前言

为自主可控的国产EDA软件而努力

EDA，即电子设计自动化（Electronics Design Automation）的缩写。通常EDA设计工具的形态是一套计算机软件，所以在电子信息产业中，无论是设计集成电路，还是设计PCB（印制电路板）系统，都离不开EDA工具。

观察二十世纪七八十年代集成电路带动信息产业飞速发展，印证了摩尔对集成电路每18个月特征尺寸缩小一半而集成度和性能（速度、功耗和面积）成倍改善，集成电路造价不变的预言。

实际上集成电路产业处在信息产业的上游，它要把行业标准[自有知识产权（IP）的规范和协议]映射到一个可实现电路与系统的架构上；信息产业的中游提供一个信息产品（软、硬件）可实现的解决方案；而信息产业下游的制造业，除了生产产品所需付出的元器件和加工成本，还要为使用的IP付出知识产权的费用。

集成电路产业链是一个包括设计业、制造业、封测业、材料和装备在内的完整产业链。不同于半导体器件产业（受工艺和材料的制约）的仅以半导体专业人士为主，集成电路设计业是整个产业链的龙头，即使是 IDM（集成器件制造商），如英特尔，也是大量的人才集中于前端的设计。

二十世纪九十年代，我国集成电路产业在一批半导体“大咖”（1956年北大半导体专业）指导下，虽然做了“907”“908”等工程，引进了一批工艺制造线，但设计业跟不上，等于是“无米之炊”，也难见到投资的效果。直到2000年国务院出台《国务院关于印发鼓励软件产业和集成电路产业发展若干政策的通知》（国发〔2000〕18号）（即通常所说的“18号文件”），明确集成电路设计业是产业链的龙头，还在全国建了8个产业化 IC 设计中心，情况才有所转变。因此在中国，所谓“集成”应该说是集“政府、资本和产学研”之大成，即中国政府主导（产业政策和土地与财政的支持），民间资本的投资紧跟，再加上产（集成电路厂商）、教（高等院校）和研（研究所）的通力协作。

人才和EDA工具——集成电路设计业的两大要素。

人才，对集成电路产业而言不仅仅是科技、工艺人才，还包括经营与管理人才。改革开放以来，教育部门在人才培养上基本上满足了制造产业的需求，集成电路产业对人才需求的缺口却很大，高端人才不足，特别是领军人物奇缺。

王阳元院士曾对集成电路人才的培养支招，指出“一是微电子专业培养；二是支持电子设计工程师跨界进入集成电路设计业；三是引进高端集成电路领军的海外归国人才”，这都极具建设性。后来建设示范性微电子学院，设立“集成电路科学与工程”一级学科，都是在人才培养上下功夫。

集成电路产业中，除了人才，EDA工具也是IC研发的拳头。工欲善其事，必先利其器！尽管二十世纪八十年代就集中力量在北京组织了“熊猫系统”的研发，但 30 多年过去了，国内 EDA 市场仍然被国外三大厂商（Synopsys、Cadence、Mentor Graphics）所垄断。究其原因是研发的方针：如果只是“仿”，仿得连界面都差不多，但用户习惯了三大外商的EDA工具，他也不想换国产的EDA工具。三大厂商还在大学开展“大学计划”，习惯了用三大厂商EDA工具的大学生就业也有优势。另一方面是和国外三大厂商争后端 EDA 工具的研发，别人已经有了固定的优势（三大厂商和主流集成电路制造商工艺协同，在技术储备和服务上都占有优势）。所以，要发展国内的 EDA 产业，只能换道，走集成电路设计前端的设计智能化的路。例如针对AI的巨大市场和各AI领域专有的IP包，开发将AI的IP包转换成集成电路可实现的电路架构的产品，实现电子设计的智能化（Electronics Design Intelligence，EDI），可能是一个值得关注的发展方向！

如果说解决电路与系统向集成电路后端的工艺映射（Layout），主要是解决电子设计自动化（Automation）的问题。那么EDA工具映射IP包到集成电路的架构的设计，开辟了另一个方向。即在设计的前端开发大量的IP，用高层次的综合方案解决电子设计智能化。

集成电路产业是建立在市场对集成电路产品量的需求的基础上的，移动通信的平台已为集成电路的发展提供了一个巨大的平台（数以几十亿计的手机），但无论从4G到5G，还是在现有的移动平台上，集成电路产品的量不会有实质性的变化，只能瞄准下一个市场——AI（人工智能），这是下一个巨大的集成电路市场。车载移动平台对集成电路的需求远远超过手机，还有万物互联、智能制造，基于声音和图像的智能处理和机器人……都会对集成电路提出产业化的需求。我说过“AI is Chip”一点也不过分，AI的各种IP，通过EDI映射到电路与系统的架构，然后通过EDA映射到芯片制造。反过来，实现了AI需求的芯片又支持AI的产业化。总之，需要更多更好的IP，芯片才能上市快、成本低。IP会成为EDA公司的重要创利点（IP年营业额已达5亿美元）。

芯片系统该怎么验证？只有芯片设计人员才知道从芯片实现的功能提出验证的方案；如果采用软硬件协同验证，一款有100万行软件代码的芯片，就要求芯片设计厂商准备100万行的RTL代码。当芯片中的软件比硬件更复杂时，芯片设计厂商必须自己做芯片中的软件。在 EDA 工具从自动化向智能化发展的过程中，电子设计逐渐“软化”，即“软件定义的芯片”，越来越有利于解决“可重构”和“异构并存”的架构定义。就像过去我们在FPGA平台上做电路与系统设计，因为硬件是可编程的，所以设计主要在编程，实现不同设计规范的算法到FPGA架构的映射，为此还去开发在FPGA架构上运行的各种IP包。同理，在多核的CPU、GPU和NPU的架构上开发电路与系统也是做编程，实现软件定义的硬件设计。只不过现在我们从专用集成电路设计的角度，实现“算法到架构的映射”，需要一个更高层次的编译平台（我们姑且把它称为AI Compiler）。那么，这个平台的普惠性、时效性和安全性都是我们十分关注的！

“近几年人工智能、机器学习的快速发展，加上量子运算等更为先进的技术，对于解决已有的问题带来了全新的视野。”新思科技原AI研究室主任廖仁亿表示，“一旦大家对人工智能的期望越来越高，加上海量数据的持续增长和无处不在的场景应用，人工智能加上人类智能的赋能，帮助我们用更智能的工具，来设计日益复杂且更为强大的人工智能芯片，给芯片设计带来全新的挑战和机会。”

全球三大EDA软件巨头眼里的芯片设计挑战：EDA云平台（云-边缘-终端）、IDEA（全自动芯片版图生成器）、POSH（针对开源硬件项目），以及DARPA关注的软件定义架构SDH（Software Defined Hardware）和domain-specific片上系统。RISC-V很可能是第一个进行软硬件协同设计的架构，OpenAI平台Sutskever最初研究的序列建模应用于语音、文本和视频，非常实际的应用就是机器翻译等专业技术介绍。所以关注EDA专业人才将是IC设计最重要的事。随着IC设计复杂度的提升、新工艺的发展，EDA行业将有非常大的发展空间。虽然EDA行业需求人才（工具软件开发人才、工艺及器件背景的工程师、熟悉IC设计流程的工程师、数学专业人才、应用及技术支持人才和销售类人才）的就业面相对窄，但稳定性非常高。从某种意义上讲，从事 EDA 这种小众行业的人，坚持都是靠理想，而有理想才称得上人才！

EDA还是信息产业的一个重要的工业软件：推动了集成电路的封装测试业从二维转向三维（从“时间摩尔”到“空间摩尔”）；推动了PCB板级信息产品在硅片上的连接，为终端产品的“高密集”和“整机微型化”开了先河；还延伸到信息产品面板和外观的“工业设计”，并支持着柔性屏和可折叠产品的EDA工业软件的开发。所以把 EDA 仅仅看成是一个集成电路设计工具的时代已经过去了，应该承认它是信息产业重要的“工业软件”。

二十一世纪的一个变化是信息产业处理对象从数码“信息”转向了物理“信号”，尤其是未来不得不面临从“互联网+”转向以“物联网（IoT）”为主。说得直白一点，以人（语音、文字、视频和虚拟场景）为主的信息获取和传输（4G+互联网），转向了以物理对象（声、光、热、力和电）为主的信号处理和物物互联（5G 传输的高带宽、大容量和满足可靠性前提下的低时延）；继而进入社会管理和生活服务的方方面面的智能，都将给工业软件EDA带来机遇和挑战。

继工业自动化之后的智能化，已经从“省力”为主转向高效和“省心”，也给工业软件EDA带来空前的挑战。首先，服务面的扩展要将人工智能（AI）各行各业（规范、协议和标准）建立成自有知识产权（IP）；其次是将这些IP的算法在一个特定域（或通用域）用算力做结构化转换和高效调度；这些都是设计方法学创新和设计智能化需求对工业软件EDA的挑战。最后，工业软件EDA将促成“算力”“算法”“数据”三者深层次的融合。

信息化之后必然的趋势是智能化，数据流转分享、算法成本下降、算力安全可靠，才能使AI普惠。这要求综合考虑多种因素，首先是数据本身的质量、成本；其次是算法设计和调参的人工成本；第三是计算的能力（用大量计算平台和AI芯片都有价格因素）。

解决的途径：

● 数据方面除了量的膨胀还有质的变化，过去习惯的结构化数据（也就是定点、浮点数），在互联网时代变为准结构化的批数据处理；而人工智能又要处理大量的非结构化数据。数据需要流转和分享，大量无用、重复的数据只能浪费存储器的容量，消耗算力。

● 在算力方面，不能把人工智能看成是一种“穷算”，仅靠算力解决的问题叫“机器学习”不是“深度学习”。深度学习的算法和把AI的各个领域（图像、语音、机器人……）的IP设计规范定义成的框架，是电子设计自动化（EDA）走向电子设计智能化（EDI）的关键。随着摩尔定律面临物理极限，芯片算力的发展会变得缓慢。所以，人工智能肯定有算力的制约。

● 算法是需要EDA工具支持的，EDA工具把“算法映射到了架构”才能把“AI落实到IC”。

不管是数据、算力还是算法，都到了关键时间，都在向EDA靠近。5G也会和EDA关联，5G解决的是信息传输问题，那么先要把信号变成信息，很重要的是智能传感，还必须是低功耗的。5G实现大容量、高速度、高可靠性前提下的低时延，也离不开人工智能和集成电路设计的EDA的支持。

CPU、GPU和NPU与EDA的关系是去中心化，企业拥有的x86架构、Spac架构，以及RISC-V都有去中心化这个问题，核心的问题还是要用EDA促成开源。

台积电（南京）总经理罗镇球回顾台积电和新思科技十几年合作的方式的变化：直到65nm都是台积电把做出来的工艺交给新思科技，新思科技再去开发EDA的设计平台及一些IP，每出现一种新工艺，到用户设计用上，两个阶段是1.5+1.5=3年时间。但在做 7nm 工艺时台积电就和新思科技一起做，一起研究工艺，一起建EDA和IP平台。只花了一年半的时间，满足新工艺的IP就提供给用户设计了，经济上还避免了重复投资。

所有新技术的发展，如果不和EDA结合就很难发展，因为你离不开EDA提供的方法学工具。

从2019年策划和约稿，到2020年1月至2021年5月每周在《电子报》上刊发EDA业界“大咖”的文章，我本人十分感谢作者们对EDA的厚爱和对我做这件事的支持！也感谢《电子报》和徐惠民总编提供的平台！

征得这些“大咖”们同意后，我把汇编出专集的想法，在2021年4月中国电子学会张宏图书记和王娟主任来家看望我时说了出来，张书记当即表示支持专集的出版，并让王娟联系了电子工业出版社。电子社肯定了出专集的重要性，并给具体运作提供了指导，此书得以出版以飨读者。我衷心地感谢业内提供文章的“大咖”，感谢学会和出版社的大力支持。

周祖成

2021年12月12日