2019年第一季度，EDA行業(yè)營收額達(dá)到26億美元，使其成為EDA歷史上營收最為強(qiáng)勁的季度之一。系統(tǒng)設(shè)計(jì)、IP、人工智能，行業(yè)高速增長的秘密是什么？

根據(jù)電子系統(tǒng)設(shè)計(jì)(ESD)聯(lián)盟的數(shù)據(jù)顯示，2019年第一季度EDA行業(yè)營收額達(dá)到26億美元，較去年同期增長了16.3%。EDA銷售額的四個季度移動平均值(相比最近4個季度以及之前的4個季度)增加了6.1%，這也讓2019年第一季度成為EDA歷史上營收最為強(qiáng)勁的季度之一。

這一數(shù)據(jù)讓許多人跌破眼鏡，包括Mentor榮譽(yù)CEO兼ESD聯(lián)盟董事會成員Wally Rhines。他稍早前在接受《EE Times》采訪時表示，如今不僅是幾家備受關(guān)注的系統(tǒng)與云計(jì)算大廠開始設(shè)計(jì)自家芯片，同時還有越來越多的系統(tǒng)設(shè)計(jì)人員也開始使用EDA工具進(jìn)行系統(tǒng)級設(shè)計(jì)，使得購買EDA公司的數(shù)量越來越多。

人工智能對EDA行業(yè)的影響

推動EDA行業(yè)增長的，除了系統(tǒng)級設(shè)計(jì)之外，人工智能的影響也不可忽視。

“人工智能正在為半導(dǎo)體產(chǎn)業(yè)開啟數(shù)十年以來的最佳商機(jī)，很可能成為推動半導(dǎo)體行業(yè)進(jìn)入下一個十年增長周期的催化劑。”Mentor IC EDA執(zhí)行副總裁 Joseph Sawicki援引麥肯錫咨詢和普華永道的調(diào)研報告稱，過去無論是PC還是智能手機(jī)時代，機(jī)遇持續(xù)的時間并沒有這么長久。對半導(dǎo)體行業(yè)來說，即便是最火熱的移動時代，也只提供了價值20%的產(chǎn)值。而在人工智能時代，半導(dǎo)體公司將從技術(shù)堆棧(Technology Stack)上獲得50%左右的產(chǎn)值。

Mentor IC EDA執(zhí)行副總裁 Joseph Sawicki

給人工智能領(lǐng)域帶來全新發(fā)展機(jī)遇的要素，一方面源自車聯(lián)網(wǎng)、智慧城市、物聯(lián)網(wǎng)及工業(yè)物聯(lián)網(wǎng)等領(lǐng)域正在將生成的海量數(shù)據(jù)源源不斷的傳送到云端，這一趨勢極大改變了現(xiàn)有的數(shù)據(jù)中心架構(gòu)；除了數(shù)據(jù)中心聚合之外，另一重要趨勢是大量的機(jī)器學(xué)習(xí)及人工智能設(shè)備和運(yùn)算被部署在邊緣側(cè)，以加速數(shù)據(jù)處理及響應(yīng)過程。數(shù)據(jù)顯示，2016-2021年，邊緣計(jì)算年復(fù)合增長率將高達(dá)190%，增速顯著超越云端。

資本的走向也驗(yàn)證了這一趨勢。如下圖所示，2012-2019七年間，風(fēng)險投資機(jī)構(gòu)的資金走向主要集中在機(jī)器學(xué)習(xí)和人工智能領(lǐng)域，共獲得19.06億美元，其次為加密貨幣5.09億美元，高速通訊/5G 4.77億美元。

Alphabet公司董事長John Hennessy曾提出，摩爾定律的終結(jié)，以及更高速通用計(jì)算的到來，標(biāo)志著新的黃金時代已開啟。因此，無論是以軟件為中心，還是以硬件為中心的傳統(tǒng)思想都存在局限，特定域語言和架構(gòu)則更有希望。

Sawicki對此表示贊同，并認(rèn)為特定域(domain-specific)架構(gòu)將是實(shí)現(xiàn)下一波增長的關(guān)鍵動力。他列舉了一些特定領(lǐng)域的AI/深度學(xué)習(xí)控制器，其中，45款面向視力/面部識別，38款面向數(shù)據(jù)中心/云AI/HPC，36款面向邊緣計(jì)算，26款面向自動/輔助駕駛，14款面向深度學(xué)習(xí)訓(xùn)練，分列1-5位。值得一提的是，盡管GPU目前仍然是IC收入中最大的部分，但ASIC芯片的市場增速是最快的。

連接AI與和芯片設(shè)計(jì)的橋梁

一直以來，SoC芯片的設(shè)計(jì)方法學(xué)都是在RTL基礎(chǔ)上進(jìn)行驗(yàn)證。“但在人工智能時代，人工智能/機(jī)器學(xué)習(xí)IP和IC設(shè)計(jì)在架構(gòu)優(yōu)化、功耗預(yù)算、芯片容量和高速I/O方面都面臨許多挑戰(zhàn)，IC設(shè)計(jì)師需要新的設(shè)計(jì)方法和工具，所以我鼓勵他們采用高階綜合(High-Level Synthesis, HLS)進(jìn)行更多探索。”之所以這樣表態(tài)，Sawicki說是因?yàn)樵谌斯ぶ悄軙r代，算法開發(fā)平臺的設(shè)計(jì)語言是C或者C++等語言，為了實(shí)現(xiàn)統(tǒng)一原生的設(shè)計(jì)環(huán)境，最好使用同樣的芯片開發(fā)環(huán)境。

他把HLS比喻為“連接AI原生環(huán)境和芯片設(shè)計(jì)的橋梁”，可以借此幫助客戶更好地設(shè)計(jì)架構(gòu)、管理內(nèi)存分配和神經(jīng)網(wǎng)絡(luò)的寬度與縱深，以及決定在芯片內(nèi)部放置多少流水線等等，只有管理好這些要素，才能為垂直應(yīng)用提供經(jīng)過優(yōu)化的IC軟件體驗(yàn)。

而一旦設(shè)計(jì)方法論發(fā)生轉(zhuǎn)變，那么驗(yàn)證方法學(xué)也需要隨之改變。傳統(tǒng)集成電路的驗(yàn)證方法就是測試規(guī)則、架構(gòu)和規(guī)范，而在AI時代，面臨更多的是垂直應(yīng)用，驗(yàn)證通常發(fā)生在應(yīng)用層面。這就需要通過相關(guān)技術(shù)仿真出一個虛擬AI引擎，然后把算法數(shù)據(jù)推送到硬件仿真系統(tǒng)中的AI引擎上去執(zhí)行代碼處理和最終應(yīng)用，以便獲得整體的性能、功耗以及數(shù)據(jù)。這樣，在芯片尚未開發(fā)之時就能及早掌握整個系統(tǒng)的性能表現(xiàn)。

包括C/C++/System C HLS、HLS驗(yàn)證以及低功耗HLS三大產(chǎn)品線在內(nèi)的Catapult HLS工具箱是Mentor面向HLS方法學(xué)推出的新產(chǎn)品。在此前的采訪中Mentor方面就曾表示，AI/機(jī)器學(xué)習(xí)需要進(jìn)入下一步抽象和功耗分析，HLS結(jié)果并不比手動編寫的RTL差，甚至更強(qiáng)，時間更快(能夠縮短4倍)。此外，HLS易于重映射多種技術(shù)，例如可以針對各種技術(shù)重映射相同C代碼，輕松切換工藝，快速探索可行的替代技術(shù)并確定最優(yōu)實(shí)現(xiàn)。而根據(jù)NVIDIA的反饋，在采用Catapult HLS工具后，Tegra X1芯片的驗(yàn)證效率提高了50%，驗(yàn)證成本降低了80%。

考慮到將AI引入EDA已是大勢所趨，目前，無論是在Pattern分析還是深度數(shù)據(jù)分析中，Mentor正在廣泛利用人工智能和機(jī)器學(xué)習(xí)，加速新產(chǎn)品和新技術(shù)的開發(fā)。比如Machine Learning OPC可以將光學(xué)鄰近效應(yīng)修正(OPC)輸出預(yù)測精度提升到納米級，同時將執(zhí)行時間縮短3倍。而在此之前，完成同樣的工作量，需要4000個CPU 不間斷地運(yùn)行24小時；而在LFD中，通過機(jī)器學(xué)習(xí)既解決了海量未標(biāo)記數(shù)據(jù)的提取，同時也通過訓(xùn)練好的數(shù)據(jù)使預(yù)測更加精準(zhǔn)。結(jié)果顯示，與基于全芯片模型的仿真相比，在保持最佳精度的同時還使性能提高了10-20倍。

而在深度數(shù)據(jù)分析上，除了來自Solido的variation aware的設(shè)計(jì)外，采用RCD(root cause deconvolution)技術(shù)消除診斷結(jié)果噪聲，減少根因分析時間，發(fā)現(xiàn)其它隱藏較深導(dǎo)致良率問題的根源，也是非常典型的AI在EDA工具中的應(yīng)用。

下圖來自名為PAVE 360新方案的一個運(yùn)行結(jié)果。通過Mentor AI引擎讓自動駕駛車輛在虛擬環(huán)境中進(jìn)行駕駛，然后將虛擬數(shù)據(jù)與左圖中西門子駕駛安全輔助設(shè)計(jì)測試軟件SimcenterPrescan和右圖中西門子機(jī)電一體化系統(tǒng)仿真平臺Simcentor Amesim相連接，通過交互實(shí)現(xiàn)電子系統(tǒng)和機(jī)械系統(tǒng)一體化的仿真驗(yàn)證過程。

這套系統(tǒng)對芯片廠商、OEM和Tier one廠商以及整車廠而言都是極具價值的。這意味著驗(yàn)證測試人員不再需要開車幾千公里去驗(yàn)證車輛的動力總成、底盤、乃至真實(shí)的道路環(huán)境，所有的一切在芯片、汽車、道路建成之前就會得到精確預(yù)測，極大提升了設(shè)計(jì)和制造的效率。

這一案例就是數(shù)字孿生(Digital Twin)技術(shù)的真正落地。其實(shí)西門子在并購Mentor之后，“還收購了很多與EDA相關(guān)的企業(yè)”，包括針對低頻設(shè)備的電磁和熱分析軟件開發(fā)商Infolytica、加強(qiáng)集成電路測試的方案提供商Sarokal、基于機(jī)器學(xué)習(xí)和變量認(rèn)知設(shè)計(jì)特征軟件開發(fā)商Solido、線束線纜分析設(shè)計(jì)公司Comsa、以及針對IC硬件隨機(jī)故障檢測的安全分析/自動校正和仿真工具開發(fā)商Austemper，用以加強(qiáng)Mentor在EDA 4.0設(shè)計(jì)和驗(yàn)證工具的功能和性能。

“EDA 4.0”是Mentor中國區(qū)總經(jīng)理凌琳在ASPENCORE舉辦的“2019年中國IC領(lǐng)袖峰會”上首次提出的概念。與之相對應(yīng)的是，在EDA 1.0時代，基本都還是最原始的門級電路設(shè)計(jì)方法學(xué)；而到了EDA 2.0時代，開始引入RTL設(shè)計(jì)方法學(xué)，包括Cadence、Synopsys等公司相繼誕生；在EDA 3.0時代，設(shè)計(jì)輸入進(jìn)一步提高了抽象層次，引入了基于IP復(fù)用的SoC設(shè)計(jì)方法學(xué)，一些EDA公司開始并購IP廠商，同時ARM等獨(dú)立IP廠商迅速壯大。

隨著自動駕駛、物聯(lián)網(wǎng)、云計(jì)算平臺和智能家居等應(yīng)用場景都需要從IC到系統(tǒng)的完整方案，而特定域架構(gòu)的AI加速芯片可以滿足定制化要求。傳統(tǒng)的EDA門級、RTL甚至IP級設(shè)計(jì)都無法滿足這種芯片設(shè)計(jì)的綜合、仿真和驗(yàn)證要求。Mentor因此提出了EDA 4.0的概念，即通過3D IC和SiP等新的芯片制造技術(shù)、ECAD/MCAD協(xié)同設(shè)計(jì)，以及虛擬/物理數(shù)字孿生系統(tǒng)設(shè)計(jì)等來實(shí)現(xiàn)AI系統(tǒng)、大數(shù)據(jù)分析和云計(jì)算應(yīng)用。