2024年，AI依旧是半导体行业最热议的词之一。
在今年3月，AI巨头推出了自己最新的AI旗舰产品——Blackwell，这块芯片面积比英伟达上一代AI芯片Hopper大了一倍，其集成有2080亿颗晶体管，是上一代的2.6倍，而在处理给聊天机器人提供答案等任务时，该芯片的速度更是快了30倍。
但如此庞大的芯片，必然会面临设计上的难题，而随着未来AI芯片面积进一步增大，在设计生产时会迎来更多的挑战，这不止是英伟达一家公司的问题，也关乎着许多半导体企业接下来的布局。
作为EDA行业中的领导者，Cadence近日在上海举办了CadenceLIVE China 2024 中国用户大会，与众多技术用户、开发者及行业专家，共同探讨了产业所面临的新挑战及未来发展的新方向，Cadence针对AI浪潮下的EDA行业，描绘出了一幅更令人期待的画卷。
CadenceLIVE，加速AI赋能
大会伊始，Cadence 副总裁、中国区总经理汪晓煜先生向到场嘉宾和一直支持 Cadence 的用户表示了由衷的感谢。他表示，虽然行业波动较大，但随着技术的不断进步，如人工智能大模型、无人驾驶技术的应用，以及新能源车和消费电子市场的复苏，Cadence对未来的行业前景充满着信心，通过加强本地研发和客户服务，Cadence一定能够为中国市场带来更大的价值。
随后，Cadence 公司资深副总裁兼数字与签核事业部总经理滕晋庆发表了主题为《赋能 AI 驱动时代的创新未来》的演讲。他表示，人工智能芯片的崛起带来了巨大的产业机遇，随着深度学习、自动化和智能化需求的增加，AI芯片的设计和制造正在成为行业的焦点。而当工艺逐渐走向极限、封装技术逐步走向先进之际，AI与半导体设计工具的深度融合，开始走向台前，推动了设计效率的提升，并大大缩短了产品的上市时间。
滕晋庆指出，在 AI 驱动时代，Cadence 有三个努力方向：即使用 AI 芯片基础设施、利用 AI 更新现有解决方案以及与合作伙伴开拓更多新市场。在利用 AI 助力客户创新时，Cadence 的解决方案呈现为三层结构：底层是 Cadence JedAI 大数据和 AI 平台，助力客户迅速高效地部署 AI 能力；中间层提供针对数字、模拟、仿真的 Optimization AI 方案；最高层则是 Cadence Copilot，它运用大语言模型（LLM）和其他基础模型，显著提升工程师的生产力。
EDA+AI，最优解
会后，滕晋庆博士接受了半导体行业观察的采访，他不仅分享了目前Cadence的战略，更是针对提出问题做了详尽的解答，从中我们可一窥EDA行业领导者的关键见解。
在采访中，滕晋庆博士再次强调了半导体行业与系统产业融合的趋势，他表示，英伟达和高通这样的公司正从传统的半导体公司转型为系统公司，而特斯拉、小米和苹果等系统公司则是通过自研芯片设计，展现了系统与半导体结合的方向，这种相互跨界的尝试，为Cadence带来了新的机遇。
滕博士表示，Cadence也在自己尝试着某种意义上的跨界，Cadence近年通过并购扩展了其在系统分析及仿真上的实力，例如收购BETA CAE和药物发展公司OpenEye，这些技术延伸至生物科学领域，有望在药物发展中带来革命性突破。此外，迈凯伦F1赛车与Cadence的合作，也展示了EDA中数字孪生技术在流体力学仿真中的应用。
他进一步强调了Cadence的核心技术，即“computational software”，其将计算机技术与数学结合，广泛应用于电子电路设计（EDA）、系统设计、系统仿真等领域，此外，Cadence CEO所提出的“three layer cake”概念指出了基础理论、AI和加速计算的结合如何推动未来的系统发展，这一概念也为Cadence未来的技术路线图提供了基础架构和战略方向。
在谈及生成式AI和大模型对EDA的影响时，滕博士提到，AI模型特别是大语言模型，正在迅速成为设计工具的一部分。英伟达最近基于大语言模型推出的ChipNemo工具，以及能够生成Verilog代码的创新，正是这一趋势的典型案例。
他指出，Cadence同样在这方面积极探索。他认为单靠一家公司有限的数据量可能不足以建立起足够准确的模型。因此Cadence采取了两段式的策略：先由大语言模型生成C或C++代码，再通过高阶综合工具优化并转换为Verilog。因为C语言的训练模型已经十分成熟，这一做法在实践中的可行性更高。
“我们相信生成式AI不仅限于代码生成，还在验证、模拟、以及模拟电路设计等多个环节展现出潜力，Cadence已经在这些领域付出了大量努力，并取得了一些积极的进展。” 滕博士说到。
值得一提的是，近年来愈来愈多的科技巨头选择自研或定制数据中心芯片，滕博士也看到了这一趋势。他表示，对于Cadence来说，在定制芯片方面与像博通这样的公司建立了深厚的合作关系。尽管Cadence主要参与的是芯片后端的设计工作，但这种合作确保了定制芯片从架构定义到制造的完整流程得以顺利推进。而许多系统公司会自行定义芯片架构，完成前端设计后，再将后端设计交给博通等合作伙伴，这些后端设计工具也大多是基于Cadence的解决方案。
他还提到了如今在数据中心中扮演着愈发重要角色的网络技术，滕博士指出，Cadence在网络方向上，尤其是在network-on-chip的开发中，正在积极布局，通过IP的内部开发和外部收购，推动这一领域的发展。
“当然，网络芯片的复杂性不仅限于布局和布线，其验证工作同样复杂，正因为如此，Cadence引入了新的解决方案，以加速这些复杂网络芯片和AI芯片的验证过程。“他讲到，”我们从Z1到Z2的升级用了三到四年时间，而从Z2到Z3仅用了两年。这表明我们在加速计算和验证领域的研发步伐正在显著加快，以应对未来数据中心中网络芯片的挑战。“
而谈到Cadence的独特优势时，滕博士希望通过客户的反馈来说明问题。Cadence的Optimization AI已在过去三年中成为市场上领先的技术之一，许多客户对其表现出高度认可。此外，AI不仅是芯片设计的问题，为了解决芯片和内存之间的通信速度的问题，Cadence正在通过3D-IC和先进封装技术减少内存墙对AI芯片效率的影响。
滕博士强调，Cadence是唯一一家同时拥有模拟设计、数字设计、PCB设计、封装设计和系统分析全流程工具的公司，通过Cadence的Integrity 3D-IC平台，可以将所有这些工具整合在一起，为未来的AI芯片提供更高效的解决方案。
“未来，AI芯片的设计将与3D-IC技术和先进封装密不可分，”他表示，“通过将HBM直接堆叠在芯片上，我们可以将内存与计算单元之间的距离从5000微米减少到100微米，显著提升通信效率，降低功耗。”
EDA+AI，最优解
对于许多人来说，Cadence 是一家 EDA 和验证工具提供商，但随着芯片行业的进一步发展，Cadence 想要和需要做的事情范围也在不断扩大，诸如英伟达推出的Blackwell芯片，背后就少不了它的参与。
Cadence 正在成为一家系统解决方案公司，而AI就是最大的助力，我们也相信，EDA与AI的充分结合，将为半导体行业打开一扇新的大门。
转自：半导体行业观察
