EDA的全称是电子设计自动化(Electronic Design Automation)，但其现在只能算是一种半自动化的工具，大量的工作还需要人工来操作。只有当AI技术开始融入之后，EDA工具才开始真正走向了自动化之路。

AI已无处不在

有报道指出，三星近期正与新思科技合作，将AI技术融入到芯片的设计中。据三星电子执行总裁Jaehong Park表示，通过AI技术找到了一个系统化的最优解决方案，超越了此前可以达到的芯片PPA(功率、性能和面积)效果。

将AI用于芯片设计已经不是头一回了，谷歌就已将AI用在了TPU芯片的设计中，英伟达也正在用AI算法来优化5nm和3nm芯片的设计，还有越来越多的芯片公司也将步其后尘。从下图就可以看出，AI的应用已经深入整个IC产业链。

图 从芯片设计到生产，使用AI最多的5个领域(数据来源：Gartner)

最为积极的还是EDA公司，毕竟AI将是改写行业发展进程的大事件。近两年来，采用AI技术的EDA方案更是层出不穷。比如，新思科技推出了DSO.ai，探索搜索空间、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。Cadence发布了Cerebrus，采用了类似用合成技术取代原理图人工绘制的方法，打破芯片设计必须依靠人力的局限。西门子EDA(Mentor)则在OPC矫正中引入了机器学习方法，大幅提升了输出预测精度并缩短了预测时间。

数据快速提取模型、布局和布线、电路仿真模型、PPA的优化决策都是EDA运用AI的方向。其中，芯片设计后端(或称物理实现)尤其是布局布线则是AI使用的密集区域。

对于这种现象，行业专家陈春章博士认为，“芯华章在其《EDA2.0白皮书》中就表示，芯片验证的过程是提出约束条件，利用动态仿真和静态分析的方法，达到功能、覆盖率、等价性、功耗、工艺要求等验证目的，这也是芯片设计流程中最耗时间和需要人力经验的部分。

工程师在进行布局布线时，往往面对数量庞大的网表图节点、网表图放置的网格粒度，需要数周的迭代才能找到满足多项设计标准的解决方案。加之要综合考虑 (PPA)，还需注意密度和布线拥塞等方面的限制，也许只有AI能把工程师从繁杂的工作中解放出来。

“Cerebrus这类EDA工具对于刚毕业的学生或比较缺乏经验的新手帮助巨大，让他们可以很快地解决在芯片设计中要面对的问题。”Cadence公司数字与签核事业部产品工程资深群总监刘淼谈到了EDA工具的实际意义。

一位行业资深人士告诉集微网，“在不太涉及实际物理规律的应用比如版图布局布线中，非常适合采用机器学习的方法。”

从工程学角度看芯片设计，就是利用参数去实现目标，基本的方法是建立参数和目标之间的联系网络，使用深度学习则会提高网络的效率。

导入机器学习的还不止布局工具，布局完成之后的仿真与分析流程中也出现了机器学习的应用实例，那些采用最先进制程、晶体管数目已达几十亿个的巨型SoC，在设计仿真与分析的过程中，更适合采用机器学习。

刘淼分享了一个案例：“车规芯片最重要的是不能失效，否则将引出重大安全问题，在帮助瑞萨设计车规芯片时，我们用Cerebrus来测试流程，当时有400万种可能的流程，Cerebrus只跑了80个就实现了定位，给这一芯片带来了10%的性能提升。”

正如陈春章所言，在芯片开发过程中，AI可以发挥的环节相当多，不过其终究是一项工具，使用者必须先厘清什么问题最适合用ML或深度学习(DL)来解决，后面才能逐步展开，进行训练数据搜集、发展模型等工作。

挑战和应对“国外一位从事机器学习的教授指出，机器学习方法能够从多种工具的顶层提取数据来做整体的分析。他表示，解决整个数据库的问题不是单纯地读取其他工具的输出，而是做数据聚合和数据挖掘之后，当最终得到所有这些工具的统计结果时，它所描绘的是一种非常宏观图景。

这么强大的工具要发挥作用，需要庞大的数据来“喂饱”它。每个芯片设计项目均会生成众多的数据，其中包含着该设计的演变，展示了工程师为实现目标所做的工作。这些用人工很难分析的数据正好是机器学习最好的训练材料。

现在的难点在于这些数据的获取。集微咨询高级分析师陈跃楠认为，芯片数据训练的成本较高，特别是对跟芯片厂商去合作，拿数据对于各家芯片公司都是最宝贵的财富，不可能轻易贡献给EDA公司来做数据训练。不过，EDA公司也有自己的办法。刘淼就表示：“”这种合作模式也是双赢的局面，EDA公司得到了数据，晶圆厂的工艺流程得到了打磨。

然则有了数据之后，对于AI在EDA中的使用，很多人还是有顾虑的。最大的担心就是设计工程师的饭碗不保。

这种担心也不无道理。将AI融入EDA方法学中，机器就可以观察和收集到所有工程师的经验，通过不间断学习来变得越来越稳定，逐渐摆脱对人的经验的依赖。

很多业内人士不认为情况会这么严重，因为要实现高品质的IC设计，人还是最关键的因素。在没有AI的状况下，EDA工具可以使得工程师的生产力提高，但是增加了AI之后，EDA工具可以做得更好。在架构设计、系统综合等层面，工程师还可以发挥更多的聪明才智。

刘淼

(校对|艾檬)