本文由半導體産業縱橫（ID：ICVIEWS）編譯自semi engineering

系統設計、大規模模擬以及人工智能/機器學習可能爲工具、方法論和服務開辟多萬億美元的市場。

大型EDA公司正在尋找超越半導體領域的新機會，將大規模多物理場景模擬與芯片開發的方法論和工具相結合。

十多年來，EDA高層管理人員一直在尋求擴展到相鄰市場的機會但無果。實際上，直到2016年西門子以45億美元收購Mentor Graphics之前，該領域唯一重要的一步是朝相反的方向邁出的。自那時以來，有三件事發生了根本性的變化：

（1）更多的前沿設計是領域特定的和異構的，需要結合罕見的技能、工具和方法論。因此，EDA供應商現在直接與這些公司以及它們的供應商聯系，後者越來越多地利用了在芯片設計和制造方面證明成功的方法，規模也更大。

（2）增加的全球競爭，特別是來自中國的競爭，正在迫使公司更深入地挖掘數據分析，以優化其運營，在制造業的戰略位置增加更多傳感器，利用人工智能/機器學習來識別大規模數據集中的模式和異常，以提高質量和産量，並圍繞數據重組內部組織。

（3）新興和現有行業部門的數字化程度日益增加，現在需要更緊密地集成和協同設計硬件、軟件和封裝——以及系統與系統之間的集成——以實現每瓦特的最佳性能。這在芯片領域多年來一直被討論，卻收效甚微。但隨著工具和方法論瞄准新的市場，它們正在成爲一個重要的銷售點。

在過去幾年裏，Synopsys、Cadence、Siemens EDA、Ansys和Keysight一直在積極開發新工具，或者收購具有必要專業知識的公司，提供多物理場景分析和模擬——無論是在本地還是在雲端，或者二者的某種組合——並且越來越專注于利用機器學習來改善結果並縮短獲取結果所需的時間。這些投資顯著地拓寬了它們的工具鏈，現在包括從在不同物理效應背景下的布線和布局，到權衡不同芯片片段和通信方案之間的折衷，以及在原型機上運行實際工作負載時對熱梯度和機械應力進行建模。

如果它們成功利用總可獲得市場（TAM）機會，可能會從根本上改變EDA行業。根據麥肯錫公司的預測，到2030年，全球半導體收入預計將達到1萬億美元。相比之下，據Omdia估計，電子系統市場預計將達到3萬億美元。行業專家認爲，這只是一小部分機會，其潛力可能是數量級更大的數倍。

圖1：與芯片相比，電子系統的總可獲得市場至少會大三倍，而機會可能會更大。來源：Cadence/industry data

“這是真正的顛覆，”Cadence總裁兼首席執行官Anirudh Devgan說道。“在集成電路方面，我們有數字孿生和大量的驗證曆史，它必須有99%的覆蓋率和99%的准確性，否則芯片將無法工作。因此，我們希望將這種精神帶到爲汽車和飛機設計數字孿生的系統中。目前，覆蓋率大約只有20%或30%，我們可以將其提高到接近99%，這可以真正革新設計方式。”

它還可能影響到設計內容。“我們還嘗試在生物領域進行這樣的嘗試，通過我們的OpenEye [Scientific Software]收購，”Devgan說道。“這在CFD方面尤其令人興奮，因爲這種新型算法可以使其更加准確。模擬的准確性至關重要，可以擴大覆蓋範圍。我們把這看作是一個三層蛋糕，中間層是主要的模擬，無論是晶體管還是分子的CFD模擬，物理模擬的准確性都至關重要，這是基于物理學、化學或生物學。但同時，還有另外兩層。該模擬可以在加速計算上運行。現在，有了GPU和定制芯片，是一個全新的世界。在此基礎上，還有人工智能協調。人工智能無法取代主要的模擬，但它確實可以通過神經物理學以及人工智能與物理學的結合來增強模擬，從而真正實現優化。

那麽爲什麽這麽長時間才出現這種情況呢？Synopsys執行主席Aart de Geus解釋道：“所有這些其他領域都已經進行了自己的DA（設計自動化）—不是EDA，而是本質上的物理設計自動化。Ansys自稱爲仿真公司，這意味著你可以在計算機上進行各種形式的嘗試來預測下一步的行爲。因此，許多這些領域逐漸走近了一起。但是爲什麽它們沒有過多地交叉融合，這有一個非常好的理由。交叉融合非常複雜，如果你實際上並不需要它，那麽這沒關系。如果你有優化的物理部件，然後你可以通過它們的行爲或特性來描述它們，就不需要進行模擬。與直接使用零件本身的數據相比，這樣做太慢了。”

De Geus表示，在上世紀90年代，Synopsys曾考慮過PCB設計，但決定不開發該領域的工具，因爲對芯片設計影響很小。他說：“一旦你們彼此靠近，距離變得越來越小，中間的聯系就成了對芯片設計的重要考慮因素。”“這就是爲什麽多芯片技術是一個裏程碑時刻。突然之間，當你有一塊芯片，你在高樓上方的公寓裏再放一個鄰居，下面的人在做飯，公寓裏的熱量就會上升，上面的人也會感受到。只有在動態影響你所做的事情時，接近才會起作用。如果是靜態的，你只需要一個方程式，而不需要細節。”

曾作爲Mentor Graphics的前首席執行官，負責西門子收購的Wally Rhines表示同意。“所有的EDA公司都希望進行系統級驗證，”他說。“過去，你只需驗證一塊芯片，這已經很難了，所以人們不會進行太多的多芯片驗證。但是我們幾十年來一直認爲人們會模擬整個印制電路板。但這從未發生過，主要是因爲缺乏可用的模型，但也因爲即使不這樣做也可以將産品推出市場。但是如果你回顧過去四五年的印制電路板設計分析領域，分析工具的種類穩步增加，它一直是該領域增長的主要驅動力。熱分析和電磁幹擾是所有人都在談論的兩個與系統驗證相關的領域。現在，隨著多芯片封裝的出現，所有主要公司都提供工具來幫助模擬這種行爲。”

隨著這些變化的同時，越來越多的設備、工具和流程與互聯網和彼此連接，開發周期變得更短，更專業化。“正在發生大量創新，其結果是産品變得更加複雜，”Keysight設計與仿真産品組的副總裁兼總經理Niels Faché表示。“當你考慮智能設備、智能城市、智能汽車、智能國防等等，它們都是相互連接的——而且要求比以前更多更具挑戰性。有更多的字節，更小的零件，以及不同的技術和材料。這意味著你不能繼續以同樣的方式開發産品，以前可能更多地依賴于物理原型和叠代。你確實需要換個視角，從虛擬領域來審視産品，以及與之相關的所有流程和工作流程。你需要一個虛擬的表示，這是我們需要與之保持一致的一個重要趨勢。”

將這些不同的部分整合起來將是具有挑戰性的，但EDA行業在將其工具和方法論整合到大型系統公司的工具和方法中，以及在大規模模擬和分析方面處于有利位置。

NXP半導體的基于模型的系統工程技術總監兼Accellera技術委員會主席Martin Barnasconi說：“我們正在與汽車行業、航空航天和航空電子，以及軍事部門進行交流。所有這些行業都在用盡當前方法來整合軟件、處理器、硬件、物理層，從設備級別向組件級別，到整個飛機、汽車或軍用裝備。在過去的二十年裏，它們創造了標准，在半導體領域，我們有自己的ACL（訪問控制列表）和ESL（電子系統級別）標准生態系統。不知何故，我們需要將這些世界結合起來解決系統解決方案和系統化解決方案，以更有結構化、自上而下的方式解決這些問題。它們都有自己的標准，但也意識到了軟件和處理器內容如何處理以及如何將其生態系統連接到雲端的挑戰。並不是所有的東西都會在單個CPU的單個服務器上運行。挑戰很大，但機遇也很大。”

圖2：不同行業領域正在使用的模擬技術和標准。來源：Accellera

這些機會的基石是計算能力的巨大改進，將會使得在計算流體動力學中使用的模擬具有更高的准確性。斯坦福大學機械工程教授兼湍流研究中心主任Parviz Moin表示：“以前，爲複雜的幾何結構生成合適的網格需要幾周，甚至幾個月的時間。”“想象一下，你有一個燃氣輪機引擎和它的燃燒器，那裏有孔洞、螺栓和各種複雜情況。但是這些高質量的網格生成現在可以在幾分鍾內完成。因此，你可以以成本效益的方式進行這些計算。”

在最近的一次彙報中，Moin展示了一個幻燈片，顯示了引擎後部噴出的火焰，乍一看這些火焰呈無定形。一旦測量結果疊加在這些火焰上，我們就發現，通過充足的計算能力，可以對其進行建模、分析，並隨後用于確定推力的變化。正是這種應用的原因，所有大型EDA公司現在都在大力投資于基于雲的多物理場景模擬技術。

圖3：未來模擬中燃燒差異的映射。來源：斯坦福大學/Parviz Moin

“隨著客戶問題變得越來越複雜，要求模擬軟件能夠達到前所未有的水平，”Ansys電子、半導體和光學業務部總經理兼副總裁John Lee在最近的一次演講中表示。“在某些情況下，我們能使客戶進行含有28萬億個計算值的瞬態模擬。”

爲了實現這一目標，需要先進的封裝技術，而先進的封裝技術需要在更大的尺度上進行相同類型的多物理場景模擬。李指出了3D-IC面臨的三個關鍵挑戰：多物理場景、多尺度和多組織。“多物理場景是准確模擬多個相互關聯的物理現象的能力，”他說。“例如，電路活動、功耗、熱傳導和空氣冷卻都是緊密相連的，必須作爲並發的多物理場景模擬進行處理。最新的硅工藝技術，以及3D-IC的密度，帶來了芯片設計人員以前沒有處理過的新型物理挑戰——例如，詳細的熱分析以及3D組件的熱-力學應力和翹曲。這是一個重要的可靠性問題，在單片設計中並不存在。”

多尺度更多地涉及流程和人員的組織結構。“3D-IC的出現引入了多技能挑戰，因爲傳統上三個明確不同的設計功能之間的界限變得模糊，”Lee說道。“設計者現在必須同時處理納米尺度下的器件IP和芯片設計，毫米尺度下的插板和封裝設計，以及厘米尺度及以上的系統設計。提供一個跨越這麽多數量級的3D-IC設計流程和仿真流程對于仿真結果的數量和質量都提出了巨大挑戰。需要先進的數學技術，如簡化模型、人工智能、機器學習和SigmaDVD，以幫助管理所需的巨大規模和數據量。而且，除了簡單的尺度外，物理挑戰的本質也是新的。例如，熱傳導往往會在芯片的小區域內變得平滑，但是當我們查看插板時，溫度梯度可能會引發嚴重的機械挑戰。因此，我們需要同時考慮尺度、質量和數量。”

然而，更大的挑戰可能更多地涉及組織和業務相關。“我們的雄心是將任何東西從FMI（功能模擬接口）和超級管理程序界面移動到自動駕駛系統，”高通工程總監兼Accellera PWG副主席Mark Burton說道。“我們所有人都能夠導入不同抽象級別的仿真，無論是物理還是計算組件，並使其以合理的方式協同工作。”

但要真正使其發揮作用，需要大規模數據共享。在像汽車、軍事、工業和航空航天等高度競爭的市場中，這些數據可能價值數十億美元。“活動有兩個不同的層面，”Burton說。“一是，‘我如何將事物連接在一起？誰擁有這種連接？我們將要如何進行通信？’這是我們工作組目前所處的前沿。目前的看法是，我們不想再建立另一種互聯標准，我們想做的是確定所有標准共有的接口。另一方面是，‘你要傳輸什麽數據？’，有數據本身，這是一個方面。這就像音樂，而不是物理記錄。但還有圍繞這些數據的構造。如果我要給你發送一個視頻幀，我需要指定視頻的格式，以便你知道如何接收和處理它。”

所有這些市場領域的一個重點是數字孿生體，所有頂級EDA執行官都堅稱，在優化半導體設計和確保任何更改都能按預期運行方面，這並不新鮮。但最近在多物理仿真領域的收購數量，以及在機械工程、機器學習和電路監測方面專業知識的積累，都表明了一個更廣泛的推動和極大增強的工具能力。

“大約七年前，我們就對如何將這些部件整合在一起有了一個遠景規劃，”西門子EDA的執行副總裁Mike Ellow說。“市場正在從逐級構建的層次結構轉變——在這個過程中，你會逐步集成到軟件堆棧中，做出妥協，但你仍然可以完成系統——到現在軟件已經爲許多這些行業創造的價值提供了更多的差異化。這可以是汽車、航空航天和國防中的自動駕駛車輛、拖拉機、重型機械，甚至醫療設備。但是，半導體是整個行業發展的核心，半導體行業的一個有趣現象是，我們不能再交付芯片後就洗手不幹了。你需要對軟件進行修改，真正優化你的平台，然後芯片必須比過去更好地與之匹配，因爲過去有標准的硬件平台，而新的妥協是在軟件上做出的。現在，軟件才是與衆不同的地方，所以現在的情況恰恰相反。”

當西門子收購Mentor Graphics時，它已經擁有産品生命周期管理（PLM）、機械計算機輔助設計（MCAD）和計算機輔助工程（CAE）工具，但缺少其余的設計流程和仿真。如今，所有大型EDA公司都處于積極的收購模式中，爲下一次重大轉變做准備。這種轉變包括更大規模的模型和仿真，通常涉及雲端，其中任何變更都可以自動調整設計的其他部分，從而節省大量時間，提高設計本身的效率和性能。

“目前還不存在一個單一的汽車數字孿生系統，在這個系統中，你可以看到電池的老化情況、電池在特定天氣條件下的表現，以及汽車在水中行駛時的表現，”Keysight的Faché說。“如果發生碰撞會發生什麽？所有這些都能在數字孿生體中捕捉到並應用于各種條件嗎？你無法想象會有這樣的數字孿生體。但是你可以有一個數字孿生體，幫助你預測你的電池會如何隨著你的駕駛而老化。你還可以有一輛車的數字孿生體，告訴你它在碰撞中會表現如何。這些將非常依賴于你如何操作物理系統的情境，你將會有一個對此的表示。”

軟件定義系統的轉變已經開始，正在加速並不斷擴大。越來越多的行業正在采用虛擬設計方法，而人工智能/機器學習的進步正在加速這一轉變，使流程變得更快更高效。

“我們只是在探索軟件定義系統如何徹底改變一切的表面，” Synopsys系統設計部門的總經理Ravi Subramanian指出。“世界GDP爲101萬億美元，代表著全球商品和服務的總價值。目前，約有35萬億美元的産品正在設計階段，尚未實際實現。越來越多的産品在虛擬設計中開始生命周期，那麽，這些商品中有多少將由電子驅動或由軟件驅動？”

由于變化的速度如此之快，確定確切答案可能會有困難，Subramanian解釋道。“由于有太多的擾動因素，我們必須有意識地確定我們如何提供基礎設施來整合其他領域，並且要熟練地理解各種用例。在汽車行業，汽車制造商正在聘請數千名軟件工程師，這預示著一個重大的文化轉變。一些根植于傳統汽車思維的人對接受軟件的作用持有抵觸態度。然而，隨著軟件的指數增長，許多客戶感到不知所措。這是一個巨大的挑戰，甚至在考慮到持續更新和變化的情況下也是如此。”

不同的行業和細分市場如何快速實現數字化運營，以及如何在技術和組織方面轉變工作重心，各家公司的情況千差萬別。但是，隨著人工智能/移動互聯技術在許多公司中點燃熊熊烈火，以及全球在集成和連接系統中更多部件以提高性能、降低功耗和降低整體系統成本方面的競爭日益激烈，所有指標都表明需要更好的工具和方法，EDA 也需要發生一些快速而根本性的轉變，因爲該細分行業正急于利用這些不足之處。

可以肯定的是，這是一場巨大的變革，存在很多不確定性。它需要更快的工具開發、更大的靈活性、更多地整合孤立的工程流程，以及在擴展的供應鏈中更好地共享信息。但是，如果能夠成功實施，這將成爲 EDA 行業有史以來最大的收獲。

*聲明：本文系原作者創作。文章內容系其個人觀點，我方轉載僅爲分享與討論，不代表我方贊成或認同，如有異議，請聯系後台。