达|芯片设计的超高门槛,正在被AI「粉碎」( 三 )


3 芯片差异化竞争的时代
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流程中都使用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 。
【英伟达|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 。