在IIC Shanghai 2024国际集成电路展览会暨研讨会同期举办的“2024中国IC领袖峰会”上，东南大学集成电路学院教授、中国集成电路设计创新联盟专家组组长时龙兴从产业、技术和人才三个维度，对集成电路的深层次特性进行了全面的分析，帮助集成电路从业者更准确地把握其独特性和发展趋势。
自20世纪50年代罗伯特·诺伊斯首次提出集成电路概念以来，这个行业便不断经历着合并与分化的循环。在这一过程中，众多企业通过并购逐渐壮大，最终形成了当今的集成电路产业格局。
在IIC Shanghai 2024国际集成电路展览会暨研讨会同期举办的“2024中国IC领袖峰会”上，东南大学集成电路学院教授、中国集成电路设计创新联盟专家组组长时龙兴从产业、技术和人才三个维度，对集成电路的深层次特性进行了全面的分析，帮助集成电路从业者更准确地把握其独特性和发展趋势。
集成电路特征回顾
首先，从产业特征的角度来看，集成电路产业无疑是一部波澜壮阔的创业史。中国作为世界集成电路产业的重要参与者，拥有超过3000家的相关企业，未来可能会经历一轮更为激烈的整合，以诞生出具备更强竞争力的领军企业。
集成电路产业的另一个显著特征是产品导向性。集成电路就像一棵果树，其果实便是各类产品，而设备、材料和设计则是支撑这棵果树的根基，制造则是连接根与果实的骨干。市场需求的持续旺盛，推动了集成电路产业不断向更高层次发展，同时也要求产业在技术和创新上不断进步。
此外，集成电路的价值在于其在系统中的应用。无论是传统的PC机，还是如今普及的手机，亦或是未来可能出现的各种AI应用，都离不开集成电路的支撑。系统需求的变化和升级，直接推动着集成电路产业的创新和发展。
然而，集成电路产业的发展并非一帆风顺。它受到摩尔定律的深刻影响，即技术进步带来成本降低。这使得集成电路产业成为了一个资本密集型行业，需要大量的资金投入来支持研发和生产。同时，全球化趋势也为集成电路产业带来了机遇和挑战。虽然全球化有助于资源的优化配置和技术的快速传播，但当前全球化面临的不确定性和挑战也对集成电路产业提出了更高的要求。
在技术特征方面，集成电路的发展历程可以说是一连串的创新过程。从最初的晶体管到现在的硅平面工艺，每一步都凝聚着科研人员的智慧和汗水。未来，集成电路技术的发展将呈现工艺尺寸缩小、芯片规模增大、高能效和敏捷化等趋势。这些趋势将推动集成电路在性能、效率和可靠性等方面实现新的突破。
同时，算力作为未来技术发展的基本需求，将对集成电路产业提出更高的要求。为了满足6G、AI等应用对高算力的需求，集成电路产业需要在材料和架构创新上进行更多的探索和实践。
最后，从人才特征的角度来看，集成电路领域对人才的要求极高。这是一个多学科交叉的领域，涉及到物理学、化学、材料学、电子工程等多个学科的知识。因此，集成电路产业需要具备跨学科知识和创新能力的人才来支撑其持续发展。同时，随着产业的不断升级和变革，集成电路产业对人才的需求也呈现出多样化和复合化的趋势。未来，具备实践经验、创新精神和跨学科知识的人才将成为集成电路产业发展的重要支撑。
集成电路在产业、技术和人才三个维度上都展现出了独特的特征，这些特征共同塑造了集成电路产业的独特面貌，并为其未来的发展提供了广阔的空间和无限的可能。
AI对IC的影响
在AI技术迅猛发展的今天，AI的赋能作用已经渗透到各行各业。众多集成电路设计公司也纷纷采用AI技术，以提升设计效率和性能。目前，全球有多家企业专注于AI芯片的开发，而另外一些企业则在AI领域广泛涉猎。
AI对芯片设计的最大影响体现在计算能力的指数级增长上，这种增长远超过了摩尔定律所能带来的性能提升。尽管摩尔定律促进了计算能力的增长，但其在能效方面的收益却相对有限，导致了需求与供给之间的“剪刀差”。
除了像NVIDIA这样的公司开发通用AI外，学术界也在探索新型计算架构以实现更高的计算能力。模拟计算，一度被数字计算所取代，如今在AI时代重新受到关注。近年来，模拟计算在ISSCC、IEDM、ISCA等会议上成为热点。
模拟计算的优势在于其较少的数据搬运需求，这一点在数字仿存计算中尤为突出。模拟计算通过减少数据搬运，以及利用电流相加来计算数值，从而提高了能效。
然而，模拟计算的AI芯片尚未成熟，面临着多个挑战：
- 模拟计算难以满足多样化网络的需求，因为AI网络设计趋向复杂化，而模拟计算则规则化较强。
- 模拟计算在精度、能量效率和面积效率之间难以取得平衡，通常需要多个域的组合来解决这一问题。
- 模拟计算不可避免地涉及到模数转换，而转换电路和外围参考电路的损耗成为了新的瓶颈。
时龙兴教授表示，他的团队已经开展了多年的研究，探索多算子融合的模拟计算架构和算法，以及整个模拟芯片和演示系统的设计。
他表示：“在存算一体方面，我们知道数字计算的冯诺依曼架构以其强大的存储和功耗为特点。为了降低功耗，我们考虑了存内计算和进程计算。我们比较了不同的技术路线，最终选择了使用SRAM进行存内计算。”
此外，时龙兴教授的团队还研究了CRM、AI加速器、编译器设计和COC芯片，取得了显著成效。
时龙兴教授还强调，AI对集成电路的影响不仅体现在对算力的巨大需求上，还体现在制造过程中。
以浙江大学吴汉明院士的研究为例，虚拟制造显著降低了集成电路研发对设计流片的依赖，缩短了时间并降低了成本。
值得一提的是。去年，《Nature》杂志发表了一篇关于人机协作优化半导体工艺研发的文章，通过人机交互，结合人的经验和机器学习，可以更高效地完成工艺开发，这种方法在成本和效益上都显示出优势。
AI助力下一代EDA破解发展瓶颈
下一代EDA的进化方向无疑将聚焦于智能化与敏捷化，而人工智能技术的融入，或许将成为破解EDA发展瓶颈的关键武器。
据时龙兴教授介绍，目前，学术界正在从集成电路的全流程出发，由上至下地探索AI如何为EDA赋能的可能性。他表示：“当然，我们也清楚地认识到，并非所有环节都适合AI的介入，但总体来说，AI在EDA的多个层面都发挥了积极的作用。”
具体到进展方面。
首先，在高层次综合（High-level synthesis）方面，机器学习技术的应用尤为广泛。这主要体现在两大方面：
一是对设计结果的预估，
二是协助设计攻坚的探索工作。
其中，机器学习在结果评估与分析上展现出了巨大的潜力。
此外，跨平台（Cross-Platform）的学习也在为EDA工具提供有力的支持。
在设计工艺中，主动学习正被用来改进迭代算法过程，辅助选择合适的综合算法，并对综合过程进行分类。
在物理设计领域，机器学习的应用同样丰富。它主要在布局（Placement）、布线（Routing）以及电源网络设计等方面发挥作用，特别是在布线信息的预测和IR Drop预测上，人工智能显示出了其不可或缺的价值。此外，3D接层的设计也是EDA领域的研究热点，已经取得了不少令人瞩目的成果。
制造方面，包括光刻热点检测OPC、分辨率辅助图形插入等流程也开始引入AI技术。
在测试领域，AI技术主要用于解决测试级冗余问题和降低测试复杂性。
模拟电路的优化设计也是AI技术关注的重点。这主要体现在板图前的优化、辅助板图生成以及板图生成后的仿真等环节。通过对计生参数的预测和电路架构的优化，AI技术正在为模拟设计带来革命性的变革。
工业界方面，众多知名公司如Synopsys、Cadence和西门子等都在其工具中全面引入了AI技术。此外，Ansys在多物理仿真中也融入了AI技术。值得一提的是，美国在MSF SRC和DARPA等研究机构中，也早已开始布局AI在EDA领域的应用。
总结来看，人工智能正为集成电路的未来发展注入新的活力。
您可能感兴趣
