半导体似乎正在进入一轮新周期。
进入2022年以来，屡屡传出的消费芯片库存积压、芯片创业公司倒闭等消息，为前两年高歌猛进的芯片产业蒙上了一层阴影，但另一方面，车企缺芯似乎依然是常态，工业控制领域的芯片需求在飞速增长。
“芯片的结构性缺芯一直会持续下去，整个半导体周期的成长，我认为不会产生长期的低迷。”近日，在接受记者采访时，西门子EDA全球副总裁兼中国区总经理凌琳对于此轮周期，给出了较为乐观的预期。
作为EDA（电子设计自动化）三巨头之一，西门子EDA的这个判断极具参考性。EDA被称为“芯片之母”，是芯片制造最上游的产业，主要为IC设计、制造等提供自动化辅助设计服务，除了应用于集成电路设计，还可以应用于集成电路制造、封装和测试等各个环节。
一份名为《2022年EDA行业市场规模及未来趋势分析》的报告显示，EDA杠杆效应较大，根据SEMI的数据，2020年全球EDA行业市场规模为114.67亿美元，支撑着年产值几百亿美元的IC设备行业、年产值几千亿美元的IC制造行业、年产值几万亿美元的电子产业以及年产值几十万亿美元的数字经济。
不过，站在产业链的顶端往下看，芯片的设计要求越来越“卷”，汽车、影像、物联网、5G、计算和存储应用等需求的增长，推动SoC（系统级芯片）的复杂性呈指数型增长，这也要求EDA必须进化出新的方法论，仿真与验证成为考验EDA实力的重要指标。
仿真验证的新挑战
对于芯片设计和制造商而言，EDA工具的技术进步，某种程度上决定着摩尔定律消失的速度，尤其是随着混合信号电路越来越普遍，如果没有能够事先进行虚拟设计、模拟和仿真验证的EDA，一块芯片生产的成本和时间绝不会像现在这样快速迭代。
“芯片设计电路复杂度和规模越来越大。”凌琳告诉记者，先进制程的芯片需要两千多个步骤，尤其是OPC（光刻技术与光学临近校正OpticalProximityCorrection），从7纳米到5纳米到3纳米，需要海量数据建模才能将模型做到精准，“新的工艺节点需要设计工具有新的方法论。”
(图源：西门子EDA)
同时，数字控制、数字校准和数字信号处理技术在现代混合信号芯片架构中的应用日益增多。所谓现代混合信号SoC，是将模拟电路与以极高时钟速度运行的逻辑门集成在一起。这种位于模拟和数字边界的高频双向信号流，突破了手动调试方法的极限，有助于降低功耗、缩小面积、减少成本、提升性能。
“现在甚至出现了三明治架构，就是芯片里有一些模块是Analog（模拟）的，有些模块是digital（数字）的，传统设计可能是固定的某类模块在上面，但现在可以做到模拟和数字多层、自由组合，就像三明治一样，层层叠加。”凌琳指出，汽车、影像等行业对于复杂设计架构芯片的需求越来越大，也因此，混合信号功能验证也越来越重要。
事实上，在EDA工具的使用场景中，验证的增速远远高于设计。数据表明，包括工程师、软件、硬件在内的验证资源将占到整个前端设计的70%，而设计本身只占30%。
这很容易理解，芯片流片成本惊人，有媒体曾报道，14nm工艺芯片，流片一次需要300万美元左右，7nm工艺芯片，流片一次需要3000万美元。再有实力的企业，流片失败几次，可能就要破产。这要求，设计完成后的仿真验证，必须要足够准确，以减少流片失败的可能。
也正因此，验证成为各大EDA工具厂商越来越重视的产品线。西门子EDA便在近日推出了Symphony?Pro平台，基于原有的Symphony混合信号验证能力，进一步扩展了功能，以全面、直观的可视化调试集成环境支持新的Accellera标准化验证方法学，使生产效率比传统解决方案提升多达10倍。
聚焦AI和上云
越来越复杂的芯片设计需求，对EDA厂商提出了更多挑战，异构集成和上云成为行业聚焦热点。
“做先进制程越来越贵，电路也越来越复杂，你要用到的资源，除了软硬件的计算资源，还有License、工程人员等等，这些对于设计公司而言，都是成本。”凌琳认为，随着摩尔定律变慢，3D、2.5D异构集成芯片的出现，解决了目前技术演进的瓶颈，上云也是同样道理，EDA厂商需要用更便捷的方式，让芯片设计公司可以解决计算资源需求激增、EDA峰值资源难以支撑、多项目并行发生的资源抢夺等挑战，最终呈现芯片的最终效果，完成签核、验证、物理设计等过程。
(图源：西门子EDA)
不过，EDA上云并非能一蹴而就，有专家指出，还需要解决软件架构、数据安全、使用模式等创新问题.
据西门子EDA亚太区技术总经理李立基介绍，西门子EDA已经有了较为成熟的云端解决方案。比如Calibre系列的工具mPower已经可以在云端使用，“如果是一个很大的数字芯片，它可以分散到云端的几百个甚至上千个服务器去跑，基本一个晚上就可以跑完。”
此外，西门子EDA还支持云连接，如果有一些仿真要用很多服务器，但前端有一些需要在本地处理，就可以在云上跑大计算，部分在本地前端和终端上面跑。
AI也成为EDA进化的关键要素。正如前文所言，OPC需要大量的数据收集才能完成一个精准的模型，而且需要实时运算，因此必须运用AI的技术简化计算量，修正形状，而且需要成千上万的算力同时跑，“这是一个伟大的系统工程，需要EDA厂商、工程厂商甚至机台厂商共同协同。”凌琳表示。
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
