EDA工具的边界不断延展

Cadence公司中国区总经理汪晓煜

12月22日，在无锡举办的“中国集成电路设计业2021年会暨无锡集成电路产业创新发展高峰论坛（ICCAD 2021）”上，Cadence公司中国区总经理汪晓煜带来题是《生生不息，智以驭器——开拓EDA无尽边际》的精彩分享，以下为演讲全文：
    
国民经济在推动半导体的前进和发展，从过往的家电时代，再到PC，再到手机为代表的移动互联网，再到现在比较热的智能物联网，万物互联时代，过往是通信、计算机，包括消费电子，在推动整个半导体发展，现在是新能源车、智能电动车，包括工业互联网，甚至包括未来两年可能大量出现的元宇宙，这些在推动整个半导体产业的进步。随着5G技术的普及，包括对于功耗的改善，我们发现在5G应用领域，5G渗透率大幅度提高，随着人工技术的成熟和发展，无人驾驶也在走进我们的生活，L3、L2逐渐成熟，算力的不断加持，一定会通过L4的发展，我相信随着进一步的算力提升，包括人工智能技术的发展，无人驾驶最高等级的L5在不久的将来也一定会到来。所有的这些应用都离不开超大规模的计算，它是所有应用的基础，我们很高兴看到在同一个时期，有那么多强的驱动力在推动半导体的发展，这会给我们带来大量的机会。
   

过去几年，曾经有不少论调说半导体可能是一个夕阳产业，因为摩尔定律在变缓，可能在座的各位都会听到这种声音，但是实际上，我相信刚才我提到的那几种强的推动力，有它们在推动，未来半导体的发展一定不是一个夕阳产业，尤其是今年全球“缺芯”，很生动地给全社会上了一堂该与课。半导体的重要性，无论是中国，还是欧美、日韩，包括中国，政府层面都在推动它的发展，根据权威预测，未来几年，全世界半导体产业都会以两位数保持增长，我们看到大概2025年半导体销售额会达到7000亿美金，这是一个非常惊人的数字。
   

刚才我提到的这几种强的驱动力，它们有一个核心的联系点，就是我们的大数据，DATA早几年就有人提，现在这种状态下，社会发展到这种程度，随着云计算、物联网的普及，海量的数据每天在成爆发式的产生，这个时候我们提数字经济才比较有现实意义。但是我们发现一个问题，有大量数据在产生，但是每年可能只有2%的数据会被分析，还有大量的数据，类似于没有被开发的沃土，它没法转型为企业数字化转型的核心资产，那怎么样才能把这些数据利用起来，提高它的分析比率和效率，这对我们半导体就提出了很多的挑战，你要有高密度的存储、高带宽的传输、高性能的计算，这样才能保证数据能真正地被利用起来，这个势必对我们的芯片设计、架构、EDA工具、IP开发，甚至是制造，都提出了很多挑战和创新的要求。
   

数字经济的基础，除了数据以外，就是我们的超大规模计算，有一个统计，2020年，全球在超大规模数据中心这一块的资本支出达到了1200亿美金，这是一个非常庞大的数字，到今年6月份，全世界范围内的超大规模数据中心一共有659家，这个数字在5年前，在2016年大概只有不到300家，数据中心在直线增长。另外一块，中小规模数据中心、老的数据中心都在做升级换代，淘汰旧的硬件，升级服务器，数据中心这一块的资本支出在大幅度增加，这势将会推动半导体在计算领域的创新，尤其是对大规模算力、芯片提出更高的要求。

今年，大概是在上半年，谷歌推出他号称全世界最强算力的人工智能芯片，叫TPUV4。谷歌把它做成集群，这个集群大概有4096颗TPUV4芯片，组成一个计算集群，它的算力可以达到10的18次方等级，相当于1000万台的笔记本电脑连接在一起的算力，这是非常惊人的数据，所以怎么样把高算力做出来，它会推动我们公司用最先进的工艺、最先进的封装、最新的协议，同时还需要多物理场的仿真、软硬件协同，对我们半导体领域的促进和技术的进行有极大的推动作用。
   

人工智能已经越来越普及，提到人工智能，大家首先会想到云计算，大家我们分析下来，未来人工智能慢慢会转移到边缘计算，因为市场对很多数据的安全性、隐私性，包括节省带宽、节生功耗有很多要求，比如银行、医疗领域，数据的安全性和隐私性非常重要，你把它放到云端，很多人不放心。比如说无人驾驶，如果把大量的数据通过网络传到云端处理，一方面会产生很大的功耗，挤压很多的带宽；另外一方面，无人驾驶最重要的要素要做实时决策，在云端处理不太可能达到真正的无人驾驶，所有的数据，我们要通过无人驾驶的三大要素：传感、建模、决策推理，来去端侧，在网络边缘端做处理，这才符合整个技术的要求。所以我们预计，越来越多的人工智能，尤其是在推理芯片这一块的应用，会在边缘端得到普及。目前大概有20%的数据任务在端侧去实现，我们觉得过七到八年，大概到2030年，这个比例会提升到70%、80%，这就是边缘智能的概念。
   

刚才提到的都是外部的驱动力在推动我们产业的发展，半导体本身也有自驱，就是自己推动自己往前走，一方面是摩尔定律不断演进，另一方面先进工艺在不断地被开发出来，另外又有超过摩尔的概率，催动我们的封装、异构设计往前走。在咱们中国，有大量的初创公司，再加上系统公司、互联网公司，都在进入芯片设计领域，而且进入先进工艺节点的项目越来越多，所有这些都在推动整个产业的发展，而且在研发投入这一块，我们很高兴看到整个研发投入在不断提升。早上魏老师做报告的时候也提到了，我们整个半导体，尤其设计企业，在研发这一块的投入在进步，但是还不够，从EDA的角度，我们觉得还蛮欣慰的，这边有一个数据，每年EDA的投入，企业芯片研发占比在逐渐提高，到去年大概占到了18%，这个数字跟欧美企业比还有一些差距，但是我觉得我们在进步。
   

刚才提到EDA工具在设计企业当中能起到的作用越来越中，那怎么样帮助我们企业产品，助力你们成功呢？我们希望提供全面+智能+灵活的方案，帮助你们把产品更好、更快地做出来。Cadence在产品研发这一块非常重视，我们每年会拿出营收的40%去投入研发，即将过去的这一年，2021年，Cadence一共推出了13款新产品，其中包括了在业界的明星产品，百亿门级硬件加速仿真器，还有Solver CIoud。
   

下面我花一点点时间稍微介绍一下Cadence是怎么利用机器学习来让我们的产品变得更加的智能化、有效率。我们对于机器学习的理解分两块，一块是把机器学习算法和EDA工具算法有效融合在一起，让我们的产品变得更加智能化，它是机器学习作用于EDA本身。二是针对设计流程做智能化处理，提升设计效率。这是针对大规模数据后端做最优化产品，叫优化数字实现流程，大家知道做大规模的数字后端设计，流程非常复杂，模块非常多，有了我们的工具，可以快速帮你找到最佳配方，最佳的配方、最佳的参数设置、最佳的流程，短时间内找到，最终提升你的PPA，达到生产效率的提高，这个工具虽然是今年推出的，但是前两年，我们跟国内外很多客户做过大量的评估和尝试。做过验证的同事都知道，回归需要消耗大量的资源和时间，我们通过机器学习，产生新的运行用率，这样你在做新的回归的时候，可以达到只用初始回归10%的时间，可以实现相同的覆盖率，基本上生产率可以提升10倍以上。
   

我们跟全世界机器学习的领导者，麻省理工合作，我们跟他合作了三四年，针对复杂的PCB设计综合这一块做了大量的尝试，最终我们在一些客户那边得到充分的验证，可以针对复杂PCB的设计实现多目标优化。
   

这是我刚才说到的机器学习在EDA工具当中发挥的作用，今年咱们国内大量企业碰多一个很大的问题，就是人才短缺，尤其是有经验的人更缺，我想请各位以后多考虑一下EDA工具，我们可能真正地帮你提升效率，节省人力，而且我们非常希望跟我们的客户在一起，把你的产品优化，让它更智能化，大幅度提升你的生产力。
   

先进封装这一块，Cadence很早就有布局，我们很多年前就有封装工具，业内的封装技术人员都会用到，我们跟很多朋友都在探讨怎么样去做好先进封装，做好系统级封装，做好2.5D、3D设计，其实这里面有很多的挑战，你把不同的芯片跟PC、封装整合在一起，做设计，要考虑到里面的信号完整性、热功耗、持续的收敛、物理验证等等，全部都是挑战。讲Cadence怎么解决这些挑战之前，我想先举几个例子，最左边的是把DRAM和SOC放在一起；第二种是通过Interposser把两个TIV连接在一起，提升带宽；真正超过摩尔的，我们认为是用chip连节两个TIV，它可以缩短连线，降低功耗，提升性能和带宽，封装尺寸也会显著减小，大一点的面积也会减小，带来的结果是，芯片良率提升，产品竞争力节出来了。
   

Cadence这两年做了很多这样的案例，有一个原始是两维的平面，里面有Mixed，有Original，Cadence有一个独特的工具，它们连接，降低功耗。经过三四年的研发，Cadence今年总算推出了，我们认为这是一个划时代的产品，是业界第一款真正意义上的一体化3D-IC设计开发平台Integrity 3D-IC。为什么我说业界第一款呢，之前有很多方案，把每家公司不同的解决方案拼在一起。我们这个方案，里面全部都是我们的工具，有模拟、有数字，有PDB，有封装，还有这两年推出来的系统集仿真分析工具、多物理场分析工具，有3DEM、热功耗、收敛分析，这个平台会上升为统一的数据库工作。关于平台技术详细部分，明天上午我们公司有技术专家的专场报告，感兴趣的朋友到时候可以现场交流。
   

最终总结一下Cadence近几年的战略，这是在去年年初提出来的，强化我们在EDA这块的核心竞争力，强化我们的芯片设计流程和IP，基于我们的强大的计算软件能力，把它渗透到系统集仿真这一块，去帮助我们的客户，不光是做好你的芯片，甚至做好你的系统级的产品开发。最后一点，全面把人工智能、机器学习技术加持到我们所有的产品上，让我们的方案变得更加的智能化。