集成電路產業正在經歷一個技術進步和創新浪潮的復興時期。人工智能（AI）、5G、自動駕駛、大數據（Big Data）等新興領域技術的不斷發展給芯片設計帶來全新的挑戰：算力提升、功耗降低、上市周期加快、成本降低等等。

　　芯片設計是一個巨大且復雜的工程，包括數字與模擬電路設計、物理后端設計、封裝設計、可測性設計等。作為世界上最復雜精密的制造業，IC設計無疑是最頂端、技術密度含量最高的產業。

　　工欲善其事，必先利其器。在沒有誕生EDA（電子設計自動化，Electronic Design Automation）工具前，開發者只能以人工畫圖的方式進行電路設計。隨著IC不斷向高集成度、高速度、低功耗、高性能發展，沒有高可靠性的計算機輔助設計手段，完成包含上億晶體管的大規模集成電路設計是不可能的。可以說有了EDA工具，才有了超大規模集成電路設計的可能。

　　EDA工具真正起步于1980年代，1983年誕生了第一個工作站平臺apollo；近40年的發展，EDA工具幾乎涵蓋了集成電路的方方面面，從硬件描述語言（Hardware Description Language，HDL）到邏輯仿真工具（Logic Simulation），從邏輯綜合（Logic Synthesis）到自動布局布線系統（Auto Place & Route）；從物理設計規則檢查（design rule check/DRC & electrical rule check/ERC）到電路圖版圖比對（Layout versus Schematic，LVS）到芯片的制造測試。

　　隨著芯片集成度的提高和性能的多元化，設計要求變得越來越復雜，開發者拿到設計要求之后的工作便是將一個較為復雜的設計劃分成若干個模塊，比如一個負責存儲的模塊，一個負責分析數據的模塊……隨后，開發者開始設計每個模塊，通過硬件描述語言表達清楚每個模塊的設計邏輯，接下來的工作就交給了EDA工具。EDA所扮演的角色主要在于提供開發者工具，而其最重要的功能是縮短芯片設計的時間及制造的周期。

　　EDA能幫助客戶設計達到最優化的PPA（Performance性能、Power功耗、Area面積）目標，開發性能更高的終端產品，并進一步減少設計迭代，縮短設計周期，加快上市速度。自2012年以來，人工智能處理能力的需求每3.5個月增長一倍。然而，隨著處理能力、性能、功耗和延遲方面的需求不斷增長，現有CPU和GPU處理器的能力逐漸達到極限。目前的EDA工具發展速度越來越跟不上芯片設計的規模和需求。

　　EDA2.0時代來臨

　　2021年6月9日，芯華章董事長兼CEO王禮賓受邀出席2021世界半導體大會（WSCE2021）并圍繞“EDA 2.0，面向未來的新技術與新生態”發表主題演講。王禮賓在演講中表示，回顧EDA的歷史我們可以發現，EDA技術的誕生是一個非常革命性的發展，到了2003年，集成電路設計基本定型為基于IP的模塊以及大規模RTL集群的設計方法。從2003年到如今的20年間，芯片的復雜度比前20年提高了數萬倍，成本提高了100倍，芯片工藝也已演進到納米級別（7/5/3納米）。芯片設計和制造作為數字化時代的底層支撐，已經成為全球很多重要行業的一個關鍵環節。他同時也指出，EDA 1.X面臨很多挑戰，包括應用需求分析，驗證工作復雜、IP復用價值沒有完全發揮、人才不足、開放性不夠和歷史包袱影響等。以歷史包袱為例，他指出EDA 1.x的工具是在二十多年的時間里漸進式發展起來的，這決定了它還背負了過程中的兼容性要求、歷史代碼、遺留架構等很多歷史包袱，因此迭代發展的速度很難跟上現在幾十倍增長的大型設計，同時原有軟件架構難以充分利用好目前發展迅速的互聯網云平臺、異構化的硬件設備。

　　和20年前相比，EDA開始和云計算、人工智能（AI）、機器學習（ML）等新技術結合，推動EDA工具孕育新一輪的變革。

　　2017年，華美半導體協會（CASPA）年會期間，Cadence工程師David White分享了他關于EDA當前所面臨三大挑戰：一是規模（Scale），隨著設計規模的不斷增加，規則/限制的增多，以及模擬仿真、提取、多邊形等帶來的龐大數據，EDA廠商需要獲得工藝文件；二是復雜性（Complexity），更復雜的FinFET工藝技術導致復雜的DRC/ERC效應，而芯片和封裝/電路板之間的普遍交互成為常態，同時器件和電線之間的熱物理效應也需要注意；三是生產力（Productivity），培訓程度受限的設計人員和物理工程師會引入不確定性，造成多次設計迭代。

　　DAC2017大會上，Solido、Plunify、Platform-DA、Ansys等公司宣布在其產品中增加了機器學習能力。“War is 90% information. 信息在戰爭中起著90%以上的作用”。機器學習（ML）的采用可能需要良好的數據分析，因為需要面對的數據量實在太大。對于大多數硬件產品而言，機器學習可以在終端（網關）執行，也可以部署在云端。就EDA工具而言，如何實現取決于訓練模型有多龐大，需要多么精確，以及是否需要多次迭代。

　　2020年12月2日，新思科技（Synopsys）官微發布《數字芯片設計EDA工具的2.0時代》文章。文章從數字前端邏輯綜合、數字后端布局布線和數字電路靜態時序分析的演進，強調數字芯片設計技術融合的重要性，并指出融合技術使EDA工具進入2.0時代，EDA需要變得更加AI化，具備AI特性的EDA工具將助力客戶設計出更好的芯片，并快速推向市場。

　　于是乎，2021年6月10日，芯華章發布《EDA 2.0白皮書》。EDA是芯片之母，支撐芯片的全流程設計。作為芯片設計的最上游、最高端的產業，芯華章EDA2.0白皮書的發布是業界首創。《EDA 2.0白皮書》明確下一代集成電路智能設計流程（EDA 2.0）目標，基于開放的工具和行業生態，實現自動化和智能化的芯片設計及驗證流程，并提供專業的軟硬件平臺和靈活的服務，以支持任何有新型芯片應用需求的客戶快速設計、制造和部署自己的芯片產品。

　　發布儀式從左至右見證嘉賓： 張強，芯馳科技董事長；時龍興，東南大學首席教授、南京集成電路培訓基地主任；陳潺嵋，江北新區黨工委委員、管委會副主任；池宇，江蘇省工業和信息化廳副廳長；王禮賓，芯華章科技董事長兼 CEO；陳嵐，中科院微電子研究所 EDA 中心主任；陳春章，鵬城實驗室研究員；梁曉峣，上海交通大學教授、副系主任；余成斌教授，芯耀輝聯席 CEO

　　《EDA 2.0白皮書》開創性地提出平臺服務模式EDaaS （Electronic Design as a Service），該模式有助于推動開放、標準化和統一的芯片設計智能化流程，促進全新的芯片設計合作生態，以技術變革加速芯片創新效率，滿足數字世界中系統應用對芯片多樣化的需求，賦能科技進步。

　　《EDA 2.0白皮書》的發布，標志了EDA進入了2.0時代。EDA 2.0不再是工具的組合，而是一個服務化、可定制的完整平臺，由芯華章開創性提出的EDaaS可以直接服務不同的應用需求，支持其快速設計和部署芯片產品，實現更高效更簡單的應用創新周期，讓芯片設計更簡單、更普惠。

　　EDA2.0的三大特征：開放、智能、平臺

　　《EDA2.0白皮書》指出，未來的EDA 2.0應在芯片設計全行業、全流程、全工具的多個方面改進，EDA 2.0的關鍵路徑包括開放和標準化、自動化和智能化、平臺化和服務化等多個方面，用智能化的工具和服務化的平臺來縮短從芯片需求到應用創新的周期。EDA 2.0的目標是要讓系統工程師和軟件工程師也能參與到芯片設計中來，解決設計難、人才少、設計周期長、設計成本高企的難題。

　　圖片來源：《EDA2.0白皮書》

　　中國科學院EDA中心主任陳嵐在《EDA 2.0白皮書》發布會上表示，她非常同意EDA2.0的提法。我覺得《EDA 2.0白皮書》中提出的開放和標準化、自動化和智能化、平臺化和服務化這三點跟我之前的想法特別契合。

　　《EDA2.0白皮書》指出，在Accellera、IEEE、RISC-V等全球標準化組織、EDA或IP廠商、學術界、以及開源社區等推動下，EDA領域已經有很多統一標準、開源項目、開放接口定義，但是整體來看，很多標準沒有得到工具廠商的統一支持，各工具的私有接口和數據經常無法互通，導致EDA 1.X的流程比較封閉和碎片化，結果就是設計自動化和定制化很困難，第三方模型和算法也難以得到擴展。因此，EDA 2.0的芯片設計流程，需要在EDA1.X的基礎上，進一步增強各環節的開放程度，如更開放的工具軟件接口（API）、開放的數據格式、針對更多硬件平臺開放、總線和接口的標準化、和開源EDA結合等。

　　開放是EDA2.0的一個特征。陳嵐主任表示，開放可以滿足一大批未來新型的如物聯網芯片的個性化設計模式，開放EDA還有一個好處，就是可以把新的架構，新的設計模型，新的技術融入進到EDA設計流程里去，過去EDA的發展是通過不同把小公司的兼并來實現，而現在，開放的架構加上標準，就可以把新技術融入進去。同時陳嵐主任強調，開放不是開源，開源隱含了一個特別要命的問題就是碎片化，因為EDA在使用過程中需要基礎數據庫是一致的，而開放+標準之后，可以讓我們在統一的數據庫格式上面去做設計開發，避免EDA工具形成流程的時候數據格式的轉換，帶來的碎片化。陳嵐主任表示，開放的EAD是一個新事物，但是在未來的物聯網時代，一定會占有自己的一席之地。中國科學院計算技術研究所副所長、中國開放指令生態（RISC-V）聯盟秘書長包云崗也表示，開放將給EDA未來更好的愿景。

　　智能化是EDA2.0的另一個特征，智能化的設計和智能化的驗證平臺都是EDA 2.0時代的重要特征。《EDA2.0白皮書》指出，在開放和標準的前提下，EDA2.0的目標是要減少人力的投入，包括芯片架構 探索、設計、驗證、布局布線等的人力投入，將過去的設計經驗和數據吸收到EDA工具中，形成智能化的設計，包括高度并行化的EDA計算和求解空間探索、設計自動化、數據模型化、機器學習（ML）以及智能化驗證方法學等。實際上，2017年臺積電已經開始在布局&布線（P&R）階段探索使用機器學習（ML）進行路徑分組以改善時序，并采用Synopsys ML預測潛在的DRC熱點。

　　云平臺是EDA2.0的再一個特征，EDA 2.0應該與云平臺和云上多樣化的硬件結合，充分利用成熟的云端軟硬件生態。《EDA2.0白皮書》指出，EDA工具上云的嘗試過去的20年中不斷有廠商在推動，出于數據安全考慮，但并未取得大幅效率提升。隨著更開放和更智能的EDA 2.0到來，EDA行業生態也必然從“工具和IP集合包”進化到EDA 2.0整體平臺。不同規模和不同階段的芯片設計有多樣化的需求，而互聯網云平臺提供了近乎無限的計算強性、存儲強性和訪問便捷性。用彈性算力取代部分人力，優化用戶設計成本，并幫助用戶快速高質量的完成芯片設計。

　　EDA2.0的暢想

　　芯思想認為，EDA2.0就是要讓芯片設計和堆積木一樣簡單，降低設計門檻，減少設計迭代，大幅縮短設計周期，加快上市速度，并幫助客戶設計開發性能更高的終端產品，達到最優化的PPA（Performance性能、Power功耗、Area面積）目標。

　　伴隨芯片設計基礎數據量的不斷增加、系統運算能力的階躍式上升，人工智能技術應用在EDA工具領域的算法和算力需求正在被更好地滿足。此外，芯片復雜度的提升以及設計效率要求的提高同樣要求人工智能技術賦能EDA工具的升級，輔助降低芯片設計門檻、提升芯片設計效率。

　　基于臺積電的開放創新平臺日益關注機器學習（ML），可以認為，在采用更智能的解決方案來平衡高密度和更精細工藝技術的復雜性挑戰方面，EDA2.0正走在正確的軌道上。