Silvaco 公司CEO David L. Dutton认为，我们已经在一个设计的新纪元了。
“您也不知道谁将是下一个领导者，二十年前的Top５的公司跟现在的Top５的公司已完全不同。我们所能做的就是跟我们的客户紧密合作，提供他们所需要的工具并全力地支持他们。中国是一个非常独特的市场。我们经常说到摩尔定律，但事实上摩尔定律可能不再能持续下去了。我们曾经依靠不断地减小器件的沟道尺寸从而获得更高的性能。而我们现在已经进入FinFET时代，而尺寸的缩小也变得越来越难以实现。我们只能从其他方面比如仿真、器件优化、版图优化、封装优化等去改善。中国有非常强大的制造能力及专业技术，同时现在也正在不断加强设计能力。因此从整个行业的角度来讲我们将会看到越来越多的中国公司。“Dutton先生表示。
Silvaco两年前才开始涉足IP业务，但这是他们增长最快也是最重要的新增业务。
“我们目前大部门的IP主要是软IP，但我们也在积极的扩展我们的硬IP。”Dutton表示，中国工程师很会Reuse IP模块，从而使自己把精力放在芯片的核心领域部分。就Reuse这个概念来讲，Silvaco也从合作伙伴NXP，Freescale，TI等获取Reuse他们内部的成熟IP模块并把它们商业化授权给我们的客户。
过去很多半导体创业公司，都是半导体领域的专家在创业。“现在我们看到的趋势是，很多半导体的创业公司其实是一些算法专家、或者是一些性能专家组成的，他们其实并不熟悉SoC的整合，对他们来说，把自己的算法在最短的时间内转化为SoC是最关键的课题。”索喜科技高端定制SoC 事业部亚太区总经理刘珲表示。
所以像索喜科技这样的设计服务公司逐渐体现出更大的价值。“比如在AI领域，很多客户对神经的算法很熟悉，但对搭建SoC、验证SoC、实现SoC、包括如何量产SoC都没有经验。”刘珲表示。另外在汽车芯片领域，国内也有很多汽车芯片的初创公司，他们对算法、对系统了解比较多，但是如何把芯片做到符合汽车的车规要求、做到符合ISO26262功能安全标准的要求，他们并不了解。而继承富士通在车载领域的基因，索喜科技在汽车领域的经验及大规模量产芯片的能力正是他们所需要的。
值得注意的是，据刘珲透露，索喜科技的定制化业务在全球是排名第二，吸引了多数国内外巨头公司的目光共同开发合作。
“我们讲到AI怎么落地，落地是你去找哪些应用，什么应用可以最终成为产品成功上市。这方面，我认为中国这边潜力无穷。”Cadence子公司南京凯鼎电子科技有限公司CEO王琦指出。
现在AI烧钱烧得很厉害，但关键要看落地。“AI芯片也是芯片，不能说AI芯片就比普通芯片贵10倍。”芯原董事长兼总裁戴伟民表示，芯片做出来要有地方放，没有地方放也不行。
如果算落地，芯原的IP所落地的领域和落地的客户，可能比国内任何一家AI公司都多。
戴伟民指出，自动驾驶堪称AI的珠穆朗玛峰，如果登上珠穆朗玛峰，其它领域更不在话下。
AImotive L4自动驾驶芯片高性能神经网络硬件解决方案，最初的设计是4-5个系统@每个功耗>200瓦，总计>1000瓦，采用芯原IP以GF 22FDX工艺打造的ASIC，8个ASIC共计<120瓦。据戴总透露，这颗ASIC的设计用了不到一年的时间。
全球半导体除了中国之外，增长非常低，整合之后的半导体厂商越来越少，几个巨无霸诞生。对于EDA和IP这类工具厂商来说，市场不是那些巨无霸半导体公司，更多的是小设计公司，特别是有新的idea的公司。
“如果一家公司做一个芯片卖1亿片，他所有的应用对EDA和IP的需求非常小。”南京凯鼎电子科技有限公司CEO王琦指出，“可是如果有10个idea，10个公司，每个公司只做100万个产品，每家公司都可以买套工具，这就是中国市场吸引人的地方，因为市场应用非常多，变化非常快，一直有新的东西出来，有活力才会有创新。”
用人工智能技术做IP质量验证并不是赶时髦，AI对于整个EDA的发展带来很多新的机会和可能性。“人工智能的技术可以很好的用于EDA工具当中，EDA中很多代价极高的问题传统的方法不能解决，但使用AI技术可以极大的改变这种局面。”华大九天总经理杨晓东指出。
华大九天最近刚刚发布的新升级产品Empyrean Qualib主要是致力于IP的质量验证。“传统IP电路验证很多用人工的办法做，没有软件支撑，IP的质量对设计的影响很大。”杨晓东指出，“我们跟一家客户合作了很长一段时间，用人工智能的方法学习以前的模拟IP的情况，训练出模型，让AI为IP质量验证服务，对于新的节点的IP进行验证取得了非常好的结果，精准度超过99%，效果非常好。”
另外针对现在电子产品新的应用，比如汽车电子，对可靠性要求非常高的情况下，华大九天开发了一个产品Empyrean Mcfly，属于新的应用方向，主要是通过创新型的蒙特卡罗算法大大加速对模拟芯片的验证，几百倍甚至几千倍加速产品。
AI芯片的研发者，跟其他的芯片还是不太一样，主要是数据功能方面。“如何让AI的算法以及处理器的效率更高，提高机器学习的速度、提高仿真的速度很重要。Mentor有一个工具让西门子的效率提到更高，把信息放在云端，这样客户可以用自己的数据来设计自己的AI。”Mentor，A Siemens Business, CEO Walden C. Rhines指出。
Mentor用机器学习的方式，能够仿真测试出压力及温度，现在已经有25个项目（有的是正式、有的是非正式的）在明导内部来测试其他方面的工具，而且还测试一些仿真试验。
异构设计最典型的例子是AI芯片，它的整个设计是非常应用导向的，同样的AI芯片用在视觉的辨识和听觉的辨识，优化的方向就不一样。
“设计的前提是在架构设计和系统设计的时候，就必须想办法让软硬件和一起协同来做验证。这在以前来讲非常困难，因为硬件没有做出来。怎么跟软件搭配出验证？这就是鸡生蛋、蛋生鸡的问题，加上现在AI的应用场景是在自然环境下的场景，我们需要巨量的验证，很难在传统的方法上做出来。”新思科技全球资深副总裁暨亚太总裁林荣坚指出。
“所以两三年前，新思科技提出的方法很简单，像当年把设计方法，从底层的Schematic Entry 拉到 VHDL/Verilog，让它在比较抽象的层次做事情。复杂度虽然变高很多，但是生产力能够上来。”林荣坚指出，“同样，今天的验证方法很像，我们通过模拟化的方式，让硬件还没有真正完成或者是确定之前，可以用这种方式先去做模型硬件，这种情况下就可以把硬件性能表现出来、把软件放上去，完成很多协调的验证。”
这种方式最初是在手机芯片中使用，模拟的复杂度非常高。过去两年，在AI和汽车领域应用也非常多。
锐成芯微CEO向建军的观点和整个产业的观点略有不同。
“我认为AI会分为两类，目前在需要大量算力这个方向，后面的赢家是跑得快的、体量大的、耐力长的，国内特别是初创型公司会面临比较大的压力；另一类我看到的机会是轻量级甚至极轻量级的智能化，特别是物联网的智能化，芯片规模比较小，资金投入比较小，国内企业可以考虑往轻量级的智能化发展。”向建军指出。
最前沿的电子设计资讯
