本文来自中国电子报，作者/陈炳欣。
伴随集成电路60多年的发展历程，EDA工具行业也历经了从计算机辅助设计（CAD）到电子系统设计自动化（EDA）的演变。未来，云端EDA工具或许将是一个新的发展趋势。
疫情加速EDA工具与云计算结合
回顾EDA产业大致经历了三个发展阶段：20世纪80年代前的计算机辅助设计（CAD）时代，20世纪80年代的计算机辅助工程（CAED）时代和20世纪90年代后的电子系统设计自动化（EDA）时代。近年来，随着云计算在各行各业的渗透不断加深，EDA与云计算的结合也在深入。特别是中国存在大量新创的中小微芯片设计企业，对云端EDA工具有着更加深切的需求。
根据中国半导体行业协会IC设计分会的数据，2021年中国大陆有2810家芯片设计企业，同比增长了26.7%，广泛分布在消费电子、汽车、智慧城市等多个行业。这些企业大多为中小微企业，且大多面临人手短缺，设计能力匮乏等问题，尤其是设计团队在进行仿真和验证时，往往缺乏大规模的算力集群支持。
正如国微思尔芯资深副总裁林铠鹏所指出，EDA上云对于企业来说，最直接就是有望解决算力问题。无论是设计还是验证，IC设计公司对算力的需求都非常大，很多小公司承受不起，只能用时间来换金钱。如果云端有更好的解决方案，对于它们来说将有非常大的帮助。
具体而言，对于大部分新创IC企业来说，尽早实现芯片流片是企业实现生存发展的关键一环，而及时将产品交付客户，设计效率至关重要。而在整个设计开发的流程中，仿真和验证变得越来越重要。当芯片设计团队进行仿真和验证时，往往需要调用大规模的算力集群。在这样大的算力环境下，整个集群算力的管理和调度、算力集群和存储系统的交互，同样需要一支专业的IT团队进行操作。EDA上云恰恰能够有效解决这些难题。
近年来，新冠肺炎疫情发生，对人们的工作生活模式造成很大影响，居家办公在各行各业中变得十分普遍。这对EDA上云来说却是一个促进作用。很多芯片设计公司转向居家办公，对芯片设计工程师来说，EDA工具在工作中不可或缺。云平台EDA工具恰恰是其居家办公、用家用设备设计芯片的的重要补充。
EDA云工具达到商业化节点
根据researchandmarkets数据，2020年全球EDA市场规模约为115亿美元，预计到2025年可达到145亿美元。在这其中，云平台EDA工具所占的比例正在迅速提高。也正因如此，Synopsys、Cadence等国际EDA巨头越来越重视EDA上云的进程。英特尔、英伟达等芯片巨头也开始探索EDA云工具的应用。
日前，Synopsys宣布，亚马逊公司旗下的云计算服务平台部署了新思科技的VCS FGP技术。在云端运行相关技术，可让设计团队实现更高的效率，缩短验证收敛时间，获得优异的硬件性价比。对此，新思科技中国区副总经理许伟表示：“EDA上云是一个发展趋势，不管是算力还是大数据等云计算端都有着自身的优势，将有越来越多设计公司从自建私有云向公有云过度。”
随着公有云架构逐渐稳固，数据安全体系逐渐成熟。目前，EDA云平台工具和运行环境逐渐整合在一起，产品能够规模化地复制到不同的行业，并提供给客户。云技术的运算能力与存储容量及EDA技术融合，可以在很大程度上解决当前IC设计面临的算力缺口，为开发者提供实时可用的算力、更加灵活高效的开发环境、更加优化的成本，并缩短产品上市时间。可以说，EDA云平台产业已经到了商业化发展的关键节点。
人工智能与EDA融合不断加深
在云计算技术的加持下，人工智能与EDA的融合也在不断加深。通过应用AI技术优化客户体验、提升效能是EDA迭代发展的一个重要方向。深度学习等算法能够提高EDA软件的自主程度，提高IC设计效率，缩短芯片研发周期。
报告显示，机器学习在EDA的应用可以分为四个方面：数据快速提取模型；布局中的热点检测；布局和线路；电路仿真模型。目前，诸多EDA企业都在人工智能方面进行了深入的布局与开发。Cadence公司中国区总经理汪晓煜表示：“人工智能在大规模数字芯片优化、数字仿真验证、PCB设计综合等领域都有着巨大的发挥空间。以仿真验证为例，当前企业花费在仿真验证上的运算资源与时间呈指数级升高。采用机器学习，生产力提升的效率甚至可以达到10倍以上。”
将AI和算法应用于自身的产品中，实现垂直领域的创新解决方案是各大EDA厂商共同的策略。2020年，Synopsys推出用于芯片设计的自主人工智能应用程序DSO.ai，能够在芯片设计解决方案中，搜索优化目标，利用强化学习来优化功耗、性能和面积。Cadence的Cerebrus直接集成到Cadence工具链中，从System C定义到标准库单元、宏、RTL以及signOff，允许一个工程师给它以任何级别上定义的规范和优化对象。西门子EDA的Solido产品可利用机器学习快速进行特征向量库的生成和提取，以更少的时间实现更高的验证精度，并将所得数据以可视化方式呈现。
