數(shù)字化時代，AI（人工智能）正以前所未有的速度重塑全球科技格局。從生成式 AI 的爆發(fā)，到輔助駕駛汽車的快速落地，從藥物研發(fā)的效率躍遷，到工業(yè)生產(chǎn)的智能升級，AI 技術(shù)的觸角已深入社會各個角落，成為推動各行業(yè)變革的關(guān)鍵力量。與此同時，我們也不得不正視，AI 芯片和系統(tǒng)設(shè)計的復(fù)雜度正顯著提升，如何借助 AI 解決這一挑戰(zhàn)，正是CadenceLIVE China 2025 中國用戶大會的熱點話題。

在 CadenceLIVE China 2025主峰會上，Cadence 資深副總裁兼系統(tǒng)驗證事業(yè)部總經(jīng)理 Paul Cunningham 博士分享了《運用代理式 AI 應(yīng)對智能系統(tǒng)設(shè)計挑戰(zhàn)》的演講，向與會觀眾介紹了 AI 需求爆發(fā)帶來的芯片設(shè)計挑戰(zhàn)，AI 技術(shù)在 EDA 領(lǐng)域的落地機遇以及 Cadence 在 EDA+AI 領(lǐng)域的落地案例。

Paul Cunningham 博士表示，在數(shù)據(jù)中心 AI 計算、邊緣計算的推動下，計算芯片的需求正呈現(xiàn)前所未有的增長態(tài)勢。據(jù) IDC 最新預(yù)測數(shù)據(jù)，到 2030 年，全球半導(dǎo)體市場規(guī)模將達到 1.2 萬億美元。這一增長主要得益于 AI 技術(shù)在多個領(lǐng)域的廣泛應(yīng)用，包括基礎(chǔ)設(shè)施、大數(shù)據(jù)與云、Agentic AI、AI 智能體（汽車、無人機、機器人）和虛擬現(xiàn)實等。

他指出，AI 潛力的釋放將分為三個不同階段：

基礎(chǔ)設(shè)施 AI 階段：未來 1-3+ 年期間；

物理 AI 階段：未來 2-7+ 年期間；

科學(xué) AI 階段：未來 5-10+ 年期間。

與此同時，AI 帶來的挑戰(zhàn)也不容忽視。當前，數(shù)據(jù)中心和人工智能領(lǐng)域的領(lǐng)軍企業(yè)正通過晶圓廠建設(shè)、工藝開發(fā)、EDA 工具創(chuàng)新及 IP 研發(fā)等方式，不斷突破半導(dǎo)體的極限，最前沿的 AI 芯片設(shè)計已極為復(fù)雜，包含超過 2000 億個晶體管。

芯片復(fù)雜性的提升正推動芯片技術(shù)向 “超摩爾定律” 演進：一方面，晶體管數(shù)量持續(xù)突破，預(yù)計 2030 年將出現(xiàn)集成 1 萬億晶體管的芯片，先進制程（如 FinFET 及更先進架構(gòu)）面臨功耗、熱管理、電磁兼容等挑戰(zhàn)；另一方面，系統(tǒng)級設(shè)計轉(zhuǎn)向 3D-IC、Chiplet 等異構(gòu)集成技術(shù)，2.5D/3D 封裝、硅光子學(xué)成為提升系統(tǒng)性能的核心路徑。

Paul Cunningham 博士強調(diào)，從商業(yè)角度看，我們不能將視角僅局限于芯片，還需考慮芯片會被集成到先進封裝中，而封裝又會將被安裝到 PCB 板、機架及系統(tǒng)里。也就是說，我們必須要足夠重視系統(tǒng)的仿真和優(yōu)化。

數(shù)字孿生重塑系統(tǒng)設(shè)計

綜上所述，當單芯片性能逼近物理極限時，設(shè)計范式從單一優(yōu)化轉(zhuǎn)向系統(tǒng)級協(xié)同。Paul Cunningham 博士指出，在半導(dǎo)體設(shè)計領(lǐng)域，制造前仿真覆蓋率達 99%，因此在如此復(fù)雜的工藝和設(shè)備上，第一次流片就能成功。然而，從芯片到系統(tǒng)應(yīng)用還有距離，如此高覆蓋率的模擬仿真尚未完全進入物理世界。比如，在機器人、無人機等系統(tǒng)領(lǐng)域，仿真覆蓋率僅 20%，另外 80% 則必須通過實際制造、測試來不斷改進模型和方法；在藥物發(fā)現(xiàn)領(lǐng)域，仿真覆蓋率更是極低，這使得一種藥物從概念提出到獲得 FDA 批準并投入市場，成本可能高達百億美元。

因此，將設(shè)計自動化技術(shù)引入半導(dǎo)體之外的領(lǐng)域，如醫(yī)藥、化學(xué)、材料學(xué)等，潛力巨大。Paul Cunningham 博士堅信，在未來 20-30 年里，在 AI 計算技術(shù)的推動下，這一定會實現(xiàn)。過去很多年里，Cadence 一直在這一戰(zhàn)略方向上進行投資，并通過收購相關(guān)公司加強布局——利用數(shù)字孿生技術(shù)，包括物理孿生和功能孿生，來提升系統(tǒng)仿真的覆蓋率和效率。

在物理孿生方面，Cadence 此前收購了 Beta CAE Systems。通過使用 CFD（計算流體動力學(xué)）和 CAE（計算機輔助工程）技術(shù)，Cadence 的工具能夠創(chuàng)建高保真的物理模型，加速設(shè)計和驗證過程。物理孿生的一個典型應(yīng)用領(lǐng)域是汽車，可以對整輛車進行仿真，如碰撞測試等。能夠做到這些，離不開背后的硬件支持，Paul Cunningham 博士在此提到了一款名為 Millennium M2000 的超級計算機，由 NVIDIA Blackwell 提供動力，可以進行非常豐富的數(shù)值運算，包括 IR Drop 壓降分析、SPICE 仿真、單元特征化、電磁、熱、計算流體動力學(xué)等，且計算效率是非常驚人的。

在功能孿生方面，Cadence 此前收購了 VLAB Works。通過 VLAB 虛擬開發(fā)設(shè)備，Cadence 的工具支持軟件定義車輛（SDV）的開發(fā)，通過虛擬平臺或虛擬模型來模擬汽車功能，進而加速軟件開發(fā)和持續(xù)集成。Cadence 的 Palladium Z3 和 Protium X3 等工具提供了高性能的仿真和原型設(shè)計，為功能孿生加速，加快芯片和軟件的協(xié)同驗證。

Cadence 也在大力投入仿生計算生物學(xué)，為此公司收購了 OpenEye，該公司是這一新興領(lǐng)域的領(lǐng)導(dǎo)者之一，與全球前 20 大制藥公司中的 19 家合作。對于 Cadence 而言，這是更加長遠的計劃，可能成為公司業(yè)務(wù)增長的主要引擎之一。

從工具到平臺全面擁抱 AI

在數(shù)字設(shè)計實現(xiàn)方案上，Cadence 正處于行業(yè)領(lǐng)先地位，通過集成數(shù)字設(shè)計、模擬/定制、調(diào)試和驗證、3D-IC/PCB、多物理場等技術(shù)，提供全面的系統(tǒng)設(shè)計和分析解決方案。

面向復(fù)雜的 AI 芯片設(shè)計，Cadence 提供高帶寬內(nèi)存（HBM）、LPDDR、PCIe 7.0 等高速接口 IP，適配先進制程（如 TSMC N2P、Intel 18A）。同時，Cadence 3D-IC 解決方案支持數(shù)字——模擬——封裝——系統(tǒng)統(tǒng)一分析，解決 Chiplet 互連、熱管理、電磁干擾等問題，幫助提升芯片開發(fā)效率。Paul Cunningham 博士舉例說，Cadence 3D-IC 解決方案可以在一夜之間對一個非常復(fù)雜的先進 2.5D 封裝 Multi-Die 設(shè)計進行完整的功耗仿真，而傳統(tǒng)方式可能需要 1-2 周。

Cadence 也提供大量由 AI 驅(qū)動的設(shè)計工具，包括 Cadence Cerebrus、Virtuoso Studio、Verisium Al Studio，實現(xiàn)了從數(shù)字設(shè)計到系統(tǒng)設(shè)計的自動化，顯著提升了生產(chǎn)力和性能。Paul Cunningham 博士稱，在 IP、工具和平臺等方面，Cadence 正全面擁抱 AI。

談到代理式 AI 在 EDA 領(lǐng)域的落地，Paul Cunningham 博士將其分為 5 個等級：L1 為優(yōu)化式 AI，實現(xiàn)自動化布局布線、功耗優(yōu)化等功能；L5 則是全自主設(shè)計，Cadence 的 JedAI 平臺便是這一水平的平臺——JedAI 平臺支持多云環(huán)境，整合多種工具和 LLM API，可與客戶 AI 平臺結(jié)合，具備數(shù)據(jù)推理、嵌入優(yōu)化等功能，支持從設(shè)計到驗證的全流程自動化。

代理式 AI 和 EDA 的融合正在加速，也正幫助芯片和系統(tǒng)設(shè)計的生產(chǎn)力重回數(shù)量級躍升時代。目前，市場上大概有超過 50% 的先進芯片由 AI 驅(qū)動設(shè)計，隨著 EDA 公司產(chǎn)品組合的完善，這一比例將很容易超過 80%。從 Cadence 公司自身來講，預(yù)計到 2025 年底，設(shè)計工程師將能夠在公司的產(chǎn)品頁面上直接與工具聊天，并獲取所有文檔和專業(yè)知識。

Cadence 有一個宏大的愿景，致力于通過融合前端 Agent、模擬自動化、Cerebrus AI Studio、Verisium AI Studio 等幫助 IC 設(shè)計公司構(gòu)建自己的AI Agent，實現(xiàn)通過提示就能完成芯片設(shè)計的全過程，包括生成網(wǎng)表、運行流程、修復(fù)錯誤、收斂時序、DRC 檢查等。這一愿景的實現(xiàn)可能需要幾年時間，但最終會實現(xiàn)。

Paul Cunningham 博士總結(jié)說，當前我們正處于 AI 技術(shù)驅(qū)動芯片設(shè)計的歷史拐點，最先進的芯片現(xiàn)在都使用 AI 輔助工具進行設(shè)計，未來代理式 AI 賦能的芯片數(shù)量將繼續(xù)攀升并持續(xù)縮短芯片的設(shè)計周期。Cadence 致力于提供全面的智能系統(tǒng)設(shè)計解決方案，支持多個行業(yè)的技術(shù)進步。