当前位置: 首页 » 科技 » AI来了,国产EDA工具的春天到了?

AI来了,国产EDA工具的春天到了?

   发布日期:2019-11-06 18:27:48  浏览次数:4168

照片来源@ vision china

大脑极体

在过去的一段时间里,我们密切关注半导体行业的各个方面,如芯片制造、操作系统、地区争端等。我们也很高兴看到中国半导体企业在产业链中的快速定位。但与此同时,应该注意的是,一个技术门没有被推开,那就是eda工具。

Eda,电子设计自动化的概念,非常广泛。如果你想做芯片设计,你不能离开eda工具。在涉及电子自动化的各个领域,如机械、智能手机、通信设备、航空航天、生物医学等。,通过eda技术设计特定的目标芯片可以说是产业链上游的上游和基础。

对于如此重要的法宝,中国企业的市场认可是什么?答案是,毫不夸张地说,超过95%的eda工具掌握在美国企业手中。中国有10多家eda公司,2018年销售额为3.5亿元,仅占全球市场份额的0.8%。在技术研发方面,16纳米和28纳米技术支持也是主要技术。

硬件制造能力可以通过在设备上花钱来快速升级,底层操作系统可以用n个“备用轮胎”来覆盖。在全球半导体供应链中占据战略地位的eda工具如何找到自己的春天?也许答案在于eda正在绘制的人工智能蓝图。

事实上,早在去年的“中兴事件”中,eda工具就成为了大杀手。除了禁止向中兴通讯出售芯片,全球最大的eda公司cadence也宣布将停止向中兴通讯提供服务。Eda工具在特朗普今年的榜单上也不乏其人,令人印象深刻。一旦事情不可逆转,中国几乎所有的芯片公司都只能依靠当前版本的工具来运作。不言而喻,效率大大降低,这也意味着他们很可能很快落后于行业,因为他们无法升级。基于芯片能力的软硬件自然会变成没有基础的木头和没有水源的水。

从理性的角度来看,完全区域化的最坏结果不太可能发生,但eda工具的战略地位必须得到重视。但话说回来,为什么至今没有相关的“备用轮胎”?

为了找到答案,我们需要把时间的钟摆转向1992年。

当时,当西方禁止向中国供应eda时,中国仍处于两难境地。大量中国科学家和工程师参与了国家主导的国内eda发展。当时,这个行业出现了无限的活力。

1992年,在200多名开发商的冲击下,超大型集成辅助设计系统熊猫集成电路CAD(panda IC CAD)通过了鉴定,涵盖了全定制集成电路正向设计的全部功能,并获得当年国家科技进步一等奖。它也被认为是打破西方封锁的里程碑。

出乎意料的是,项目成功后,另一家银行立即解除了中国eda的禁令,于是“技术市场”的理念成为主流。结果,在接下来的十年里,美国高端成熟的eda工具像狼一样占领了中国市场。因此,中国eda独立制造商的研发速度放缓,走上了“二次开发”和“代理整合”的附属发展道路。

经过一番曲折,国内eda陷入了尴尬的境地。一方面,这个品牌也在追随同样的趋势。知识产权难以控制,自然不能形成溢价。结果,中国的芯片设计公司逐渐失去了选择和讨价还价的权利。然而,在市场竞争中,有必要为几套eda工具支付许可使用费。高成本直接拖累了设计周期和竞争力。5纳米甚至3纳米的高精度芯片设计也受到上游软件巨头的限制,难以实现。

在世界各地都存在这种限制的背景下,中国eda工具的前进之路在哪里?

今天,没有人能忽视人工智能对社会产业的促进作用。根据市场研究机构abiresearch发布的最新报告,云人工智能芯片市场将从2019年的42亿美元增长到2024年的100亿美元。边缘人工智能芯片也将继续以年均31%的速度增长。Eda作为人工智能芯片中不可或缺的角色,也受到半导体软硬件企业、企业家和开发者的推动,面临新的商业机遇和挑战。

主要需求变化是更高的ppa(功耗、性能、面积)目标。

为了将人工智能移植到智能手机、汽车网络、物联网等终端,具有深度学习能力的片上系统(soc)变得不可或缺,行业对芯片封装的小型化要求越来越高。

越来越多的晶体管集成在越来越小的单位面积上需要更复杂的工艺器件,电路和热物理效应之间的相互作用也会发生变化,这意味着整个设计过程需要重新考虑,eda工具必须与时俱进。

与此同时,工业智能市场的激烈竞争也使得开发商对上市时间的要求越来越高,设计规模和规则限制也越来越多。如何提高人工智能芯片的设计效率,减少迭代次数,从而缩短设计周期,也迫使eda厂商升级。

在时代的大潮下,将人工智能引入芯片设计环境是一种自然的选择。

在国家战略层面,以美国国防高级研究计划局(darpa)为首的部门已经开始以电子资产智能设计(ieda)为代表项目,重点突破优化算法、7纳米以下芯片设计支持、布线和设备自动化等关键技术问题。

在工业方面,synopsys、cadence、mentor和中国华大等工程界也将人工智能设计从概念升级到实战阶段。

Cadence正式推出专为ai设计的tensilica dna 100处理器ip,可以使用算法提高芯片能效,大幅降低功耗。Synopsys还引入了内置神经网络引擎的嵌入式图像处理器,以满足高速存储器访问的设计要求,并在芯片开发的早期阶段提供ip选项以确保ai数据的安全性。TSMC等下游集成商也成功地在arm a72和a73内核上部署了机器学习,以帮助预测最佳单元时钟门控并提高整体芯片速度。

总的来说,人工智能对eda提出了新的技术要求:首先,它可以更高效地执行矩阵乘法、点积等运算任务的专业化处理;二是架构创新,实现深度学习任务的快速存储需求;第三是创建一个用于传输各种数据的连接接口。

尽管中国eda目前缺乏全面的补课,但当务之急是不要盲目仓促。市场需求、全行业算法的饥渴以及技术和产品填补空白的优先权都为国内eda工具走向人工智能指明了方向。

当然,在eda工具的人工智能过程中,仍然需要有针对性。接下来,是时候讨论这个关键问题了,中国eda制造商反击的可能性,关键力量在哪里?

对于这个庞大的命题,政策,资本,学术界等等。可能需要几十年甚至几代人来解释。在这里,我们不妨关注一些特定的技术趋势,例如云计算。

基于云的eda是未来的趋势之一。利用云的巨大计算能力可以有效解决耗时的仿真问题,直接降低芯片企业家的eda工具成本,一些大型芯片企业也可以暂时灵活使用一些工具。众所周知,中国云服务制造商已经成为智能行业在硬件部署、软件创新和软硬件协作方面的支撑力量,也将成为推动eda领域演进的关键变量。

另一个例子是aiot的蓬勃发展。

软硬件协同是一种人工智能衍生的协同设计需求,需要新一代eda工具来适应。同时,与工业应用的密切呼应也将影响和完善新一代eda的设计和验证解决方案。例如,汽车联网、规模计算、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从业者还需要扩展到工程模式(cae)和其他方向。多少匹黑马将从这些领域的整合中出现是一个令人兴奋的未知数字。可以肯定的是,像火一样在中国土地上燃烧的aiot的建设也在不断地为eda工业提供养分。

利用工业地图的人有时是一股力量减少十次会议的绝对力量,有时也可能是利用这种情况的支点。

欲了解更多精彩内容,请关注钛媒体微信号(id: taimeiti)或下载钛媒体应用。


 
 

 
相关新闻

 
推荐图文
推荐新闻
最新新闻