電子發(fā)燒友網(wǎng)報道（文/吳子鵬）當摩爾定律逼近物理極限，3D-IC成為延續(xù)算力指數(shù)級增長的新選擇；當大模型發(fā)展一日千里，AI開始反向定義芯片設計與需求。兩條技術曲線在同一時空交匯，EDA工具鏈的智能化升級已然成為產(chǎn)業(yè)大勢。

作為電子系統(tǒng)設計領域的核心領導者，Cadence會如何迎接這場產(chǎn)業(yè)變革？Cadence全球副總裁兼三維集成電路設計分析事業(yè)部總經(jīng)理顧鑫在接受電子發(fā)燒友網(wǎng)采訪時，闡述了其深度洞察與戰(zhàn)略思考。

AI重塑EDA：從工具優(yōu)化到流程革命

傳統(tǒng)模式下，EDA工具通過算法優(yōu)化助力工程師完成手動難以實現(xiàn)的芯片設計任務，這一過程依賴確定性算法，還需工程師通過腳本串聯(lián)工具鏈，流程繁雜且效率受限。顧鑫認為，AI將從兩個層面重塑EDA工具：一是點工具性能的顯著提升，二是整個設計流程的根本性變革。

在點工具性能提升方面，AI可依托海量數(shù)據(jù)與仿真結果優(yōu)化EDA工具?！爱斍拔覀兊腅DA工具鏈中，從布局布線、電路仿真、多物理場仿真到前端RTL代碼優(yōu)化，每個環(huán)節(jié)都能通過AI實現(xiàn)性能的大幅提升?！鳖欥谓忉尩?。

在設計流程優(yōu)化方面，AI的核心優(yōu)勢在于實現(xiàn)工具鏈的智能串聯(lián)。傳統(tǒng)EDA工具鏈依賴工程師通過Python、Tcl等腳本語言銜接不同工具，完成從RTL到GDS的全流程設計，不僅耗時費力，更高度依賴工程師的經(jīng)驗積累。而AI通過機器學習整合客戶設計流程數(shù)據(jù)與Cadence自身技術積淀，能夠自動串聯(lián)工具鏈——最終要實現(xiàn)的目標是，工程師只需通過自然語言下達指令，即可獲得最優(yōu)設計結果。

顧鑫特別提及AgenticAI，將其視為AI賦能EDA的核心突破點。該智能體不僅能提升布局布線、時序分析、功耗分析等關鍵節(jié)點的工具效率，帶來顯著生產(chǎn)力增益；更重要的是其具備智能流程調度能力——用戶通過自然語言與AgenticAI交互后，智能體可內部調用大語言模型生成復雜腳本，調度各類工具完成仿真與數(shù)據(jù)分析。

目前Cadence內部擁有超過50款點工具。顧鑫指出，未來18個月內，各業(yè)務部門的核心任務是通過智能體流程實現(xiàn)這些點工具的全面串聯(lián)，打通工具間的數(shù)據(jù)流交互，這是“AI for EDA”的核心基石。“誰能在這一環(huán)節(jié)占據(jù)先機，誰就能贏得‘AI for EDA’的最終競爭。”

3D-IC設計：AI賦能的黃金領域

EDA工具鏈的智能化升級不僅關乎芯片設計效率的躍遷，更深刻影響著3D-IC等新興技術的產(chǎn)業(yè)化進程。在顧鑫看來，“3D-IC是全新領域，更是AI發(fā)揮效能的理想場景?！?br />
據(jù)Future Market Insights數(shù)據(jù)顯示，2025年全球3D-IC和2.5D-IC封裝市場規(guī)模將達583億美元，2025至2035年間年復合增長率預計達9.0%，2035年將攀升至1380億美元。AI芯片是3D-IC和2.5D-IC的核心目標市場，而通過EDA工具，AI正反向賦能3D-IC產(chǎn)業(yè)發(fā)展。

“與傳統(tǒng)2D-IC不同，3D-IC設計的核心難點在于早期決策的科學性。”顧鑫表示，“工程師需在設計初期確定堆疊配置（如SoIC、CoWoS-L/R）、模塊擺放、Die間互聯(lián)方式等關鍵參數(shù)，任何決策失誤都可能導致后期出現(xiàn)災難性后果。最復雜的3D-IC設計涉及16顆芯片堆疊，產(chǎn)生的設計空間組合復雜度空前。”此外，多物理場仿真效率是另一大挑戰(zhàn)——因需綜合考量電、磁、光、熱、力、流六個維度，傳統(tǒng)基于第一性原理的仿真往往耗時數(shù)小時，嚴重拖累設計周期。

在3D-IC設計全流程中，AI的價值凸顯于兩大核心場景：一是早期決策支撐，由于3D-IC技術較新，行業(yè)數(shù)據(jù)積累有限，傳統(tǒng)經(jīng)驗驅動或簡單計算的決策模式難以應對復雜設計空間，而AI憑借強大的搜索與優(yōu)化能力，可在海量設計組合中快速找到性能與成本的最優(yōu)平衡點，為早期決策提供科學依據(jù)；二是仿真效率提升，AI能將多物理場仿真時間從數(shù)小時縮短至幾分鐘，且誤差控制在1%-2%范圍內。

Cadence將AI與3D-IC視為相互成就的戰(zhàn)略核心，提出“design for AI, AI for design”的新戰(zhàn)略。“AI給設計行業(yè)帶來了前所未有的算力挑戰(zhàn)，而3D-IC是解決這一挑戰(zhàn)的工業(yè)級方案。”顧鑫強調，“我們內部的核心策略是‘design for 3D-IC, 3D-IC for AI’?！睘榇?，Cadence專門成立3D-IC設計團隊，整合Integrity 3D-IC設計平臺、EMR、EMX等工具，形成完整解決方案，“可全面服務各類3D-IC客戶”。

Cadence的“五步走”AI戰(zhàn)略

面對AI驅動的EDA產(chǎn)業(yè)變革，Cadence制定了“五步走”戰(zhàn)略。其中前兩步已取得階段性進展：
第一步是優(yōu)化型AI：通過AI算法賦能Innovus、Voltus等核心工具，目前已實現(xiàn)性能提升的階段性成果；
第二步是對話式AI：將大語言模型（LLM）植入設計工具，支持工程師通過自然語言查詢工具用法、分析運行結果，大幅提升操作效率。

隨著智能化水平迭代，Cadence的終極目標是實現(xiàn)全流程自動化。顧鑫表示：“未來，我們將逐步深化智能體流程部署，最終實現(xiàn)以自然語言指令驅動全流程設計、無需手動干預的終極目標?！?br />
在技術落地層面，除持續(xù)優(yōu)化智能體流程與打磨數(shù)據(jù)體系外，Cadence也關注模型垂直化與算力支撐等核心問題。模型選擇上，Cadence既與主流大語言模型保持合作，又通過構建專屬向量數(shù)據(jù)庫，將多年積累的設計知識、工具文檔、客戶交互數(shù)據(jù)注入模型，實現(xiàn)EDA領域的垂直化優(yōu)化——這正是Cadence的核心競爭力，也是通用大語言模型無法替代的優(yōu)勢。算力支撐上，Cadence推出專屬硬件Millennium，這款集成32張GPU的服務器可直接交付客戶，為大模型部署提供強勁算力，破解AI-EDA工具的硬件門檻難題。

針對客戶高度關注的數(shù)據(jù)安全與本地化部署需求，Cadence創(chuàng)新推出“基礎模型+增量訓練”模式：由Cadence提供基于內部數(shù)據(jù)訓練的基礎模型，客戶再通過自身數(shù)據(jù)進行增量訓練得到最終模型。該模式下，客戶數(shù)據(jù)無需上傳至云端，有效保障數(shù)據(jù)隱私；同時，Cadence大語言模型座艙JedAI支持多模型靈活切換，國內客戶可按需選用本土大語言模型，部分本土模型已展現(xiàn)出優(yōu)異性能，為本土化合作奠定堅實基礎?！半S著AI工具大規(guī)模部署，設計流程數(shù)據(jù)的存儲與復用將愈發(fā)重要，數(shù)據(jù)本身甚至可能比設計成果更具價值。”顧鑫補充道。

生態(tài)構建方面，Cadence高度重視兼容性與開放性?？紤]到客戶可能采用第三方點工具，Cadence通過支持MCP開放協(xié)議，實現(xiàn)與第三方工具的協(xié)同調度；未來將進一步強化設計工具的“中立性”，滿足客戶多樣化流程需求。顧鑫表示，Cadence的目標并非構建封閉生態(tài)，而是通過開放協(xié)作推動整個EDA行業(yè)的智能化升級。