在EDA禁令的33天里，四大EDA巨頭更關注3D IC和數字孿生

從5月29日美國政府頒布對華EDA禁令到7月2日宣布解除，33天時間里中美之間的博弈從未停止，但對于EDA公司來說，左右不了的是政治禁令，真正贏得客戶的還是要靠自身產品的實力。作為芯片設計最前沿的工具，EDA廠商需要深刻理解并精準把握未來芯片設計的關鍵。 

人工智能正在滲透到整個半導體生態系統中，迫使 AI 芯片、用于創建它們的設計工具以及用于確保它們可靠工作的方法發生根本性的變化。這是一場全球性的競賽，將在未來十年內重新定義幾乎每個領域。在過去幾個月美國四家EDA公司的高管聚焦了三大趨勢，這些趨勢將成為可預見的未來關注的焦點：

• AI 本身正在從嚴格控制的機器學習擴展到AI助手、生成式AI和代理AI。

• 這種轉變需要處理大量數據，以便創建大型語言模型和算法。由于芯片尺寸規模的限制，它正在推動向多晶粒組件的轉變。最好的選擇是 3D-IC。

• 芯片和系統需要在其整個生命周期內進行監控，以確保可靠性。AI容易產生幻覺，而充滿小芯片的復雜系統會以意想不到的方式隨著時間的推移而退化，從而導致無聲數據損壞、軟件更新不兼容以及基于工作負載變化的加速老化。 

AI在EDA中的用例已經從簡單的模式識別發展到輔助設計和廣泛的知識共享，使初級工程師能夠更快地上手，使資深工程師能夠擴展到新領域并提高工作效率。 

EDA大佬談AI 

“按照我們的描述方式，你有一個副駕駛，你有'協助'，你有'創意'，”Synopsys 總裁兼首席執行官 Sassine Ghazi，“[輔助]擁有工作流助手、知識助手、調試助手，以便您可以更快地提升初級工程師和專家工程師的技能。他們能夠以更現代化、更高效的方式與我們的產品交互。然后你有創意元素，而我們有很多例子，我們從 RTL 生成、測試平臺生成、測試斷言開始進行早期客戶參與，其中你可以有一個副駕駛來幫助你創建RTL的一部分、測試平臺文檔、測試斷言。”

Ghazi直言，使用創意工具可以讓各種任務從幾天縮短到幾分鐘。但所有這些都需要嚴格控制?！拔覀儾荒苡挟a生幻覺的模型，”他說，“我們非常謹慎地考慮何時以及如何與客戶互動，以確保我們提供的服務的成熟度是可以接受的，而不會使他們工作流程的任何部分面臨風險。隨著AI的不斷發展，工作流程也將不斷發展。我們的投資人經常問我一個問題，即我們何時看到EDA市場因為應用AI產生了變化。我不相信情況會如此，除非他們的工作流程發生變化，這意味著您能夠以非常不同的方式做某些事情，以便用更快、更有效、更高效的方式交付產品路線圖?，F在，隨著代理AI時代的到來，代理工程師將與人類工程師合作，以消除這種復雜性并改變工作流程?！?/p>

如果AI兌現其承諾，這一變化的規模怎么強調都不為過。但所有這些都發展得如此之快，以至于它產生了許多今天沒有明確答案的問題。時間會證明AI可以做得好，需要密切監控什么，以及風險在哪里。自 1950 年代后期以來，對 AI 變革能力的預測被證明過于樂觀。但在過去的幾年里，從ChatGPT的推出開始，它似乎終于兌現了它的承諾。Agentic AI 是下一個大目標。 

“如果我們有足夠的信心相信 AI 具有一定程度的自主性，可以經常自行做出主動決策，那么Agentic AI是一個有趣的概念，”Siemens Digital Industries Software 首席執行官 Mike Ellow 說?！霸谠O計領域，當我們開始討論代理AI（Agent AI）與代理式AI（Agentic AI） 時，這取決于你與誰交談，以及他們希望如何劃分不同的表述方式。從我們的角度來看，使用代理 AI，我們定義了一個具有一組邊界條件的任務，然后讓 AI 在該盒子內運行，以便找到解決方案。當你面對代理式AI 時，基本上你會說，'這就是問題所在。你想想執行它的最佳方式是什么。你想出那個解決方案。從 EDA 的角度來看，你可以朝著預期的結果前進。這就是我們如何看待AI演變為我們的工具的方式。AI的采用率將是前所未有的。在芯片設計中，很難找到AI不會直接或間接發揮至少一些作用的領域。 

“這對我們行業來說是一個深刻的變化，”是德科技 EDA 軟件副總裁兼總經理 Niels Faché 說?！爱斈阍诜抡嬗蚝臀锢碛蛑幸苿訒r，所有這些步驟中都會生成數據，并收集一些見解。這就是人工智能可以幫上大忙的地方。當我們從仿真角度考慮它時，它可以幫助我們進行建模。它可以幫助我們加快模擬速度。它可以幫助我們為產品添加更多專業知識，以幫助設計團隊。它可以幫助設計師生成設計。它非常強大和具有變革性。幾年前，一位客戶告訴我，'我有一個設計團隊，但他們花了很多時間在了解我們的產品的模擬原理方面。我真的希望他們成為設計師，而不是模擬器。產品設計團隊不想了解模擬器的工作原理。他們不想花費大量時間設置模擬。他們想要考慮需求，以及如何根據這些需求創建設計。這就是AI的力量。它確實可以將客戶從做事的方式轉變為他們真正想做的事情。AI 可以幫助您在印刷電路板上進行布線或提出新的拓撲。 

Cadence Design Systems 總裁兼首席執行官 Anirudh Devgan將AI比作EDA三層蛋糕中的一層。（譯者注：AI解決方案構建了三層架構：底層利用現有引擎進一步加速AI 部署；中層通過代理式AI，針對數字、模擬及仿真領域，提供多樣化 Optimization AI 解決方案；頂層Cadence Copilot，借助大語言模型（LLM）等先進技術，升級基于LLM的AI解決方案。）“部署應用要成功，他們需要具備所有這三個部分，”他說。“有AI代理和編排。有原理層面的仿真模擬，有時人們會忘記這有多重要。它是真正的晶體管行為、分子行為、流體動力學、熱學。這是無可替代的，然后你就有了運行它的計算能力。 

從計算的角度來看，AI 似乎更像是進化而不是革命性的?！皠傞_始時，AI是一種密集的計算，”Devgan說。“但物理世界并不密集，AI也不密集。所有的神經網絡都不是密集的。因此，由于設計和需求的復雜性，我們在所有這些算法中進行了創新。然后是延遲、分區和層次結構。你可以在移動抽象層的頂部看到一些，在純算法的底部看到一些。但現在，有了AI，我們可以從自然語言和優化的角度在軟件方面進行更高水平的創新。AI非常擅長優化，這就是我們多年來一直致力于優化的原因。我們擁有五大AI平臺——數字、驗證、定制、包裝和系統分析。結果實際上是相當驚人的......AI 可以徹底改變芯片設計，這就是我們在這五個平臺上投入巨資的原因。 

EDA 供應商利用AI的方式因起點而異。但LLM的優點之一是它們能夠跨越不同的數據類型，基本上提高了整個流程的抽象級別。因此，起點并不像乍一看那么重要。關鍵是他們如何獲取和利用數據，以及他們可以在設計階段之外擴展數據的能力，這在很大程度上取決于未來如何共享和保護數據，以及公司從何處看到機會。 

正如西門子的 Ellow 所解釋的那樣，“它從生成式AI領域開始作為基礎，因為這是第一個階段，你可以從我們那里獲得一堆經過驗證的數據源及其客戶數據。它進入數據池，您可以在其中訓練LLM。我們有能力使用各種LLM，或者客戶可以使用他們自己的LLM。然后，您可以將其整合到基礎設施中，并在其上使用我們的所有工具。 

鑒于這個全新領域機會的廣度，選擇合適的機會是一項艱巨的任務。這就是為什么初始起點需要具有相關性?！俺蔀樯漕l工程師需要多長時間？這是一門藝術，“Keysight的Faché說。“這不是你在六個月內就能學會的。這通常需要數年時間。但借助AI，我們可以讓設計人員更容易獲得和獲取信息，并且我們可以真正縮小非常有經驗的RF設計人員和新手工程師之間的生產力差距。聊天機器人是在正確的時間以更好的形式向客戶提供服務的一個例子。 

3D-IC 芯片 

AI 需要大量數據，尤其是用于訓練模型。問題在于，由于標線限制，平面芯片無法快速有效地處理所有這些數據，這就是為什么許多數據中心使用某種多晶片組件（扇出或 2.5D）來提高性能并降低功耗的原因。

圖3D-IC 概念模型。來源：Intel Foundry/Semiconductor Engineering 

但這些在很大程度上是漸進式的收益。要在性能和功耗方面實現數量級的提升，需要真正的 3D-IC、混合鍵合和小芯片陣列?！笆褂?2.5D，您可以在如何構建芯片方面獲得更大的靈活性，使其對正在運行的軟件更加柔韌，”Ellow 說。“當你使用完整的 3D-IC 時，你能夠在不同的芯片之間更離散地進行分區，并利用不同的工藝來優化不同的功能，這為如何更好地適應軟件工作負載提供了更多有趣的可能性。它旨在優化。但這仍然有點令人向往。

兩個關鍵挑戰是如何管理散熱，以及如何確保不同層能夠正確粘合在一起，以便密集封裝的互連完美排列。3D-IC 中的一些小芯片將使用最先進的工藝開發，而另一些小芯片可能采用成熟的工藝開發，這一事實使情況變得更加復雜。

Ghazi 說：“客戶已經在談論數萬億個晶體管，將它們整合到一個封裝中，而他們的時間表是從18個月流片到16個月、12個月或更短的時間，以便為智能系統提供定制芯片。“你怎么處理呢？單個芯片上的技術的復雜性 — 我們談論的是 GAA、埃米級以設計該芯片 — 然后將它們整合到一個先進的封裝中。

這是擴展到數千億或數萬億個晶體管的唯一方法，但將其整合起來將是一項工程壯舉。“當你開始擴展到那個復雜程度的那一刻，你只能通過在互連級別保持高效來實現性能或功耗，”Ghazi 說?！癉ie可能來自不同的工藝技術和不同的晶圓廠。您如何驗證和確認架構以交付給高級的封裝？

這也為小芯片形式的軟IP和硬IP打開了大門。Devgan 說：“存在新的機會，尤其是3D-IC和AI的積累，因此我們正在加倍投入IP投資?！拔覀兲峁┑腎P數量和進程節點的數量都顯著增加。IP現在是 Cadence 最大的研發團隊之一，我們將繼續投資，不僅要投資物理IP和接口IP，還要投資被廣泛用作嵌入式處理器的Tensilica。 

數字孿生（Digital Twins）

EDA 供應商敏銳地意識到AI 統的風險和3D-IC架構中的未知因素。 

“需要將設計和測試連接起來，并且要應對從設計到測試的驗證中存在的數字威脅，”Faché 說?！坝幸恍┕ぞ呖梢怨芾碣|量和可靠性。當然，對數據管理和分析的需求也越來越大。所有這些工具都需要存在，客戶需要從自主開發的工具轉向商業工具。但這些工具也是相互依賴的，因此需要一個中心輻射模型，其中不同的工具可以作用于數據。數據會隨著時間的推移而變化。他們可能會消耗數據。他們可能會生成數據。IP是在產品生命周期中開發的。因此，如果我們想實現真正的數字化轉型，我們需要一個背板基礎設施，讓客戶能夠做到這一點。數據管理過程至關重要。

這個概念仍在不斷發展，術語也是如此。一些供應商稱其為數字孿生，而另一些供應商則稱其為虛擬孿生。但基本概念是實時監控系統以確保其按預期運行，根據工作負載盡可能對其進行優化，并在需要修復問題時采取行動。

Devgan 說：“對精確的數字孿生有巨大的需求，尤其是在物理和相應的芯片方面，這將推動這一需求?！斑@就是我們為數據中心投資數字孿生的原因，用于模擬整個數據中心。這是一個非傳統產品，但它已經變得非常重要——應用CFD、仿真和AI來優化數據中心。我們甚至在內部將其應用于我們自己的數據中心。關于數據中心，要記住的是，不僅僅是這些大型云公司。企業中有很多數據中心。當我們將其應用于自己的數據中心時，我們獲得了 10% 的功率提升，這是巨大的，因為沒有太多的科學應用于數據中心的設計。芯片、機架和所有網絡的設計都應用了大量的科學知識。但是，您如何放置數據中心呢？您使用多少池化？是過冷還是冷卻不足？您是否定期維護它？這并不是通過像芯片設計那樣多的科學來完成的。因此，一旦數據中心有了數字化趨勢，您就可以進行更多的優化。

這個概念很好理解。但是，盡管取得了一些早期成功，離散數字孿生仍是一項正在進行的工作。“數字孿生還不是一個貨幣化的系統，”Ellow說。“這是一個作品的集合。它通過電子設備包含軟件、半導體、封裝和電路板元素。但還有電氣效應， Mentor有線束和網絡連接等東西。你有機械部分，以及與之相關的多物理場的更廣泛的投資組合。然后是產品生命周期管理，因為所有這些事情都必須根據物料清單來構建。當您將整個產品組合引入制造流程仿真和類似內容時，仍然存在差距。您如何為最終產品的實際生產設置所有這些，其中所有這些系統都集成在一起？要解開的東西很多?！?/p>

數字孿生在EDA領域正在取得進展，但這不是一個按按鈕、一刀切的解決方案?！白鳛橐粋€行業，我們已經討論了一段時間，但考慮到如何在系統層面進行實時仿真以及分析和優化的復雜性，這一點至關重要，”Ghazi指出數據中心和汽車等應用是這項技術的關鍵市場。“隨著我們開始更深入地研究汽車和自動駕駛的復雜性，數字孿生需要對電子設備和周圍環境進行建模。就汽車而言，我們必須與生態系統合作。他們還有其他部分需要加入芯片虛擬化和電子系統?！袄鏢ynopsys與IPG的合作，后者提供汽車仿真技術?！拔覀兡軌驅刂葡到y以及區域和計算ECU進行虛擬化和建模，以便相互通信，”Ghazi 說。“我們提供了電子虛擬化，而IPG則引入了周圍的物理世界。在執行軟件開發期間，測試團隊可以觀察該芯片在環境中針對他們正在構建的特定工作負載的行為。這不僅適用于汽車，無人機、數據中心等都從這種虛擬化中受益。如果我們讓它更接近硅，那么3D-IC或高級封裝是一個極為復雜的系統，您不僅需要考慮電子設計。你可以說在這種情況下的電子設計是被理解的。但是，當你開始將小芯片堆疊到這個先進的封裝中時，你就面臨著一系列其他挑戰，無論是熱、機械、流體還是結構。