范式要变：EDA企业的市场发展机会在哪儿？

随着全球科技进程的加速，从量子计算到人工智能，从生物技术到可持续能源解决方案，新的技术革命正在不断推动人类社会的进步。

在此背景下，传统技术范式已逐渐显示出其局限性，未来人类的科技发展，都将需要新的技术范式。比如说火箭研发领域，传统的火箭研发需要投入大量物理实验，而SpaceX却以仿真技术为突破口，不仅实现了火箭技术的全面领先，也很大程度变革了火箭的研发方式——这就是一种范式转变。 

将这种范式转变的需求扩展到EDA，乃至更多科技领域，大概也就是在我们看来今年CadeceLIVE中国用户大会宣导的主题了。在各行各业，“我们需要进行思维上的突破。”

时代造就的新机会

思维的突破与范式的转变，给众多科技企业带来了新的机会。颇具代表性的，是Cadence资深副总裁兼数字与签核事业部总经理滕晋庆在主题演讲中，谈到Cadence看见的三大机会，其一是数字孪生（digital twin）。

虽然半导体设计的数字孪生即EDA，已经发展了几十年，“大部分半导体设计流程在软件、虚拟世界中完成：我们在虚拟世界做simulation, optimization, verification”；但其他领域就不是这样了。

他举例谈到飞机设计与制造，“飞机设计流程中，仅有20%会用到数字仿真，另外80%是通过物理测试做验证的。”——“我相信我们有机会把20%这个数字提高到半导体芯片设计相似的程度。”

而在生命科学、药物发现（drug discovery）领域，数字仿真在流程中的占比还不到1%。“其实半导体领域内，我们开发的很多技术也适用于系统，适用于分子仿真。”

除了数字孪生的新机会，滕晋庆还提到Cadence看到的两个机会点：一是“半导体产业与系统产业相互融合”；二毫无疑问就是AI了。

其中芯片与系统走向“融合”，也是主流EDA企业这两年都在谈的趋势。无论是很多系统企业开始自己造芯片，如苹果、特斯拉、AWS；还是传统芯片企业纷纷开始走向系统级设计，如NVIDIA、高通，都将涉猎范围扩展到了芯片之上的更上层，甚至是具体到垂直行业的最上层应用。

如果说半导体产业很快要突破万亿产值，那么电子系统产业整体就要走向3万亿大关。这对EDA企业而言，自然是个不错的机会。而且这一机会，也与前述诸如飞机、火箭、生命科学等领域的数字化程度低，故而有着更广阔待开发的系统设计机会，有着直接关联。

至于AI，就更不必多谈了。尤其在生成式AI热潮爆发以来，从数据中心到边缘、各行各业，都刮起了AI的旋风。生成式AI不仅是半导体行业技术成长的新起点，也是各行业走向颠覆的关键。

“超大模型需要大量计算，构建大量基础设施；同时模型应用于边缘设备，更适于系统的垂直整合。”滕晋庆说，“人工智能的软硬件关键技术，会在未来5-10年内发生惊人改变，AI芯片需求也会大幅增长。”

Cadence资深副总裁兼数字与签核事业部总经理 滕晋庆

Cadence的“三层蛋糕”

如果将这几个机会点分成层级结构，那么在Cadence看来提供算力基础的是芯片；往外圈扩展，自然就来到了系统层级，关乎设计和分析；而包裹在最外层的是数据，与无处不在的AI。Cadence CEO此前因此提到了“three layer cake”的概念。

“过去30年Cadence的核心优势就是computational software。”而这种“计算软件”是贯穿了芯片、系统、数据三个圈层的。“把computational software用在silicon上，也就是EDA/IP；用在系统上是system design（系统设计）和system analysis（系统分析），现在是SDA（系统设计自动化）；”

“用在数据上就是AI——神经网络推理其实就是矩阵乘法，而训练的算法解决的是non-linear automation（非线性自动化）问题。”于是就有了所谓的three layer cake（三层蛋糕）。

最下层加速计算，是算力基础，涵盖芯片、计算设备；中间层是基于物理、数学、生物、计算机科学的基础理论原理，涉及到前文提到的模拟、优化等；最上层即AI。“这三层都非常重要，（基于computational software）可以应用到所有的领域，包括EDA, SDA, 生命科学，股票分析等等。”

所以滕晋庆在接受采访时说，“Cadence现在不只是一家半导体公司，也是一家系统公司。”“中间层是我们的基础；通过持续不断的努力，在上层添加AI，在底层添加加速计算。这是Cadence将整个智能系统设计推进到下一个世代的策略。”

基于可吃下“三层蛋糕”的逻辑，在这个AI驱动的时代下，Cadence提出未来努力的三个方向：（1）赋能AI芯片基础设施；（2）基于AI来改进现有解决方案；（3）开启新的市场，比如说系统涉及的生物医疗、数据中心等方向。

不难理解，在SAM市场扩大的情况下，Cadence副总裁兼中国区总经理汪晓煜在活动开场致辞中甚至特别提到Cadence的中国团队还在扩充，“超过1200人的团队，800多人从事研发。”基于这一逻辑，我们来谈谈Cadence在这三个方向上，具体都做了些什么。

AI基础设施搭建，与AI EDA

首先是AI基础设施。有关这一点，滕晋庆特别谈到了Cadence面向AI芯片基础设施的验证解决方案，用以满足当下AI芯片规模越来越大，芯片之间的互联与数据交换等更为复杂的需求。今年4月，Cadence推出Palladium Z3与Protium X3。

尤其Palladium Z3所用芯片达到千亿晶体管规模，芯片经由Infiniband互联，容量和功耗相较前代大幅提升； 而Protium X3作为FPGA prototyping系统，相比前代也进行了系统升级，用于解决更复杂的半导体设计问题。

当然作为EDA工具提供商，Cadence也面向AI芯片及基础设施，提供各环节的设计和验证支持。“Cadence全流程数字解决方案在过去数年，也针对大型芯片的需要做了大幅改变。”包括用于RTL实现的Genus + Innovus；用于子系统收敛（subsystem closure）的Cadence Certus；以及全芯片签核的Tempus...

另外AI芯片，尤其规模越来越大时，走向chiplet、先进封装、3D-IC。“凭借Cadence过去30年在analog design, digital design, PCB design和封装等方面的关键技术，我们推出了Integrity 3D-IC Platform。”

不仅是设计与分析相关技术积累，加上与几大晶圆厂的合作，以及过去几年相关chiplet的IP购入与研发，据说Integrity是业界第一个，也是目前唯一一个完整的3D-IC设计平台。最近Cadence中国团队还配合中国客户，完成了国内首个full-mask 3D-IC设计。

在芯片设计的未来3D计划技术中，滕晋庆还提及Cadence与Imec合作进行CFET研究——即未来单元层面的3D化技术，“我觉得成果相当feasible。”以上这些都可以视作Cadence在推动AI技术发展过程中，在AI芯片设计、AI基础设施方面的努力。

与此同时，芯片与系统设计工具自身也正受到AI的影响——这就是前文提到Cadence努力的第二个方向：基于AI来改进现有解决方案。该方向又可以细分为两个组成部分：（a）optimization AI，即借助AI对现有工具做强化，让设计更容易达到PPA目标。

这部分Cadence已经有不少成功案例和对应解决方案，数十倍提升不同领域的设计效率，包括用于数字设计的Cerebrus, 用于模拟设计的Virtuoso Studio, 用于验证的Verisium，用于电路板设计的Allegro X AI，以及优化物理和系统设计的Optimality。

有个典型案例，是滕晋庆在采访中提到有客户在流片前的ECO阶段，需要“fix IR“，用以解决IR drop电压降问题。借助AI就能快速找到问题，解决了90%的IR violation，而且将原本需要人工1个月完成的工作，缩短至一周。

“我们现在谈AI应用到EDA，可能还只是冰山一角。”“AI究竟能用在哪些地方，我觉得什么地方都可以。”

（b）通过设计抽象（design abstraction），将复杂设计问题简单化，加速设计流程。设计行业过去这些年的变化，原本就是不断加入抽象层的过程。而LLM能够对芯片设计做更进一步的抽象——就好像过去两年有人提出用自然语言设计芯片，虽然这就目前来看还不大现实。

“AI学习设计数据，让工具能够自动产生更好的优化设计。”“去年我们在JedAI上继承了业界最好的大语言模型。”“Cadence所有工具、AI解决方案，都能无缝连接JedAI，提供全方位、全流程的AI优化体验。”

在设计、验证、定制等不同场景下，所谓的Cadence Copilot正是借助LLM，生成对应的代码和解决方案，加速整个流程。比如滕晋庆透露说，LLM基于设计规格需要就能产生RTL，而且Cadence已经就这方面的研究与“两家亚太区客户”合作，“取得非常好的初步结果”。

总结起来看，Cadence.ai整体解决方案是以Cadence JedAI数据与AI平台为底座，在上层分别提供AI Optimization解决方案，以及基于LLM的Cadence Co-Pilot。

吃下更多的蛋糕中间层

最后就是基于从芯片走向系统思路，Cadence的新举措：开拓新的市场了。而属于系统的市场，也就是Cadence三层蛋糕中的中间层。“中间层需要积累special knowledge（专门知识）。就像如果我们不了解生物科技，也就不可能去发展生物科技。”

在生命与生物科学领域应用“computational software”，如文首提到的为其注入更多的数字孪生与分子仿真技术，显然将改写这一领域的发展轨迹。所以Cadence前些年收购了OpenEye。

还有比较典型的系统应用投入是数据中心。在Cadence看来，数据中心的整体设计正面临变革，例如服务器的摆放、数量、散热设计、数据流向，都会对数据中心的能耗产生重大影响。

Cadence认为现在的大部分数据中心都不是基于科学计算方法设计的；所以期望借助Reality数字孪生平台对数据中心的运行做仿真，更科学地发现数据中心设计最优解，同时解决成本。

还有针对汽车市场，几年前Cadence收购AWR和一众系统分析企业；以及今年收购的Beta CAE等等动作都是在强化Cadence作为系统企业的事实…

通过收购、技术持续积累，“让中间那层更充实。”滕晋庆总结道，“以Cadence在computational software方面的专业，上层AI、下层加速计算，三者结合也就能够给客户提供更好的解决方案。”这一思路与文首提到各行各业都正寻求技术范式突破，表现出了高度一致，大概也会成为Cadence持续获得市场增长的立足点。