国微思尔芯资深副总裁林铠鹏也指出 ， EDA上云对于企业来说 ， 最直接就是有望解决算力问题 ， 特别是对初创企业非常有利 。 无论是设计还是验证 ， IC设计公司对算力的需求都非常大 ， 很多小公司承受不起 ， 只能用时间来换金钱 。 如果云端有更好的解决方案 ， 对于它们来说将有非常大的帮助 。
机器学习在EDA工具上的应用

文章图片
人工智能与EDA的融合也值得关注 。 芯片敏捷设计是未来发展的一个主要方向 ， 深度学习等算法能够提高EDA软件的自主程度 ， 提高IC设计效率 ， 缩短芯片研发周期 。 据有关报告显示 ， 机器学习在EDA的应用可以分为四个方面：数据快速提取模型；布局中的热点检测；布局和线路；电路仿真模型 。 目前 ， 诸多EDA企业都在人工智能方面进行了深入的布局与开发 。 汪晓煜表示：“人工智能在大规模数字芯片优化、数字仿真验证、PCB设计综合等领域都有着巨大的发挥空间 。 以仿真验证为例 ， 当前企业花费在仿真验证上的运算资源与时间呈指数级升高 。 采用机器学习 ， 生产力提升的效率甚至可以达到10倍以上 。 ”
我国企业也非常重视EDA的开发 。 上世纪八十年代中后期 ， 我国便开始投入自有集成电路计算机辅助设计系统的开发 ， 并在攻坚多年之后 ， 成功推出首套国产EDA——熊猫系统 。 这也是中国EDA产业的开端 。 然而 ， 随着EDA对集成电路产业的战略意义不断提高 ， 特别是近几年以来 ， 已经有越来越多的企业开始切入这一赛道 。 国内目前已有了几十家EDA公司 。
然而 ， 众多企业的投入也导致国内EDA产业出现小而分散的问题 。 虽然在采访中林铠鹏认为 ， 当前国内EDA产业与二十年前美国的情形有些相似 ， 处于行业发展早期竞争阶段 ， 几十家并不算多 。 然而 ， 实现情况却是一些国内企业或许在个别点工具或者部分细分领域具有一定优势 ， 短板却是产品不够全面 ， 以任何一家之力都无法覆盖整个EDA产业链 。 难以提供全流程的产品正在成为国内EDA企业的主要问题 。 毕竟只有提供全流程产品才能更好支撑整个产业的发展 。
借鉴国际经验 ， EDA的发展过程中 ， 资本发挥了关键的作用 ， 收购和并购成为EDA企业实现产品线整合的核心手段之一 。 然而 ， 以目前国内的发展情况 ， 短期内通过经济手段实现整合并不现实 。 那么 ， 如何才能实现国内EDA产业的全流程化呢？
芯华章科技产品和业务规划总监杨晔表示 ， EDA行业有其特殊性 ， 它涵盖了芯片产业从上游设计到下游封装测试的全链条 ， 在这么长的产业链里 ， 国产EDA企业势必没办法贪多求全 ， 应该集中精力做自己最熟悉和擅长的一部分 ， 因此 ， 芯华章聚焦于验证这一决定芯片成败的领域进行突破 。
除了聚焦某块领域进行突破 ， 针对这样的状况 ， 杨晔认为：“国内产业在发展初期阶段更应该注重倡导‘开放’ ， 加强企业间的协同配合 ， 目的是加强工具间的协同性 ， 建设更完善的行业生态 ， 提高芯片验证效率 ， 共同建设开放共荣的生态圈 。 ”
深圳鸿芯微纳有限公司首席技术官王宇成也认同这样的方式：“整合的方式有很多种 ， 以目前国内的情况来说 ， 经济上的整合并不现实 。 另一种可行的方式是进行技术上的整合 ， 如果能把国内不同领域的EDA工具 ， 甚至不同的点工具 ， 以某种方式加以整合 ， 最终给用户提供一个完整的解决方案 ， 将具有非常高的价值 。 ”
【以史为鉴，中国EDA产业怎么做？