图片来源@视觉中国
文 | 脑极体
过去一段时间里，我们关注了半导体行业的各个位面，比如芯片制造，操作系统，地域纷争等等，也欣喜地看到中国半导体企业在产业链中的快速就位。但同时应当注意到的是，有一扇技术大门却一直没有被推开，那就是EDA工具。
EDA，即电子设计自动化（Electronics Design Automation）的概念十分宽泛，想做芯片设计，就不离开EDA工具。在机械、智能手机、通讯设备、航空航天、生物医药等等各个涉及电子自动化的领域，通过EDA技术来完成特定目标芯片的设计，可以说是产业链上游的上游、基础的基础。
而如此重要的神兵利器，中国企业的市场认可度如何呢？答案是，毫不夸张地说，95%以上的EDA工具都掌握在美国企业手中。中国现存的10余家EDA公司，2018年销售额3.5亿元，只占到全球市场份额的0.8％，技术研发方面，也以16nm及28nm工艺支持为主。
硬件制造能力可以花钱堆设备来快速拉升，底层操作系统能够用N个“备胎”顶上，那么占据全球半导体供应链战略要地的EDA工具，又该如何寻找自己的春天呢？或许答案就隐藏在EDA正在描绘的AI蓝图之中。
单兵孤城的国产EDA
其实，早在去年“中兴事件”中，EDA工具就以大杀器的形象出现过。除了禁止卖芯片给中兴以外，全球最大的EDA公司Cadence也宣布停止对中兴服务。今年的特朗普清单中，EDA工具同样没有缺席，赫然在列。事情一旦无可挽回，中国几乎所有芯片企业都只能依靠当前版本的工具进行工作，效率大打折扣不说，还意味着很可能因为无法升级而很快落后于行业，建立在芯片能力基础上的软硬件自然也就成了无本之木、无源之水。
从理性的角度看，彻底地域化的最坏结果大概率不会出现，但EDA工具的战略地位却不得不引起重视。但话又说回来了，为什么时至今日都没有相关“备胎”出现呢？
想要寻找答案，我们需要将时间的钟摆调到1992年。
当时，中国尚处于西方对中国实行EDA禁供的窘境之中。一大批中国的科学家和工程界人士，都投入到了国家牵头的国产EDA开发之中。当时，行业涌现出了无穷的活力。
1992年，在200多个开发者的攻坚下，超大规模集成辅助设计系统熊猫IC CAD通过鉴定，覆盖了全定制集成电路正向设计的全部功能，获得当年的国家科技进步一等奖，也被视作冲破西方封锁的里程碑。
没想到的是，该项目甫一成功，对岸就迅速解除了对中国的EDA禁令，加上后来“市场换技术”的思路占主流，导致此后的十数年间，美国高端成熟的EDA工具如同狼群一般在中国市场攻城略地，中国EDA自主厂商的研发脚步也因此变缓，走上了“二次开发”“代理集成”的附属式发展道路。
一番波折之后，国产EDA就来到了一个尴尬的境地。一方面在品牌上亦步亦趋，知识产权难以把控，自然也无法形成溢价，致使中国的芯片设计企业逐渐失去了选择权和议价权。而在市场竞争中，既需要支付多套EDA工具的license专利费，高昂的成本直接拖累了设计周期及竞争力，在5nm乃至3nm等高精度芯片设计也囿于上游软件大鳄，难以施展。
这样处处掣肘的大背景下，中国EDA工具的前路在何方呢？
风水轮流转，今年看AI
今天没人能够忽视AI对社会产业带来了赋能作用，根据市场研究机构ABIResearch发布的最新报告，云端AI芯片市场将从2019年的42亿美元增长至2024年的100亿美元规模；边缘AI芯片也将以31%的年平均增长率持续扩张。而EDA作为AI芯片中不可或缺的角色，也在半导体软硬件企业、创业者与开发者的推动下，迎面撞上了新的商机与挑战。
首要的需求变化，是更高的PPA (功耗、性能、面积)目标。
想要将AI移植到智能手机、车联网、IoT等终端，具备深度学习能力的系统级芯片（SoC）就变得不可或缺，产业端对芯片封装的小型化也越来越苛刻。
在越来越小的单位面积上集成越来越多的晶体管，需要更复杂的工艺器件，电路之间的交互、热物理效应等也都会发生改变，这意味着整个设计流程都需要被重新思考，EDA工具也必须与时俱进。
同时，产业智能市场的激烈竞争，也让开发者对设计周期（Time To Market）的要求越来越高，而设计规模和规则限制也在增多，如何提升AI芯片的设计效率，减少迭代次数，进而缩短设计周期，也在倒逼EDA厂商升级。
时代浪潮的涌动之下，将AI引入芯片设计环境，就是一个水到渠成的必然选择了。
在国家战略层面，美国国防高级研究计划局(DARPA)为首的部门，开始将电子资产智能设计(IEDA) 作为代表性项目，重点突破优化算法、7nm以下芯片设计支持、布线和设备自动化等关键技术难题。
产业端，Synopsys、Cadence、Mentor，以及中国的华大等工程界也纷纷将AI设计从概念升级到实战阶段
Cadence正式推出了专门为AI设计所打造的Tensilica DNA 100处理器IP，能够利用算法提高芯片能效，功耗也大幅度降低。Synopsys也推出了内置神经网络引擎的嵌入式图像处理器，来实现内存高速存取的设计需求，还提供芯片开发初期就确保AI数据安全性的IP选项。下游的集成商如台积电，也在ARM A72和A73等内核上成功地部署了机器学习，以帮助预测最佳的单元时钟门控，提升整体芯片速度。
总的来说，AI对EDA提出了新的技术要求：一是能够以更高效率执行矩阵乘法、点积等运算任务的专门化处理；二是实现深度学习任务快速存储需求的架构创新；三是打造传递各种数据资料的连接界面。
尽管目前，国产EDA欠缺一次全面的补课，但当务之急并非盲目地一拥而上。市场的需求，产业端的算法饥渴，技术和产品填补空白的优先级，都将国产EDA工具的前路指向了AI。
重新制造轮子：中国EDA的AI土壤
当然，在EDA工具的AI化过程中，还是需要有的放矢。所以接下来，是时候讨论这个关键的问题了，中国EDA厂商的逆袭可能性，以及关键力量究竟在哪里？
对于这个庞大的命题，政策、资本、学术等可能需要几十年、几代人去解释，在此，我们不妨将目光聚焦在一些具体的技术趋势上，比如云计算。
EDA上云是未来的趋势之一，利用云端庞大的运算能力能够有效解决仿真耗时的问题，直接降低芯片创业者获取EDA工具的成本，某些芯片大企业也可以灵活地临时使用某些工具。而众所周知，中国云服务厂商无论是在硬件部署、软件创新、软硬件协同方面，已经开始成为智能产业的支撑力量，也将成为推动EDA领域进化的关键变量。
再比如AIoT的蓬勃发展。
软硬体协同这类因AI衍生的协同设计需求，需要新一代EDA工具来适应。同时，与产业应用端的亲密呼应，也会影响与打磨新一代EDA的设计与验证解决方案。举个例子，车联网、规模运算、高频通信等应用领域的设计，都对系统级分析工具提出了更高的要求，为了更全面地支持各种场景，EDA从业者也需要向工程模式（CAE）等方向全面延伸，这些领域的交融会跑出多少黑马，是个令人兴奋的未知数。可以确定的是，中国土地上如火如题的AIoT建设，也在不断为EDA产业输送养分。
撬动一座产业版图的，有时是一力降十会的绝对实力，有时也许是顺势而为的一个支点。
垒富优配提示：文章来自网络，不代表本站观点。
