随着AI的广泛应用，芯片系统的集成度也越来越高，设计越来越复杂。对于EDA而言，新的机遇和挑战也随之而来。作为全球EDA领域最领先的，也是最长寿的企业，Cadence成功观察到了IC领域的各种趋势。在Cadence看来，AI技术又会给设计行业带来哪些变化呢？
今天，在由ASPENCORE旗下《电子工程专辑》、《电子技术设计》、《国际电子商情》三大媒体联合举办的“2019年中国IC领袖峰会”上，Cadence公司中国区技术客户总监冯江给我们带来了题为“人工智能带来的关键机遇”的主题演讲，分享了Cadence是如何抓住AI时代的机遇的。
本届中国IC领袖峰会特别鸣谢赞助商：上海兆芯; Cadence; Arrow; 深圳市中微半导体;华虹宏力; Mentor，a Siemens Business ; Imagination; 泰凌微电子;北京晶宇兴;华大九天；紫光展锐；比亚迪微电子。
经过60年的研究，摩尔定律已走到3纳米、2纳米的研究，但冯江表示，摩尔定律的观察或将到此停止。
摩尔定律的发展为我们提供了新的技术挑战和动向，比如在面对5G时，为了满足数据通信、信息处理等要求，需要做出很多定制化的SoC。同样，当下热门的AI技术也对设计的方向产生了很大的影响。
影响具体有哪些呢？冯江在“2019年中国IC领袖峰会”上表示，AI对电子设计的影响将存在于四个方面：
1、对算力支持的要求更高：边缘计算这个概念出现很久，但是我们集成电路更讲究的说法是算力。我们现在看到整个电子系统都是多核多进程，电路复杂到甚至需要云端数不清的算力来支持。因此，边缘计算是一个必须要利用的条件。
2、用深度学习攻克设计的复杂度：当下集成电路设计的复杂度、应用的复杂度，以及制造和设计之间的相互关联程度，对于定义的流程来讲很难实现最优化。那么当设计流程越来越复杂，以至于靠人力没办法考虑所有设计环节里面复杂的关系时，我们或许需要引入深度学习的概念，来改变电子设计自动化的方法学。
3、需要更强大的带宽满足数据传输要求：当下热门的自动化驾驶、边缘计算、云计算等应用的核心就是人工智能和深度学习，而这些应用的背后都与数据息息相关。首先，各种各样的场景产生了大量的数据，我们需要非常强大的计算资源来去处理这些数据，而这些数据在传输时对带宽的要求更高，而且需要低延时。
4、数据存储面临挑战：存储已从磁盘往flash方向去发展，将来可能有更多依赖于AI做优化的场景出现。
从数据具体的发展趋势来看，从2018-2023年，如视频、游戏、IoT、AR/VR、医疗等不同应用领域，将有71%的复合年均增长率。冯江表示，这些应用领域带来了这么大的数据增量，都需要行业去处理，通过我们的集成电路来解决这些问题。
冯江在“2019年中国IC领袖峰会”上表示，经过观察主要有四个因素：
1、特定领域的计算；通用的CPU已无法完全满足当下的计算需求，因此针对不同领域、不同应用，需要有特殊的器件来实现计算需求，如GPU、FPGA等。此外，除了硬件层面，我们还需要进一步考虑到整个系统，如从应用软件、存储、网络传输等层面来进行整体优化。
2、系统公司开始进入芯片领域；冯江表示，原来大家都是采购标准零部件，现在不满足于此，通过对系统的深入了解，他们有些诉求，他们希望把他们的诉求，甚至针对应用活动的能耗贯彻到芯片设计里面去，这是一个非常重要的方向，且投资量巨大。
3、创新公司的出现；在过去几年，特别是AI产品线上，越来越多的创新公司如雨后春笋般出现。
4、其他领域诉求增多；在美国市场中，汽车电子、航空航天、医疗、甚至国防领域，对半导体方面诉求越来越多，也投入了更多的资金和研究。冯江表示，中国市场的空间将最大。
除了以上四点因素外，冯江还表示，AI应该是成为我们今后半导体增长里面最重要的助力，而且它的比例会逐渐增大。
人工智能对整个全球半导体带来很多的机遇，主要需要关注以下三个方面：
1、计算层面；目前除了CPU之外，专门的计算还有FPGA、GPU，以及定制的SoC等。将来的发展方向有可能AI技术要运用在计算资源上面，计算资源也需要一定的智能化，用什么样的算力解决什么样的场景。而未来对算力要求更高之后，则需要通过AI来进一步优化。
2、存储层面；存储不仅市场大，其获得的投资额也巨大。将来AI技术也会更多地应用在这个领域中，以提高存储系统利用。此外，冯江还提到高带宽内存及片上存储器SRAM将进一步发展。
3、网络层面；未来带宽会更广，速度会更快，这都是跟AI相关的、跟催生相应半导体相关的趋势和方向。
半导体工艺的演进，给电子化设计带来了更多的挑战，引起了设计方法学的变化和流程的变化。EDA领域的老牌企业Cadence，将如何面对这些变化及挑战呢？
冯江表示，Cadence不仅只关注硬件，也有系统级的分析软件。而在整个系统中所包含的主板及封装上，Cadence也有完整的PCB解决方案。
此外，Cadence还有非常完善的分析能力，可以跨界到封装级、芯片级。冯江指出，这些分析不仅是电学分析，还要考虑到功耗、功耗带来的热、热对电学性能等等的影响。
总体来讲，Cadence的思路是用大规模的边缘计算去替代人脑，让它们更有效、更高效地去做大规模运算。冯江表示，Cadence从芯片到整个系统，甚至软硬件的系统，都有解决方案。
最前沿的电子设计资讯
