电子设计自动化 (EDA) 行业一直与其客户保持着独特的共生关系。它始终如一地提供芯片设计工具、方法和流程方面的进步，使计算机、电信、汽车和其他许多行业的下一个伟大创新成为可能。如果没有EDA，就无法跟上摩尔定律的步伐，而摩尔定律也是EDA本身的推动者。

　　我们正快步进入人工智能时代。支持人工智能的芯片和复杂的算法是各行各业取得许多巨大进步的关键，其中的许多突破都是通过最新的EDA创新实现的。随着协同循环的推进，我们正在利用AI的力量创造新的应用，从而更快更好地设计芯片。

　　新思科技(Synopsys)最近发布了对2021年人工智能芯片的创新预测，主要包括以下五方面：

　　AI硬件时代的架构感知设计工具

　　AI芯片的开发需要重新调整端到端的硬件开发方法才能实现扩展。现有的工具正变得更加具有“架构感知”能力，因此新增的功能和方法可以显著加快新计算范式的实现。这些功能和方法包括：

　　验证解决方案，如原型设计和仿真。这些基于软件的验证技术将得到越来越多的使用，它们可以支持详细规则驱动的逻辑验证、形式化验证和详细的功率和时序分析；

　　与现行设计流程相比，新的设计实现解决方案需要在更高的抽象层次上契合设计人员的需求。该解决方案可实现在架构探索过程中准确预估功耗、性能、面积(PPA)，并遵循高度收敛的路径，直至最终的签核和制造；

　　AI时代，半导体IP将变得更加重要。设计团队希望采用经验证的设计元素来满足AI芯片的处理、内存和实时连接等要求；

　　从制造和良品率的角度看，使用新型材料、GAA三维堆叠架构和EUV技术也需要新的方法。新思科技的解决方案，如TCAD工具、掩模合成以及与物理实现流程的紧密集成，在帮助芯片公司优化AI芯片的制造流程方面发挥着关键作用。

　　AI成为芯片设计主流

　　AI将越来越多地应用于IC设计流程的更多领域。一般来说，在具有以下特点的设计、验证和制造领域中，AI的价值将尤为凸显：

　　如果任何类型的设计任务中都涉及大量的启发式设计，AI将因其有效利用率大大提升而被普遍应用；

　　当出现大量手动重复性任务时，比如在调试过程中，AI将因其超高的效率，可以帮助节省大量时间而被普遍应用；

　　当某个设计步骤中存在海量的数据，且设计师也不知道该如何处理时，AI将因其可以减少搜索空间并提高效率而被普遍应用；

　　事务性任务，比如验证是不断重复运行相同的测试，AI可以帮助工具仅查看有更改的地方，从而显著减少计算时间，更快提供结果，AI将因其有针对性地提高效率，减少时间而被普遍应用。

　　新思科技在2020年初推出的DSO.ai是EDA行业首次尝试将AI应用于非常复杂的设计任务中的产品，可以在芯片设计的巨大求解空间里搜索优化目标，从而实现最佳PPA。这一创新平台利用AI来获取由设计工具(如布局布线和电路版图生成)生成的大数据流，探索搜索空间，并使用强化学习技术来观察设计随时间的演变情况，同时调整设计选择、技术参数和工作流程，指导探索过程向多维度优化目标发展。

　　新思认为，AI拥有很大的潜力，可以实现生产力和效率的跨越式提升，这是EDA未来几年的主要创新领域。

　　使AI更值得信赖

　　“可信赖的人工智能”，这个词汇的含义很广泛，最近出现的频率也很高。这是因为随着人工智能的不断发展，AI的各个方面受到了越来越多的关注，其中最重要的有三个：

　　数据安全性：AI涉及到数据收集、处理和存储，因此整个流程都需要考虑数据安全性问题，也因此会对计算环境的方方面面，如硬件、软件、连接和数据加密等产生严格的要求。因此，AI必须重视数据的数量和质量，比如数据来自何处？数据是否可信？是否干净？又将达到何处？我们认为，随着数据价值的提升，AI与数据安全将成为未来几年备受关注的焦点。

　　功能安全性：我们在自动驾驶、机器人和工业自动化等领域对AI的依赖越来越深。为了降低使用AI带来的风险，我们必须确保AI的每个方面都能远超过 “比人做的好 ”这一要求。由于通过强大的数据集来训练机器学习会有所帮助，而且随着捕捉到的信息越多，数据的相关性就越大，帮助AI的数学模型的训练效率提升，从而解决AI系统的延迟问题，缩短响应时间，加大其使用的必要性，我们有理由相信，随着人工智能的发展，功能安全将成为主要需求。

　　可靠性：AI必须在任何工作条件下都能做出准确、快速且实时的决策，比如，自主导航所规定的计算响应延迟限制为20ms。可靠性需求将为极端环境下的耐用性以及安全数据实践方面的测试引入新的测试标准。

　　从数据中心到掌上，再到边缘

　　目前很多公司在高性能计算系统和数据中心等领域开发出了运行海量数据的专用平台，其中大多数都在使用新思科技的设计工具和IP。但也有很多情况表明，AI被更多地使用在那些功能并不算强大且价格低廉的设备上，在我们身边就时常能看到，比如家里的智能移动设备和智能娱乐系统，以及需要AI增强功能的工业环境。

　　这些 “智能边缘 ”系统所需的芯片与为数据中心设计的芯片大相径庭，所需要的开发解决方案也截然不同：其一，开发这些“智能边缘”系统所需的成本要低得多，解决方案也不需要那么复杂；其二，它们对某一特定功能通常非常专业化，解决方案应当有侧重点。鉴于企业正在将人工智能部署于更多的、不同的领域，未来将会有大量的实验方法、技术模式和商业模式被探索出来。

　　使用新思科技的工具，企业可以不用马上基于高度复杂的领先工艺的IC进行巨额投资，而是从头开发特定的应用程序，而要做到这一点，很大程度上则取决于我们拥有广泛的IP产品组合，设计人员可以利用经验证的功能块的效率，把时间和经历集中在更有价值的探索上。AI芯片可用于移动、物联网、汽车、数据中心和数字家庭等领域，新思科技的DesignWare IP可支持AI芯片所需的专用处理能力、高带宽内存吞吐量以及可靠的高性能连接等需求。

　　AI，从狭义到广义

　　AI通过高性能计算机来处理大数据已在某些特定领域的应用中证明了它的价值。我们在DSO.ai的介绍中也列举了很多AI应用领域，比如在预测性维护、健康科学研究、金融、芯片设计等高度复杂的技术领域中，AI都取得了很好的成绩。但由于AI的有效性大多源于对大量数据集的开发，而开发数据需要耗费大量成本和时间，因此并不是所有公司或者市场都有能力负担。

　　人工智能领域的企业现在还在不断对自己的商业模式进行尝试和微调，以拓展更广泛的市场应用。鉴于这一趋势还在继续，我们认为狭义人工智能的关注度还将持续一段时间。大型公司对人工智能的应用带来了AI的初始浪潮，随着随时间的推进，AI技术将会更加趋于平民化。而这一过程中，自然语言处理和人脸识别等技术的通用算法也会变得更加完善，价格变得更加实惠，使人工智能的应用将更加广泛，尤其是在消费品领域。

　　未来，相信会有更多领域的应用和产品将采用AI技术，这必定会给未来开发者们带来全新的挑战。为此，他们需要大量的实验与探索以实现AI技术的创新。而我们也相信，借助正确的技术、专业的知识和数据，AI一定会成为我们生活中更有意义的一部分。