近期苹果公司第一批采用自研芯片M1（Apple Silicon）的电脑开售，在市场上引起极大关注。M1芯片如此成功的重要原因之一，在于苹果公司早在构建产品之初就通过软硬件结合的工作方式，共同开发出完全适用于M1的硬件产品和软件生态。这种软硬件结合的芯片设计方法，让M1芯片使用台积电5纳米工艺集成了160亿个晶体管、配备8核中央处理器、8核图形处理器以及16核架构的神经网络引擎，能够以更佳的性能服务于终端应用。
跨领域联合方法学不仅能够指导芯片设计工艺的不断演进，更是整个产业链合作的技术基石，引领着半导体行业的创新和进步。
芯片是硬件产业，也是软件产业，同时涉及上游的高精度设计、中游的工艺制造以及下游的应用场景。工艺节点从微米级别向纳米级别不断前进，工艺复杂度的提升使得工厂无法按照传统提供连续工艺参数空间，特别是FinFET工艺，针对器件的特征尺寸做了严格的限制。在工艺开发初期，如何选定这些特征尺寸，除了依据制造工艺本身的能力限制以外，需要将设计需求的输入纳入考虑范围。反观设计端，在进行下一代产品规划时，摩尔定律曲线早就不再完美匹配实际工艺能力，使得设计端必须和工艺研发紧密配合，协同优化，共同寻找新一代工艺及设计目标。
这种设计和工艺共同协作的过程，我们称之为Design Technology Co-optimization （DTCO，设计工艺协同开发）。新思科技（Synopsys）是最早宣布开发并落地DTCO方法学的 EDA公司，为弥补设计和工艺开发之间的鸿沟提供先进的DTCO工具、方法和流程，促进和加快现有技术的迭代升级，以满足物联网、智能驾驶、机器人技术等新产品和应用市场的严格要求。
由于新思科技拥有业界唯一完整覆盖设计和制造流程的工具集，因此新思科技的DTCO解决方案涵盖了从材料探索到模块级物理实现的整个过程，在晶圆生产之前的早期探路阶段就能够有效评估并缩小范围选择出新的晶体管架构、材料和其他工艺创新技术，确保单元库、IP、后端设计与工艺产线的特性能够紧密吻合，从而以较低的成本实现更快的工艺开发。
工艺节点的不断演进给半导体行业带来诸多挑战，最大的挑战在于需要考虑所有可能的选择时如何及时收敛到最佳的晶体管架构。以IBM为例，新思科技的DTCO解决方案根据从典型构件（如CPU内核）中提取的指标有效地选择最佳的晶体管架构和工艺选项，从布线能力、功耗、时序和面积等方面对晶体管和单元级设计进行优化，从而以更低的成本实现更快的工艺开发。
在此次合作中，新思科技的完整工具集让DTCO得以发挥最大作用：采用新思科技Proteus掩模合成和Sentaurus光刻技术开发新的图形技术，通过QuantumATK对新材料进行建模，使用Sentaurus TCAD和Process Explorer评估并优化新的器件结构、工艺和工艺集成方案，并通过Mystic提取紧凑的模型。并结合这些流程产生的设计规则生成用于电路仿真的PDK和进行标准单元库设计，最终使用基于IC Compiler II、StarRC、PrimeTime和IC Validator的融合技术物理实现整个流程执行PPA评估。通过模拟-优化工艺或版图-仿真迭代，实现工艺和和设计的协同优化，缩短产品开发周期。
在后摩尔定律时代，AI、智能驾驶、5G为代表的创新应用领域对芯片的需求不断攀升，集成了微处理器、模拟IP核、数字IP核和存储器（或片外存储控制接口)）等多种IP核的SoC（系统级芯片，System on Chip）成为主流，随之而来的挑战是验证复杂度呈现指数级的增长。新思科技提出开发左移（Shift Left）的开发理念，为芯片设计开发提供了完整而强大的工具链、齐备而成熟稳定的IP，通过IP复用、验证左移的方式，把验证及软件开发工作时间提前（即时间坐标轴上左移），帮助企业从最初产品定义期开始验证项目流程管理的顺畅性、合理性，让整体步骤前移，从而加速设计进程、缩短设计时间并提高设计成功率。
新思科技推出的基于虚拟原型技术的虚拟开发平台（VDK)可实现芯片、电路及元器件等电子控制单元（ECU）的虚拟仿真，将物理开发升级到仿真环境的智能开发，这样能够将软件开发和测试开发左移到系统设计之前，实现软硬件并行开发。同时，新思科技正在积极投入架构设计阶段进行PPA评估的极致左移流程和工具，将以往只能在实现阶段进行的设计物理参数优化工作，左移到架构设计阶段，实现软硬件协同优化。
根据项目复杂度不同，新思科技的左移方法学，可以把开发进度提前3到9个月不等，在大型SoC开发中节省3到9个月可能决定着一款产品在市场上是否能抢到时间窗口。以新思科技的HAPS-80为例，作为加快软件开发和系统验证的最佳解决方案，其成功协助平头哥在两周内完成玄铁910处理器SoC原型设计，并交付给软件团队，为玄铁910处理器的早日面市提供了极大保障。
软件定义芯片的观念不断深入人心，变革正在发生。新思科技的左移方法学已经从芯片设计领域推广到更多的终端应用开发，如智能汽车行业。自动驾驶是汽车行业的未来发展方向，需要采用大量的电子软硬件。在左移方法学的指导下，新思科技针对智能汽车领域提出Triple Shift Left理论，凭借一系列汽车级IP核、设计和验证解决方案及软件，能够提前12-18个月发现开发问题，协助解决汽车行业中的功能安全、安全性与可靠性挑战，重新定义智能汽车的研发流程，大幅提升研发效率，进一步加速汽车产业迈向智能化时代。
如今，芯片设计更加复杂，芯片性能的可靠性也不断提升，半导体行业现在终于有机会与当今许多其他业务领域一样，能够利用其产品和技术的经验数据，来提高整个电子系统价值链的效率与价值。以往，在半导体的产业链上，从芯片设计、调试、测试、量产、回片等，在每个阶段都有相对应的参数和数据管理手段，这导致了拥有庞大数据量的半导体行业，无法把经验数据在全产业链上做整合和反馈，数据的价值无法应用于管理硅生命周期。也因此，半导体行业的全生命周期管理方法学一直缺位。
但随着芯片和系统的复杂性日益增加，性能和可靠性要求不断升级，推动着硅后分析、维护和优化方面的需求不断上升 ，这意味着需要一种新的方法来解决硅基系统的开发、运行和维护问题。
新思科技近期正式推出业界首个以数据分析驱动的硅生命周期管理（SLM）平台，通过分析片上监控器和传感器数据，形成闭环，从而实现对SoC从设计阶段到最终用户部署的全生命周期优化。SLM平台与新思科技市场领先的Fusion Design（融合设计）工具紧密结合，将在整个芯片生命周期提供关键性能、可靠性和安全性方面的深入分析。这将为SoC团队及其客户带来全新高度的视角，提升其在设备和系统生命周期的每个阶段实现优化操作的能力。
SLM解决方案基于两个基本原则：尽可能多地收集与每个芯片相关的有用数据，并在其整个生命周期中对这些数据进行分析，以获得用于改进芯片和系统相关活动的可操作见解。第一个原则的实现方式是基于已经从测试和产品工程中获得的数据，通过嵌入在每个芯片中的监控器和传感器深入了解芯片的运行，并在广泛的环境和条件下测量目标活动。第二个原则是应用目标分析引擎对可用的芯片数据进行处理，以实现半导体生命周期各个阶段的优化，包括从设计实施到制造、生产测试、调试和现场最终运行等全部流程，从而确保始终获得最佳结果。
这种以数据分析驱动的SLM方法论和平台，可以为客户提供巨大的潜在回报。尤其是数据中心和网络等关键应用领域，在性能和功率方面的改进将带来数十亿美元的潜在收益和成本节省。
无论是提倡设计工艺协同开发的DTCO、推崇并行开发的Shift Left、还是贯穿硅生命周期的数据分析驱动的SLM平台，新思科技所开发并推行的方法学一次次协助行业顺利通过先进工艺演进带来的转折并进入下一个发展快车道，在提升芯片设计性能和效率、不断引领芯片设计开发不断挑战摩尔定律极限的同时，还有效地串联起了芯片行业的上下游，并用软件统一了产业链不同分工企业之间的对话语言，从而打造了良性的产业合作生态圈。
