與三巨頭幾十多年的迭代發(fā)展歷程不同，如今的本土EDA企業(yè)，生在一個(gè)“云+AI”加持的高效率運(yùn)算的好時(shí)代。這些成熟的技術(shù)能夠給當(dāng)下不少新興的EDA企業(yè)提供豐富的算法和計(jì)算資源，EDA企業(yè)可以利用AI和云計(jì)算的優(yōu)勢(shì)，極大節(jié)省成本的同時(shí)也能夠走不少“彎路”。

譬如AI，國(guó)微集團(tuán)有限公司首席技術(shù)官白耿告訴記者：“EDA正面臨一個(gè)AI的新時(shí)代，AI技術(shù)怎么更好融入到傳統(tǒng)EDA平臺(tái)上來(lái)，這也是我們經(jīng)?？紤]的問題。所以，我們?cè)?020-2021年培養(yǎng)高校研究生的設(shè)置過程中，有五個(gè)項(xiàng)目，其中四個(gè)都是跟AI相關(guān)的，這樣就在EDA平臺(tái)上就找到了適合開發(fā)AI算法的場(chǎng)景，能夠把AI算法能夠?qū)崿F(xiàn)EDA平臺(tái)上。”

所以，在開發(fā)EDA產(chǎn)品的過程中，白耿表示：“基于統(tǒng)一的數(shù)據(jù)結(jié)構(gòu)、統(tǒng)一的通用服務(wù)引擎核心之內(nèi)，外層我們會(huì)建立AI的訓(xùn)練應(yīng)用層，所有AI引擎做訓(xùn)練所需要的數(shù)據(jù)可以從我們的簽核或者物理實(shí)現(xiàn)的工具引擎中得以輸入，訓(xùn)練完之后，AI引擎的測(cè)試結(jié)果可以用我們的簽核工具驗(yàn)證。在很好的AI引擎訓(xùn)練完之后可以放在優(yōu)化的引擎中進(jìn)行實(shí)際的IC優(yōu)化來(lái)驗(yàn)證AI算法是否有它的實(shí)用性，再繼續(xù)迭代看能不能改進(jìn)AI引擎，做下一次更好的優(yōu)化，這是整體的為深度學(xué)習(xí)提供好的算法、好的場(chǎng)景。這雖然只是一個(gè)例子，但說(shuō)明了我們整個(gè)平臺(tái)是針對(duì)先進(jìn)技術(shù)開放的平臺(tái)，歡迎國(guó)內(nèi)好的算法、好的工具能融合在這個(gè)平臺(tái)，更方便進(jìn)入到實(shí)際的IC設(shè)計(jì)的流程中，讓好的算法、好的工具得到快速的迭代、快速產(chǎn)業(yè)化，這也是我們集團(tuán)的意向之一?！?/p>

的確，AI for EDA是目前非?；鸬母拍?。這二者其實(shí)是可以相輔相成的，有業(yè)內(nèi)人士告訴記者，利用AI訓(xùn)練，比如優(yōu)化電路的過程中，一般需要很多專家知識(shí)去告訴系統(tǒng)如何高效的去執(zhí)行命令，通過這種自動(dòng)化的機(jī)器學(xué)習(xí)方式能夠快速進(jìn)行推算，從而對(duì)數(shù)據(jù)進(jìn)行高效的優(yōu)化。當(dāng)然，EDA的方法也可以反過來(lái)輔助AI進(jìn)行數(shù)據(jù)演算，比如查找表網(wǎng)絡(luò)當(dāng)中，因?yàn)榭梢詫?shí)現(xiàn)任意的布爾函數(shù)，因此系統(tǒng)一開始并不知道實(shí)現(xiàn)的是什么功能，但可以通過一些訓(xùn)練集進(jìn)行反推，與主流的網(wǎng)絡(luò)相比，這種方法也能快速逼近最優(yōu)解，從而提高效率。

例如DFM中的光刻熱點(diǎn)修正，白耿舉例到：“經(jīng)常在芯片版圖中，有很多圖形屬于是一種光刻熱點(diǎn)，這會(huì)在制作過程中產(chǎn)生缺陷，為了避免這種缺陷產(chǎn)生，在前期制造階段就要對(duì)圖形進(jìn)行修正，進(jìn)行規(guī)避，假如某種圖形模式?jīng)]有被定義的話，這種光刻熱點(diǎn)就會(huì)被漏掉。而利用AI算法，可以根據(jù)工藝中現(xiàn)有的圖形進(jìn)行算法推導(dǎo)，其中可能還會(huì)出現(xiàn)光刻熱點(diǎn)新的圖形，通過深度學(xué)習(xí)的方法，將新的圖形通過統(tǒng)一的數(shù)據(jù)庫(kù)，通用服務(wù)引擎可以無(wú)縫反饋給布局布線工具，進(jìn)行非常高效的修正?！?/p>

AI之后，為了尋求更巨量的資源，“上云”也成為了當(dāng)前國(guó)內(nèi)EDA玩家實(shí)現(xiàn)超速追趕的另一條快車道。業(yè)內(nèi)資深人士林凱鵬對(duì)記者表示：“無(wú)論是軟件仿真還是硬件仿真，資源需求是非常強(qiáng)烈且巨量的，因此目前最流行的做法就是將其放在云上去跨區(qū)域共享。不過，對(duì)于EDA這種比較特殊的工業(yè)應(yīng)用，尤其是驗(yàn)證的場(chǎng)景來(lái)說(shuō)，與普通的專用云不同，它有硬件，所以對(duì)每一個(gè)團(tuán)隊(duì)來(lái)說(shuō)源代碼安全非常重要，所以我們構(gòu)思了三層架構(gòu)，通過本地的集群，實(shí)現(xiàn)CPU或者硬件仿真和原型驗(yàn)證，構(gòu)建一個(gè)私有的EDA專用云來(lái)實(shí)現(xiàn)HPC算力或者更多的EDA軟件云控制。在這個(gè)環(huán)節(jié)當(dāng)中，敏感的數(shù)據(jù)或者大量運(yùn)算的數(shù)據(jù)都可以放到公有云上面?！?/p>

“無(wú)論是軟件仿真還是硬件仿真，資源需求是非常強(qiáng)烈且巨量的，因此目前最流行的做法就是將其放在云上去跨區(qū)域共享。不過，對(duì)于EDA這種比較特殊的工業(yè)應(yīng)用，尤其是驗(yàn)證的場(chǎng)景來(lái)說(shuō)，與普通的專用云不同，它有硬件，所以對(duì)每一個(gè)團(tuán)隊(duì)來(lái)說(shuō)源代碼安全非常重要?！?/span>

不過，這種結(jié)合性的思路也要解決很多問題，林凱鵬指出：“比如其中一個(gè)是云管理如何合理的去進(jìn)行軟件、硬件、人員以及資源的管理和調(diào)度，這些不同的資源可能放在不同的設(shè)備上，有些放在CPU上，隨著資源的調(diào)度，同步的要將數(shù)據(jù)從一個(gè)地方搬到另一個(gè)地方，跟著做調(diào)整。另一方面，也需要考慮數(shù)據(jù)的安全，分級(jí)數(shù)據(jù)管理或者是設(shè)計(jì)階段就要考慮到數(shù)據(jù)安全問題，而在過程當(dāng)中數(shù)據(jù)就需要考慮做加密、解密或者用戶數(shù)據(jù)健全等。我們有一個(gè)案例就是將所有的原型驗(yàn)證系統(tǒng)堆積在機(jī)房里，構(gòu)建云系統(tǒng)，可以實(shí)現(xiàn)好多用戶和項(xiàng)目的運(yùn)行，目前看來(lái)非常穩(wěn)定?！庇纱丝梢?，“云+AI”已經(jīng)成為本土EDA企業(yè)飛速突進(jìn)的核心“殺手锏”。

但即便如此，當(dāng)下談“彎道超車”還為時(shí)尚早，甚至有些“不切實(shí)際”。畢竟，“羅馬不是一天建成的”，國(guó)際巨頭如今“壟斷全球”的積累自然也不是說(shuō)超越就能簡(jiǎn)單超越的，這當(dāng)中必然是經(jīng)歷了各種各樣甚至當(dāng)前本土EDA廠商未曾想過的問題和挑戰(zhàn)以及更多的整合并購(gòu)。因此，從更務(wù)實(shí)的角度出發(fā)，編者認(rèn)為，當(dāng)前的重心不應(yīng)該放在如何實(shí)現(xiàn)超越抑或是如何去與國(guó)際大廠爭(zhēng)個(gè)高低，本土EDA玩家目前更需要的是如何利用好AI和云計(jì)算等國(guó)內(nèi)具備的先進(jìn)技術(shù)，由“點(diǎn)”及“面”去層層突破，從點(diǎn)工具向面工具循序漸進(jìn)，以商業(yè)化和盈利的思維去做產(chǎn)品。因?yàn)?，?guó)產(chǎn)EDA的“超越”畢竟不是靠各玩家一己之力，更多的是抱團(tuán)取暖、整合并購(gòu)，如此才能真正在未來(lái)誕生有實(shí)力與國(guó)際大廠拼殺的中國(guó)版EDA巨頭。
? ? ? ?責(zé)任編輯:tzh