揭秘融入AI和ML算法的EDA，正给汽车电子芯片带来设计的革新

AI技术正在彻底改变它所涉及的每个领域，而在EDA中融入AI技术正在重塑整个汽车行业。随着AI技术在电子设计自动化（EDA）中的应用，汽车行业也正在经历深刻的变革。专家预计，2022年到2030年，全球AI市场的复合年增长率（CAGR）将达到39.4％，总规模达207. 6亿美元。这些变革正带来众多创新。

其中，AI对高级驾驶辅助系统（ADAS）的开发已经产生深远影响。消费者不仅希望汽车能够提供交通服务，更希望汽车能够智能互联、自主驾驶、舒适安全。随着AI技术在电子设计自动化（EDA）工具研发中的应用，汽车正变得更加智能与自主。同时，AI 也在很大程度上改变了半导体行业，从片上系统（SoC）的设计，验证到封装莫不如此。

AI技术在产品设计和开发团队中的广泛应用，有助于量身定制所有未来产品，以满足消费者的期望。嵌入到Cadence设计流程中的机器学习技术为设计团队提高了生产力，涵盖了从芯片设计、功能安全（FuSA）和计算流体动力学（CFD）的技术进步。在EDA中应用AI/ML技术，可以在边缘端（tinyML）快速且准确地做出决策。因此，可以说EDA中的AI技术就像汽车领域中的AI一样。在本文中，我们将深入地探讨AI在汽车革命中的作用。

Cadence 汽车电子解决方案系列视频会逐步在B站上线。期待您的关注！

随着半导体技术和消费者期望的提高，汽车行业正经历一场深刻的变革。预计到2027年，先进辅助驾驶系统（ADAS）、自动驾驶汽车、数字座舱等市场规模将达到700亿美元。此外，随着AI和边缘计算技术的普及，自动驾驶汽车已不再是幻想。深度学习的AI提高了准确性，有助于采用ADAS技术的汽车实现更高的自主性。同时，具备深度感知和全景视野的嵌入式AI视觉技术有助于事故预防、决策制定和车内辅助等。这些技术的进步使我们的汽车更安全、高效、舒适，带来更愉悦的出行体验。

虽然全自动乘用车辆（L5）尚未上路，但业界正密切关注着自主驾驶系统的发展。自动驾驶技术已经成功且安全地应用于最后一公里配送（LMD）。LMD车辆以较低的速度行驶，因此对感知距离、制动距离和安全要求更低。此外，AI技术的应用和自动驾驶的车辆有助于提高生产力，降低 LMD 的总体成本。

SoCs集成的功能越来越多，但预算却十分有限，这给设计者带来了很大压力。传统的 EDA 工具使用“经验法则”，需要设计人员根据直觉进行优化。这种建模和仿真技术存在以下一些问题：

• 无法从以前的设计中汲取经验，导致生产力受限且设计不够准确

• 多次迭代导致设计时间增加

• HLS 通常需要更多的时间来完成综合

• 布局和布线取决于设计师的预测/经验，会以增加运行时间为代价

• 就时间和资源而言，制造成本高昂

为确保设计的正确性，我们必须在制造之前进行设计验证。传统的随机/自动测试模式生成 (ATPG) 方案无法提高故障覆盖率。人工智能（AI）已经彻底改变了EDA行业。AI中使用的训练和推断提高了芯片设计师的生产力，有助于设计出能够处理计算和EDA工具的芯片，帮助设计人员更快地收敛和验证，同时降低成本并提高结果质量。

AI/ML 如何改善设计空间？

AI/ML 非常适合 EDA 和汽车行业，可以加快设计速度，将其引入 EDA 工具无疑节省了设计人员的大量工夫。使用具有 AI 功能的 EDA 工具可以显著改变设计工作的轨迹，并有助于应对上述挑战。对设计团队的好处包括：

• 提高准确性和效率

• 前瞻可见性

• 满足雄心勃勃的功耗、性能和面积 (PPA) 目标

• 更出色的数据和芯片布局，更少的人为干预

• 加快设计收敛  

在EDA和汽车行业中，提高生产力并更快地取得成果以及改善 PPA都是主要目标。通过各种应用和创新，AI 有望彻底改变 EDA 和汽车行业。无论是自动驾驶汽车、ADAS 还是 EDA，AI 和 ML 算法为实现这场电子革命和创造新复兴提供了机会。将 AI 功能融入现有的 EDA 工具，有助于使EDA设计过程更加高效和富有成效。采用 AI 及其衍技术有助于汽车厂商利用多学科分析和优化 (MDAO) 技术提高整体设计，从而实现更快速、更优质的结果。同时，系统的精确行为建模提高了产品保真度和安全性。

电子设计辅助系统 (EDAS)

Cadence 产品

Cadence AI/ML 解决方案/技术

ADAS 和传感器融合

除此之外，Cadence 汽车创新平台为汽车制造商提供大力支持，推出了 Innovus ML, Allegro ML 和 Virtuoso ML 等工具，用于设计应用于 Level 2 和 Level 3 级自动驾驶的系统级芯片和PCB。