Cadence：应对生成式AI变革 打造“芯片到系统”

大模型支撑的生成式AI“热度”持续升温，不仅有望深度赋能千行百业，也在激发半导体产业链自上而下的深刻变革。

在今日开幕的2023 ICCAD上，Cadence 副总裁、中国区总经理汪晓煜在题为“步入芯片和系统设计新范式”的演讲中提到，摩尔定律不仅反映了半导体行业的发展规律，也推动了整个信息技术领域的创新和变革，人工智能、5G 通信、HPC、自动驾驶和工业物联网等新的应用需求、算力和能效要求对于芯片和系统设计提出了更高的要求。在此趋势下，芯片和系统设计的复杂性也不断增加，如何利用生成式AI解放生产力将成为制胜关键。Cadence厚积薄发，全面打造了“芯片到系统”的AI驱动EDA方案，助力全产业链共创共赢。

Cadence 副总裁、中国区总经理汪晓煜

数字化革命和转型驱动EDA“AI”化

汪晓煜在开场中直言，半导体进步的核心推力是持续提升经济附加值，在半导体进入晶体管时代开始催生了一系列产品和应用繁荣，从大型计算机到家电，到个人电脑PC，再到智能手机，以及兴起的智能终端、智能汽车等等。

在摩尔定律的引领下，多重技术和多种应用共同驱动市场持续增长，半导体行业持续蓬勃发展。汪晓煜引用数据提到，预计到2030年，全球半导体规模将超过1万亿美元，而人工智能、5G 通信、HPC、自动驾驶和工业物联网等催生的智能电子系统市场也将有望在2028年达到3万亿美元规模。

在经过第一次工业革命开启蒸汽机时代，第二次工业革命开启电气化时代，第三次工业革命开启自动化时代之后，汪晓煜认为，第四次工业革命开启的是信息化和数字化时代，之前三次工业革命单一技术的变革来实现突破的，即从蒸汽机到电力再到计算机，在第四次工业革命早期互联网技术的普及推动了信息化。在目前阶段是整个社会从信息化转向数字化，我们可以称之为后工业4.0时代，AI成为驱动核心，半导体则承载着AI技术和应用的落地，通过AI和半导体技术的不断发展催生智能系统的应用和普及，进而才能推动整个社会的数字化转型。

而要构成一个真正意义上的智能系统，不止是芯片层面软硬件的结合，还必须实现一定的感知能力、学习能力和计算能力以及海量数据的融合。汪晓煜指出，整体而言，智能系统需要软硬件系统与AI的高度融合。

相应的，这也引发了芯片设计和智能系统融合的挑战。汪晓煜提到，摩尔定律推动工艺提升，线宽缩小势必带来更复杂和更大规模的设计。尽管考虑经济效益，可以采用3DIC和先进封装设计，但对散热、信号完整性、电磁效应、良率和可靠性都产生一系列的挑战，基于传统EDA设计流程已然难以应对挑战。

汪晓煜指出，芯片复杂度将在下一个十年增长100倍，而采用先进工艺节点设计的芯片数量将增加扩大4倍，基于传统的设计流程，势必需要大量的半导体人才才有可能实现设计目标的需求。但是现实的问题是无论中国还是全球，半导体人才的短缺都不是短时间可以解决的问题。为了应对这些挑战，AI驱动的EDA解决方案已成为“首选”。

对此汪晓煜进一步表示，EDA工具需更快响应新需求，需要更进一步的智能化，实现多运算、多引擎才能加快芯片迭代速度，支撑半导体业向后摩尔时代发展。通过JedAI平台，设计流程可从大量数据中通过自主学习，不断优化，进而最终减少设计人员的人工决策时间，大幅提升生产力，从而不断地提升生产力。

汪晓煜进一步介绍，利用LLM技术将生成式AI扩展到设计流程中，可以有效提升验证和调试效率，加速从IP到子系统再到SoC level的代码迭代收敛。

打造“芯片到系统”的AI驱动EDA方案

Cadence作为全球 EDA 行业的领导企业，在业内第一个推出了全面的“芯片到系统”AI驱动的EDA工具平台Cadence JedAI Platform，包括Verisium验证、Cerebrus物理实现、Optimality系统优化，Allegro X AI系统设计及Virtuoso Studio模拟开发设计等五大平台和分别对应的AI加持的EDA工具。通过JedAI这个统一的数据平台，可以有效地进行数据的存储、分类、压缩和管理，推动EDA工具和设计流程的自我学习优化，从而实现生产力的极大提升以及功耗、性能和面积（PPA）的进一步优化。

Cerebrus作为Cadence首款创新的基于机器学习的数字实现工具，可推动数字芯片设计流程高度自动化、智能化，让客户可以达成严苛的芯片设计目标。汪晓煜提到，Cerebrus在客户超过200款芯片流片过程中的战果辉煌，如在3nm多核CPU IP的漏电优化中提升38%、5nm GPU设计效率提升8倍、7nm智能驾驶SoC时序优化提升60%等。

随着SoC复杂性不断提高，验证往往比其他工程任务更加消耗算力和人力，如何缩短验证周期已成为产品按时上市的关键。汪晓煜指出，通过部署Verisium平台，汇集所有波形、覆盖率、报告和日志文件等验证数据于JedAI平台中，在此平台上建立机器学习模型和发掘更多特定指标，进而将其应用于全新系列工具上，从而极大地提高验证工作效率。从其表现来看，无论是10亿门手机SoC设计改进、存储控制器IP的快速抖动分析、RISC-V GPU的RTL改进验证，均可分别提升20、30和60倍，功力强大。

此外，一直以来PCB设计中的布局布线是一个耗时的手动过程，且影响上市速度。而Cadence推出的Allegro X AI技术，可自动执行器件摆放、金属镀覆和关键网络布线，并集成了快速信号完整性和电源完整性分析功能，为当前高速、高密度、多层的复杂PCB设计布线提高了生产力、优化了质量。汪晓煜介绍案例时说，使用Allegro平台的生成式AI功能，单层计算机开发板布局布线效率能提升57倍，消费IoT板布板时间能减少至48倍，自动驾驶PCB板的布局布线效率提升最高达39倍。

可以看到，Cadence在EDA全流程领域的“AI”化带来了复杂芯片设计和PCB设计的大解放。

汪晓煜最后强调，Cadence将不断通过AI赋能和优化EDA方案，着力形成真正意义上的多模块、多功能设计中心化，从而全面提升芯片设计生产力，这是芯片设计的未来。