系統(tǒng)設計、大規(guī)模模擬以及人工智能/機器學習可能為工具、方法論和服務開辟多萬億美元的市場。

大型EDA公司正在尋找超越半導體領域的新機會，將大規(guī)模多物理場景模擬與芯片開發(fā)的方法論和工具相結合。

十多年來，EDA高層管理人員一直在尋求擴展到相鄰市場的機會但無果。實際上，直到2016年西門子以45億美元收購Mentor Graphics之前，該領域唯一重要的一步是朝相反的方向邁出的。自那時以來，有三件事發(fā)生了根本性的變化：

（1）更多的前沿設計是領域特定的和異構的，需要結合罕見的技能、工具和方法論。因此，EDA供應商現(xiàn)在直接與這些公司以及它們的供應商聯(lián)系，后者越來越多地利用了在芯片設計和制造方面證明成功的方法，規(guī)模也更大。

（2）增加的全球競爭，特別是來自中國的競爭，正在迫使公司更深入地挖掘數(shù)據(jù)分析，以優(yōu)化其運營，在制造業(yè)的戰(zhàn)略位置增加更多傳感器，利用人工智能/機器學習來識別大規(guī)模數(shù)據(jù)集中的模式和異常，以提高質(zhì)量和產(chǎn)量，并圍繞數(shù)據(jù)重組內(nèi)部組織。

（3）新興和現(xiàn)有行業(yè)部門的數(shù)字化程度日益增加，現(xiàn)在需要更緊密地集成和協(xié)同設計硬件、軟件和封裝——以及系統(tǒng)與系統(tǒng)之間的集成——以實現(xiàn)每瓦特的最佳性能。這在芯片領域多年來一直被討論，卻收效甚微。但隨著工具和方法論瞄準新的市場，它們正在成為一個重要的銷售點。

在過去幾年里，Synopsys、Cadence、Siemens EDA、Ansys和Keysight一直在積極開發(fā)新工具，或者收購具有必要專業(yè)知識的公司，提供多物理場景分析和模擬——無論是在本地還是在云端，或者二者的某種組合——并且越來越專注于利用機器學習來改善結果并縮短獲取結果所需的時間。這些投資顯著地拓寬了它們的工具鏈，現(xiàn)在包括從在不同物理效應背景下的布線和布局，到權衡不同芯片片段和通信方案之間的折衷，以及在原型機上運行實際工作負載時對熱梯度和機械應力進行建模。

如果它們成功利用總可獲得市場（TAM）機會，可能會從根本上改變EDA行業(yè)。根據(jù)麥肯錫公司的預測，到2030年，全球半導體收入預計將達到1萬億美元。相比之下，據(jù)Omdia估計，電子系統(tǒng)市場預計將達到3萬億美元。行業(yè)專家認為，這只是一小部分機會，其潛力可能是數(shù)量級更大的數(shù)倍。

圖1：與芯片相比，電子系統(tǒng)的總可獲得市場至少會大三倍，而機會可能會更大。來源：Cadence/industry data

“這是真正的顛覆，”Cadence總裁兼首席執(zhí)行官Anirudh Devgan說道。“在集成電路方面，我們有數(shù)字孿生和大量的驗證歷史，它必須有99%的覆蓋率和99%的準確性，否則芯片將無法工作。因此，我們希望將這種精神帶到為汽車和飛機設計數(shù)字孿生的系統(tǒng)中。目前，覆蓋率大約只有20%或30%，我們可以將其提高到接近99%，這可以真正革新設計方式?！?/p>

它還可能影響到設計內(nèi)容?！拔覀冞€嘗試在生物領域進行這樣的嘗試，通過我們的OpenEye [Scientific Software]收購，”Devgan說道。“這在CFD方面尤其令人興奮，因為這種新型算法可以使其更加準確。模擬的準確性至關重要，可以擴大覆蓋范圍。我們把這看作是一個三層蛋糕，中間層是主要的模擬，無論是晶體管還是分子的CFD模擬，物理模擬的準確性都至關重要，這是基于物理學、化學或生物學。但同時，還有另外兩層。該模擬可以在加速計算上運行?，F(xiàn)在，有了GPU和定制芯片，是一個全新的世界。在此基礎上，還有人工智能協(xié)調(diào)。人工智能無法取代主要的模擬，但它確實可以通過神經(jīng)物理學以及人工智能與物理學的結合來增強模擬，從而真正實現(xiàn)優(yōu)化。

那么為什么這么長時間才出現(xiàn)這種情況呢？Synopsys執(zhí)行主席Aart de Geus解釋道：“所有這些其他領域都已經(jīng)進行了自己的DA（設計自動化）—不是EDA，而是本質(zhì)上的物理設計自動化。Ansys自稱為仿真公司，這意味著你可以在計算機上進行各種形式的嘗試來預測下一步的行為。因此，許多這些領域逐漸走近了一起。但是為什么它們沒有過多地交叉融合，這有一個非常好的理由。交叉融合非常復雜，如果你實際上并不需要它，那么這沒關系。如果你有優(yōu)化的物理部件，然后你可以通過它們的行為或特性來描述它們，就不需要進行模擬。與直接使用零件本身的數(shù)據(jù)相比，這樣做太慢了。”

De Geus表示，在上世紀90年代，Synopsys曾考慮過PCB設計，但決定不開發(fā)該領域的工具，因為對芯片設計影響很小。他說：“一旦你們彼此靠近，距離變得越來越小，中間的聯(lián)系就成了對芯片設計的重要考慮因素?！薄斑@就是為什么多芯片技術是一個里程碑時刻。突然之間，當你有一塊芯片，你在高樓上方的公寓里再放一個鄰居，下面的人在做飯，公寓里的熱量就會上升，上面的人也會感受到。只有在動態(tài)影響你所做的事情時，接近才會起作用。如果是靜態(tài)的，你只需要一個方程式，而不需要細節(jié)?！?/p>

曾作為Mentor Graphics的前首席執(zhí)行官，負責西門子收購的Wally Rhines表示同意。“所有的EDA公司都希望進行系統(tǒng)級驗證，”他說?！斑^去，你只需驗證一塊芯片，這已經(jīng)很難了，所以人們不會進行太多的多芯片驗證。但是我們幾十年來一直認為人們會模擬整個印制電路板。但這從未發(fā)生過，主要是因為缺乏可用的模型，但也因為即使不這樣做也可以將產(chǎn)品推出市場。但是如果你回顧過去四五年的印制電路板設計分析領域，分析工具的種類穩(wěn)步增加，它一直是該領域增長的主要驅(qū)動力。熱分析和電磁干擾是所有人都在談論的兩個與系統(tǒng)驗證相關的領域?，F(xiàn)在，隨著多芯片封裝的出現(xiàn)，所有主要公司都提供工具來幫助模擬這種行為?！?/p>

隨著這些變化的同時，越來越多的設備、工具和流程與互聯(lián)網(wǎng)和彼此連接，開發(fā)周期變得更短，更專業(yè)化?！罢诎l(fā)生大量創(chuàng)新，其結果是產(chǎn)品變得更加復雜，”Keysight設計與仿真產(chǎn)品組的副總裁兼總經(jīng)理Niels Faché表示?！爱斈憧紤]智能設備、智能城市、智能汽車、智能國防等等，它們都是相互連接的——而且要求比以前更多更具挑戰(zhàn)性。有更多的字節(jié)，更小的零件，以及不同的技術和材料。這意味著你不能繼續(xù)以同樣的方式開發(fā)產(chǎn)品，以前可能更多地依賴于物理原型和迭代。你確實需要換個視角，從虛擬領域來審視產(chǎn)品，以及與之相關的所有流程和工作流程。你需要一個虛擬的表示，這是我們需要與之保持一致的一個重要趨勢?！?/p>

分布式方法

將這些不同的部分整合起來將是具有挑戰(zhàn)性的，但EDA行業(yè)在將其工具和方法論整合到大型系統(tǒng)公司的工具和方法中，以及在大規(guī)模模擬和分析方面處于有利位置。

NXP半導體的基于模型的系統(tǒng)工程技術總監(jiān)兼Accellera技術委員會主席Martin Barnasconi說：“我們正在與汽車行業(yè)、航空航天和航空電子，以及軍事部門進行交流。所有這些行業(yè)都在用盡當前方法來整合軟件、處理器、硬件、物理層，從設備級別向組件級別，到整個飛機、汽車或軍用裝備。在過去的二十年里，它們創(chuàng)造了標準，在半導體領域，我們有自己的ACL（訪問控制列表）和ESL（電子系統(tǒng)級別）標準生態(tài)系統(tǒng)。不知何故，我們需要將這些世界結合起來解決系統(tǒng)解決方案和系統(tǒng)化解決方案，以更有結構化、自上而下的方式解決這些問題。它們都有自己的標準，但也意識到了軟件和處理器內(nèi)容如何處理以及如何將其生態(tài)系統(tǒng)連接到云端的挑戰(zhàn)。并不是所有的東西都會在單個CPU的單個服務器上運行。挑戰(zhàn)很大，但機遇也很大。”

圖2：不同行業(yè)領域正在使用的模擬技術和標準。來源：Accellera

這些機會的基石是計算能力的巨大改進，將會使得在計算流體動力學中使用的模擬具有更高的準確性。斯坦福大學機械工程教授兼湍流研究中心主任Parviz Moin表示：“以前，為復雜的幾何結構生成合適的網(wǎng)格需要幾周，甚至幾個月的時間?！薄跋胂笠幌?，你有一個燃氣輪機引擎和它的燃燒器，那里有孔洞、螺栓和各種復雜情況。但是這些高質(zhì)量的網(wǎng)格生成現(xiàn)在可以在幾分鐘內(nèi)完成。因此，你可以以成本效益的方式進行這些計算?！?/p>

在最近的一次匯報中，Moin展示了一個幻燈片，顯示了引擎后部噴出的火焰，乍一看這些火焰呈無定形。一旦測量結果疊加在這些火焰上，我們就發(fā)現(xiàn)，通過充足的計算能力，可以對其進行建模、分析，并隨后用于確定推力的變化。正是這種應用的原因，所有大型EDA公司現(xiàn)在都在大力投資于基于云的多物理場景模擬技術。?

“隨著客戶問題變得越來越復雜，要求模擬軟件能夠達到前所未有的水平，”Ansys電子、半導體和光學業(yè)務部總經(jīng)理兼副總裁John Lee在最近的一次演講中表示?！霸谀承┣闆r下，我們能使客戶進行含有28萬億個計算值的瞬態(tài)模擬?！?/p>

為了實現(xiàn)這一目標，需要先進的封裝技術，而先進的封裝技術需要在更大的尺度上進行相同類型的多物理場景模擬。李指出了3D-IC面臨的三個關鍵挑戰(zhàn)：多物理場景、多尺度和多組織。“多物理場景是準確模擬多個相互關聯(lián)的物理現(xiàn)象的能力，”他說?！袄?，電路活動、功耗、熱傳導和空氣冷卻都是緊密相連的，必須作為并發(fā)的多物理場景模擬進行處理。最新的硅工藝技術，以及3D-IC的密度，帶來了芯片設計人員以前沒有處理過的新型物理挑戰(zhàn)——例如，詳細的熱分析以及3D組件的熱-力學應力和翹曲。這是一個重要的可靠性問題，在單片設計中并不存在。”

多尺度更多地涉及流程和人員的組織結構?！?D-IC的出現(xiàn)引入了多技能挑戰(zhàn)，因為傳統(tǒng)上三個明確不同的設計功能之間的界限變得模糊，”Lee說道。“設計者現(xiàn)在必須同時處理納米尺度下的器件IP和芯片設計，毫米尺度下的插板和封裝設計，以及厘米尺度及以上的系統(tǒng)設計。提供一個跨越這么多數(shù)量級的3D-IC設計流程和仿真流程對于仿真結果的數(shù)量和質(zhì)量都提出了巨大挑戰(zhàn)。需要先進的數(shù)學技術，如簡化模型、人工智能、機器學習和SigmaDVD，以幫助管理所需的巨大規(guī)模和數(shù)據(jù)量。而且，除了簡單的尺度外，物理挑戰(zhàn)的本質(zhì)也是新的。例如，熱傳導往往會在芯片的小區(qū)域內(nèi)變得平滑，但是當我們查看插板時，溫度梯度可能會引發(fā)嚴重的機械挑戰(zhàn)。因此，我們需要同時考慮尺度、質(zhì)量和數(shù)量?！?/p>

然而，更大的挑戰(zhàn)可能更多地涉及組織和業(yè)務相關。“我們的雄心是將任何東西從FMI（功能模擬接口）和超級管理程序界面移動到自動駕駛系統(tǒng)，”高通工程總監(jiān)兼Accellera PWG副主席Mark Burton說道?！拔覀兯腥硕寄軌?qū)氩煌橄蠹墑e的仿真，無論是物理還是計算組件，并使其以合理的方式協(xié)同工作?！?/p>

但要真正使其發(fā)揮作用，需要大規(guī)模數(shù)據(jù)共享。在像汽車、軍事、工業(yè)和航空航天等高度競爭的市場中，這些數(shù)據(jù)可能價值數(shù)十億美元?！盎顒佑袃蓚€不同的層面，”Burton說。“一是，‘我如何將事物連接在一起？誰擁有這種連接？我們將要如何進行通信？’這是我們工作組目前所處的前沿。目前的看法是，我們不想再建立另一種互聯(lián)標準，我們想做的是確定所有標準共有的接口。另一方面是，‘你要傳輸什么數(shù)據(jù)？’，有數(shù)據(jù)本身，這是一個方面。這就像音樂，而不是物理記錄。但還有圍繞這些數(shù)據(jù)的構造。如果我要給你發(fā)送一個視頻幀，我需要指定視頻的格式，以便你知道如何接收和處理它?！?/p>

數(shù)字孿生及更遠的領域

所有這些市場領域的一個重點是數(shù)字孿生體，所有頂級EDA執(zhí)行官都堅稱，在優(yōu)化半導體設計和確保任何更改都能按預期運行方面，這并不新鮮。但最近在多物理仿真領域的收購數(shù)量，以及在機械工程、機器學習和電路監(jiān)測方面專業(yè)知識的積累，都表明了一個更廣泛的推動和極大增強的工具能力。

“大約七年前，我們就對如何將這些部件整合在一起有了一個遠景規(guī)劃，”西門子EDA的執(zhí)行副總裁Mike Ellow說。“市場正在從逐級構建的層次結構轉(zhuǎn)變——在這個過程中，你會逐步集成到軟件堆棧中，做出妥協(xié)，但你仍然可以完成系統(tǒng)——到現(xiàn)在軟件已經(jīng)為許多這些行業(yè)創(chuàng)造的價值提供了更多的差異化。這可以是汽車、航空航天和國防中的自動駕駛車輛、拖拉機、重型機械，甚至醫(yī)療設備。但是，半導體是整個行業(yè)發(fā)展的核心，半導體行業(yè)的一個有趣現(xiàn)象是，我們不能再交付芯片后就洗手不干了。你需要對軟件進行修改，真正優(yōu)化你的平臺，然后芯片必須比過去更好地與之匹配，因為過去有標準的硬件平臺，而新的妥協(xié)是在軟件上做出的。現(xiàn)在，軟件才是與眾不同的地方，所以現(xiàn)在的情況恰恰相反?！?/p>

當西門子收購Mentor Graphics時，它已經(jīng)擁有產(chǎn)品生命周期管理（PLM）、機械計算機輔助設計（MCAD）和計算機輔助工程（CAE）工具，但缺少其余的設計流程和仿真。如今，所有大型EDA公司都處于積極的收購模式中，為下一次重大轉(zhuǎn)變做準備。這種轉(zhuǎn)變包括更大規(guī)模的模型和仿真，通常涉及云端，其中任何變更都可以自動調(diào)整設計的其他部分，從而節(jié)省大量時間，提高設計本身的效率和性能。

“目前還不存在一個單一的汽車數(shù)字孿生系統(tǒng)，在這個系統(tǒng)中，你可以看到電池的老化情況、電池在特定天氣條件下的表現(xiàn)，以及汽車在水中行駛時的表現(xiàn)，”Keysight的Faché說?！叭绻l(fā)生碰撞會發(fā)生什么？所有這些都能在數(shù)字孿生體中捕捉到并應用于各種條件嗎？你無法想象會有這樣的數(shù)字孿生體。但是你可以有一個數(shù)字孿生體，幫助你預測你的電池會如何隨著你的駕駛而老化。你還可以有一輛車的數(shù)字孿生體，告訴你它在碰撞中會表現(xiàn)如何。這些將非常依賴于你如何操作物理系統(tǒng)的情境，你將會有一個對此的表示?！?/p>

為什么如此匆忙？

軟件定義系統(tǒng)的轉(zhuǎn)變已經(jīng)開始，正在加速并不斷擴大。越來越多的行業(yè)正在采用虛擬設計方法，而人工智能/機器學習的進步正在加速這一轉(zhuǎn)變，使流程變得更快更高效。

“我們只是在探索軟件定義系統(tǒng)如何徹底改變一切的表面，” Synopsys系統(tǒng)設計部門的總經(jīng)理Ravi Subramanian指出?！笆澜鏕DP為101萬億美元，代表著全球商品和服務的總價值。目前，約有35萬億美元的產(chǎn)品正在設計階段，尚未實際實現(xiàn)。越來越多的產(chǎn)品在虛擬設計中開始生命周期，那么，這些商品中有多少將由電子驅(qū)動或由軟件驅(qū)動？”

由于變化的速度如此之快，確定確切答案可能會有困難，Subramanian解釋道。“由于有太多的擾動因素，我們必須有意識地確定我們?nèi)绾翁峁┗A設施來整合其他領域，并且要熟練地理解各種用例。在汽車行業(yè)，汽車制造商正在聘請數(shù)千名軟件工程師，這預示著一個重大的文化轉(zhuǎn)變。一些根植于傳統(tǒng)汽車思維的人對接受軟件的作用持有抵觸態(tài)度。然而，隨著軟件的指數(shù)增長，許多客戶感到不知所措。這是一個巨大的挑戰(zhàn)，甚至在考慮到持續(xù)更新和變化的情況下也是如此?！?/p>

結論

不同的行業(yè)和細分市場如何快速實現(xiàn)數(shù)字化運營，以及如何在技術和組織方面轉(zhuǎn)變工作重心，各家公司的情況千差萬別。但是，隨著人工智能/移動互聯(lián)技術在許多公司中點燃熊熊烈火，以及全球在集成和連接系統(tǒng)中更多部件以提高性能、降低功耗和降低整體系統(tǒng)成本方面的競爭日益激烈，所有指標都表明需要更好的工具和方法，EDA 也需要發(fā)生一些快速而根本性的轉(zhuǎn)變，因為該細分行業(yè)正急于利用這些不足之處。

可以肯定的是，這是一場巨大的變革，存在很多不確定性。它需要更快的工具開發(fā)、更大的靈活性、更多地整合孤立的工程流程，以及在擴展的供應鏈中更好地共享信息。但是，如果能夠成功實施，這將成為 EDA 行業(yè)有史以來最大的收獲。

審核編輯：黃飛