作者：电子创新网张国斌
升维与降维是数据处理和机器学习中常见的概念，它们主要涉及将数据从一个维度（或维度空间）转换到另一个维度的操作。升维和降维的核心区别在于数据维度的变化方向。
升维（Upsampling or Dimensionality Expansion）是指将数据从低维空间映射到更高维度的空间。在升维的过程中，我们增加数据的特征或维度，使其在高维空间中进行处理。这通常用于更好地表示数据中的复杂结构或关系。
升维可以不仅仅局限于数据处理或机器学习中的维度扩展，它还可以被理解为对问题、系统或思维的复杂性进行提升或扩展。广义的升维涉及从低复杂度、低维度的框架或视角，提升到一个更加广泛、复杂、多维的框架，帮助解决问题、认识事物或系统间的复杂关系。
今年我参加了多场中外EDA公司的研讨会，技术开发大会，我感觉EDA已经从2024年开始已经进入一个新的发展阶段，请大家记住2024年这个年份，因为从2024年开始，EDA领域的领军者们开启了升维大战！目前看来，这场升维大战主要从两个维度展开。
维度一：从物理设计向虚拟设计发展，纳入数字孪生维度
我们都知道，EDA（Electronic Design Automation，电子设计自动化）在现代电子产品设计中至关重要，广泛应用于集成电路（IC）、芯片、印刷电路板（PCB）等各类电子器件的开发。没有EDA工具的现代芯片设计几乎是不可能完成的，尤其是在先进制程技术（如5nm或3nm）中，其复杂性和挑战都需要高度精密的EDA工具来解决。
EDA的本质是使用计算机辅助工具和软件来进行电子电路和系统的设计、验证和制造。它的核心目标是提高设计效率、减少人工设计中的错误，并加快芯片和系统开发的速度。
随着摩尔定律放缓，IC已经从单颗SoC向多颗集成的方式发展，这也是为什么chiplet爆火的原因。随着单一芯片向多颗系统级发展，EDA也要随之演进。
我们看到，随着Chiplet技术在半导体领域的走热，EDA软件在从芯片级设计到系统级设计的过程中遇到了新的挑战和复杂性。主要体现在：
1. 设计集成与协同：
多芯片模块（MCM）设计：Chiplet技术涉及多个不同功能芯片的集成，需要EDA工具能够支持多个IP模块的无缝集成和验证，这对工具的兼容性和互操作性提出了更高要求。
异构集成：由于Chiplet中可能包含不同工艺节点、不同设计厂商和不同架构的模块，EDA工具必须支持在一个设计平台上对多种技术的集成与优化。
2. 接口与通信协议：
标准化接口：Chiplet间的通信需要采用统一的接口标准，如UCIe（Universal Chiplet Interconnect Express），EDA工具必须提供完整的接口设计和验证支持。
高效通信仿真：在多芯片环境中，验证其数据传输的正确性和延迟是一个难题，EDA软件需要对高速串行总线和其他复杂协议进行详细仿真和建模。
3. 电源管理与热分析：
功耗分布与管理：多个Chiplet封装在一个系统中，EDA工具需要提供对整个系统的功耗估计和热分析，确保不同模块间的功耗分布合理。
热模拟与散热设计：不同Chiplet的热密度和功耗特性各不相同，EDA工具需具备对整个系统的热管理和散热方案进行全面分析和优化的能力。
4. 时序和信号完整性分析：
跨Chiplet时序闭合：在系统级设计中，多个Chiplet间的时序协调是一个挑战，EDA软件需要能够对跨芯片的时序路径进行全面分析和优化。
信号完整性：Chiplet间的高频信号传输可能引发串扰、反射等问题，EDA工具必须能够在系统级进行精确的信号完整性仿真。
5. 测试和验证复杂性：
系统级测试：在一个多Chiplet系统中，如何有效地进行系统级测试和验证是一个难题，EDA工具需要支持设计时的可测试性（DFT）和联合调试。
片上系统（SoC）与封装测试：EDA软件需支持从芯片内到封装级的协同测试，以确保各个Chiplet之间无缝协作。
6. 封装与互连设计：
先进封装支持：包括2.5D和3D封装在内的先进封装技术对EDA软件提出了新的设计规则和验证需求，EDA工具需要支持多层互连和复杂的布线设计。
封装-芯片协同设计：工具需要在芯片设计和封装设计之间进行无缝交互和优化，以确保物理设计与电性能的匹配。
7. 系统级优化：
整体性能优化：EDA工具必须能够在更高层次上进行性能优化，包括数据吞吐量、计算效率和资源利用率。
并行仿真：复杂的Chiplet系统要求EDA软件支持更高效的并行仿真，以缩短开发周期。此外还涉及到系统级的电磁仿真，应力仿真等。
在这样的背景下，EDA工具必须升级，如何升级？那就是提升维度。
在今年的西门子 EDA 年度技术峰会 “Siemens EDA Forum 2024”上，西门子数字化工业软件 Siemens EDA Silicon Systems 首席执行官 Mike Ellow 发表了名为“激发想象力——综合系统设计的新时代”的主题演讲。
西门子数字化工业软件 Siemens EDA Silicon Systems 首席执行官 Mike Ellow
他指出：随着各领域对半导体驱动产品的需求急剧增长，行业正面临着半导体与系统复杂性日益提升、成本飙升、上市时间紧迫以及人才短缺等多重挑战。西门子 EDA 通过构建一个开放的生态系统，协同设计、优化终端产品开发，并运用全面的数字孪生技术，专注于加速系统设计、先进 3D IC 集成，以及制造感知的先进工艺设计三大关键投资领域，助力客户在需求多变、产品快速迭代的时代中持续引领市场。Mike Ellow 还分享了西门子 EDA 解决方案在云计算和 AI 技术层面的融合发展，阐述西门子 EDA 如何应用 AI 技术持续推动产品优化，让 IC 设计 “提质增效” 。
在当天的媒体采访中，当我问Mike Ellow如何看待数字孪生在电子设计中的应用时，他表示：“对于EDA来说，数字孪生并不是一个新的概念，在90年代我们在设计半导体的时候就会用到数字孪生，因为我们需要看到数字孪生就是对物理在虚拟世界的抽象表达，在设计这些硅片的时候就是需要有高度仿真的数字化孪生模拟，才能让我们实现从设计到实际生产的结果，并且仿真还原度足够高，才能确保我们所设计的这个硅的元件能够被生产出来。”
“在7年前西门子收购了Mentor Graphics以后，西门子本来的数字孪生是基于力学、生产方面的，现在加入了半导体软件和电子产品。在近期我们一些业内企业也在向这方面发展，要么是通过自己的自然发展开发多物理场的仿真引擎，或者通过收并购的方式，获取多物理场仿真引擎的能力。然而在西门子这一侧，我们齐聚了所有要素，因为Mentor Graphics被西门子收购以后，本身西门子就具备多物理场仿真引擎的能力，现在我们有了更多的能力，其中包含了力学设计、材料的系统和产品生命周期的管理，以及生产过程的仿真，这其中包括了汽车制造、半导体制造。”
他进一步解释说，“我们讲到数字孪生就是对现实产品或者生产过程的虚拟仿真，有高度还原和高度保真的效果。现在随着EDA的出现，可以看到面临的问题就是需要有软件定义、硅片赋能，数字孪生就不一样，客户做的第一个决定就是面临这样一个复杂的系统，到底先做硬件还是先做软件，这其中的核心会影响到数字孪生其他的方方面面，包括以后作为资产在实际运营当中的作用。随着我们有了硅片生命周期管理以后，可以更好地监测整个系统在运行当中的表现，这给了我们更加完整的闭环，能够把这个闭环信息反馈到设计环境。大家可以想象一下，在未来整个软件生命周期当中，当这个软件在不断运行中就可以根据洞察信息来看运营表现，进一步提升优化，更好地优化软件的升级，是非常棒的做法。”
他指出在现在的世界当中，获得的信息数量越来越多，比如一个资产运行的时候背后有很多数据，这个数据不仅仅局限于设备本身，而是会有成千上百万更多的数据，这些数据足够多，具有统计学的相关性，这个设备和其他设备相互交互的时候什么样子，在整个生态系统当中发挥了什么样的作用，我们这样就可以更多地去看数据的安全性，以及将来数据变现的能力。
就在11月1日，西门子官宣以百亿美元收购 Altair Engineering公司，再次表明西门子将在数字孪生领域保持领先优势。
Altair 是计算科学和人工智能领域的全球知名企业，在仿真与分析、数据科学与 AI 以及高性能计算领域提供软件和云计算解决方案，助力各个行业企业在日益互联的世界中做出明智决策，提升自身竞争力。
“对于西门子而言，收购 Altair 具有重要的里程碑意义。这项战略投资印证了我们的承诺，即通过融合现实世界和数字世界帮助客户加速数字化转型、实现可持续发展。西门子 Xcelerator 结合 Altair 在仿真、高性能计算、数据科学和人工智能方面的能力，将打造出更加完备的人工智能设计和仿真产品组合。”西门子股份公司总裁兼首席执行官博乐仁（Roland Busch）表示：“过去 15 年来，我们一直在不断夯实西门子在工业软件领域的优势地位，并在近年来加速让数据和人工智能惠及所有行业。此次收购，是我们坚定前行的重要一步。”
西门子在官宣中表示Altair 的仿真产品组合在机械、电磁功能等领域与西门子具有互补优势，能够助力西门子进一步增强数字孪生技术，并通过西门子 Xcelerator 为用户提供基于物理的全套仿真产品组合。借助 Altair 的数据科学和人工智能驱动的仿真能力，无论是工程师还是普通员工，都能更轻松地获得仿真专业知识、缩短产品上市时间、加快设计迭代。Altair 的数据科学能力也将释放西门子在产品生命周期和制造流程方面的工业领域专业知识价值。
而在2023年12月23日，EDA领域的领头羊新思科技宣布以350亿美元收购Ansys公司也是瞄着数字孪生应用去的。
新思科技全球总裁兼首席执行官Sassine Ghazi表示：“面对日益增长的系统复杂性，人工智能、芯片需求激增和软件定义系统等主流趋势的发展需要更高的计算性能和效率。新思科技全球领先的EDA解决方案与Ansys先进的仿真分析技术强强结合，将让我们能够提供全面、强大和无缝集成的从芯片到系统的创新范式，帮助各行各业的技术研发团队实现开发能力的最大化。”
Ansys公司是全球最大的仿真软件公司，Ansys软件是融结构、流体、电场、磁场、声场分析于一体的大型通用有限元分析软件。在核工业、铁道、石油化工、航空航天、机械制造、能源、汽车交通、国防军工、电子、土木工程、造船、生物医学、轻工、地矿、水利、日用家电等领域有着广泛的应用。 该公司 2022 年的收入约为 21 亿美元。
ANSYS主要功能领域
工业仿真软件从本质上来看，即是从底层的物理规则和数学公式出发，以现实世界的规则打造软件内核；而后经过计算机语言编程和算法封装，沉淀为软件本身的求解器，再利用计算机图形学实现可视化和用户交互；最后，结合特定领域工程学的工作流程，提供相应领域的计算求解，从而帮助用户解决工程中的实际问题。这其实就是是另一种数字孪生的表现形式。
维度二：在EDA工具中全面导入人工智能
人工智能要与千行百业深度融合，EDA领域也必然与人工智能深度融合，几年前，在2018年的ICCAD年会上，Cadence就分享了在EDA上采用机器学习的使用心得。Cadence主要将机器学习用于大规模数字IC优化、PCB设计综合以及数字仿真验证。，其与AI结合的主要平台是：
1、Cadence JedAI 平台：该平台是一个整合企业数据和AI的基础架构，统一了所有Cadence计算软件中的大规模数据。它支持新一代AI驱动的设计和验证应用，显著提高生产力和功耗、性能、面积（PPA）等指标。
2、Verisium 验证平台：基于Cadence JedAI平台，Verisium利用AI技术加速芯片验证流程，帮助工程师从大量设计和验证数据中提取有价值的信息，提升验证效率。
3、Cerebrus 物理实现平台：同样基于Cadence JedAI平台，Cerebrus通过AI驱动的设计实现，自动优化芯片设计流程，帮助客户达成严苛的设计目标。
4、Optimality 系统优化平台：该平台利用AI技术进行系统级优化，帮助设计人员在早期阶段进行可行性分析，探索更多设计方案，进一步优化各类指标。
5、Allegro X AI 技术：这项技术利用AI自动执行PCB布局和布线，将物理设计自动化，显著缩短设计周期，提高生产力
新思科技作为最先探索人工智能赋能EDA工具的领军者，在人工智能与EDA结合方面进行了大量的探索和实践，也已经有多款融合AI的EDA工具在获得客户大量使用。新思科技的Design Space Optimization (DSO) 是其AI应用的重要成果之一。DSO通过强化学习技术，在设计实现过程中不断优化参数组合，从而达到最优的设计效果。
DSO利用AI进行设计空间的自动化探索，显著减少了人力投入和时间成本。通过快速分析和筛选大量的设计参数组合，DSO可以在短时间内找到最佳解决方案。例如，某次设计优化中，DSO在两天内进行了90次尝试，最终找到了既能提升效能又能降低功耗的最佳设计方案。
此外，人工智能在设计实现过程中，通过强化学习，可以在设计的每一个环节提供优化建议。从设计空间探索到实际流片，AI能够加速设计进程，提高设计质量。例如，新思科技的Design Space Optimization（DSO）工具已经帮助超过450个项目实现了AI优化。
DSO不仅提升了设计效率，还显著提高了设计质量。在某高性能RISC CPU设计中，DSO通过AI优化，将原本需要两位专家一个月的工作量缩短至两天，且设计结果在效能和功耗上均达到了预期目标。
在”2024新思科技开发者大会”上，新思科技总裁兼首席执行官盖思新（Sassine Ghazi）在主旨演讲中指出前沿科技的快速发展、芯片的迅速普及和软件定义系统的高速增长，正在驱动万物智能时代加速到来，这给各行各业带来巨大的发展机遇。与此同时，半导体行业也面临着芯片复杂性日益增长，生产力提升遭遇瓶颈以及芯片与系统融合三大挑战，为此，新思科技推出了“从芯片到系统设计解决方案”的创新设计范式，通过全球领先的AI驱动型EDA全面解决方案Synopsys.ai和电子数字孪生技术、广泛且经验证的IP产品组合、以及3DIC系统设计解决方案，全面助力AI、智能汽车、智能制造等前沿科技领域应对挑战，大幅提升他们的研发能力和生产力。
新思科技总裁兼首席执行官
盖思新（Sassine Ghazi）先生
Sassine表示新思的AI产品命名为Synopsys.ai。什么是Synopsys.ai？其中包含三个要素，第一个要素是AI驱动的优化，它真正着眼于设计空间优化，并利用许多技术来更快地提供更好的结果。DSO.ai是我们在2020年左右推出的第一项Synopsys.ai技术，随后还推出了验证空间优化VSO.ai、即测试空间优化TSO.ai、模拟空间优化ASO.ai。它们侧重于提高PPA并有效缩短设计时间，包括更好的覆盖率和更优的测试向量，其目的是降低测试成本、缩短测试时间。而ASO.ai则与复杂模拟设计的周转时间有关。
第三个要素是生成式人工智能（GenAI），新思在2023年就开始了相关工作，对于生成式AI来说，问题在于哪一部分设计流程可以真正使用生成式AI工具Synopsys.ai来生成代码，而无需进行开发和人工操作，或能减少到更低限度？另一方面我们可以将其视为新思科技工作流程的AI助手，如开发者可以得到一个熟悉LLM的AI专家，并与之进行交互协作，提供最佳建议以及找出导致当前问题的根本原因。
他指出由软件需求驱动的芯片需求将开始定义软件和芯片设计的下一个阶段，软件和芯片设计同步开发后就会推动虚拟化或数字孪生的发展，在软件开发的过程中，软件开发者能够得到更实时、更准确、更真实的更新信息，而将所有这些组合在一起，就是芯片与软件之间的完整的电子系统。
也是在 “Siemens EDA Forum 2024”媒体采访中，Mike Ellow指出对于西门子EDA来说，人工智能是EDA工具发展的核心部分，“在过去一年当中我们做了一件事，就是有一个中央化的人工智能团队在西门子EDA内部，他将会作为一个资源辐射到所有的功能，加速人工智能的呈现，我们也会在这方面进行大量的投资。现在已经拥有人工智能的工具，大家在将来会看到两个方面的变化，一方面我们将会加速人工智能的呈现，第二方面会增加对于人工智能能力的声量，现在我们具备AI的能力，但宣传力度不够，需要提高声量。”他指出，“我们早在2017年就收购了一家叫Solido的公司，他们在2005年的时候就开始研究人工智能和大语言模型方面的工作，在Mentor Graphics被西门子收购之后，我们可以看到在这方面技术的开展和部署也得到了加速。人工智能已经遍布我们的产品当中，并不是在某一个单独的产品当中。”
他还特别指出一些工程师担心未来生成式AI会让他们失业。但在EDA领域，生成式AI其实就是用来提升工程师的产能，也就是不需要工程师再做那么多的复杂工作，但整个闭环还是需要有人的参与，只不过AI可以让我们的工作变得更加高效，比如可以进行更好的协同设计，在系统设计的时候有更好的效率。
“拿验证来说，我们可以通过学习之前验证的流程不断验证，就知道哪些奏效、哪些不奏效，就可以不用再做重复的工作，从而提升我们的产能，这也是为什么我刚才讲到可以用更少量的、年资更轻的工程师来做更好更多的设计。”他举例说，“在EDA领域，我们也在做一些基础设施的工作，如做大语言模型、基线的工作等等，现在很多公司会做更多的数据挖掘和其他功能，但我们想要提供的是基础设施再加上这些工具，而且我们希望设计的是一个开放式的用户界面，可以让用户自己按需取用。因为现在很多半导体公司都有自己的数据科学家，会做数据挖掘的工作，我们想做的就是把这些基础设施都搭好，直接增加数据科学家的工作效率就可以了，对我们来说融入到基础设施和平台当中，这就是我们所看的生成式AI。”
在这次论坛上，Solido的研发总监介绍了Solido工具与AI融合的成果，从他展示的数据看，AI对于提升IC设计效率是非常惊人的。我拍了一些现场的图供大家参考。
后记：本土EDA该如何发展？
最近几年很多人关注本土EDA的发展，我个人观察本土EDA近几年在补短板方面进展很快，基本上在EDA全流程的主要节点上都有本土公司的工具身影，但随着国际公司在EDA上开启升维模式，个人认为如果我们不积极应对，差距会被进一步拉大。
目前我们本土有超过120家EDA公司，虽然数量上占据全球第一，但是由于研发力量过于分散形成不了合力，如在AI、数字孪生与EDA结合上，我们还在提概念，国外公司已经有成熟的产品推出了。在这样的势态下，本土EDA领军企业应该利用兼并重组，同时鼓励本土EDA与数字孪生、人工智能企业跨界合作，迅速进行升维，紧紧跟上国际巨头，避免被降维打击。
关于本土EDA如何发展，欢迎留言讨论！
注：本文为原创文章，未经作者授权严禁转载或部分摘录切割使用，否则我们将保留侵权追诉的权利
