AI赋能芯片设计与EDA研发
探讨AI与Agent对EDA工具自动化设计及自研ASIC的推动
0个信源参与该主题的先锋
全部段落
10月8日
10月2日
9月28日
- 严华 EDA年产值约129亿美元、约占8000亿美元半导体市场的1.6%，却是芯片设计绕不开的软件平台。 严华把EDA比作写文章用的Word/WPS或编程IDE，把已验证IP比作可复用段落：成品里看不见工具，但设计过程离不开它。新思科技常年占全球EDA市场约40%-50%，行业高度集中。
- 芯片客户正由专业设计公司扩展到汽车、云、互联网、模型和其他系统厂商，项目周期也从24-36个月压到12-15个月。 特斯拉、Meta、OpenAI、字节、阿里等进入后，客户需要的不只是工具，也包括IP、方法学和“保姆式服务”；汽车芯片周期甚至已压到约7个月。
- 自研芯片首先是经济账，而AI推理是较清晰的落地场景之一。 扫地机器人主控若把团队、设计和流片都算上，严华估计可能需要几亿美元；AI厂商则会在GPU采购、电费、冷却和基础设施成本上升后，考虑把推理算法固化到ASIC中。严华的比喻是：通用芯片像“军马的衣服”，大家都能穿，但未必合身。
- 当前AI更主要是协助芯片工程师处理重复搜索和设计操作，而不是替代EDA约束、验证和最终签核。 新思从2020年的强化学习、2023年的Copilot发展到近30个Agent，整个设计流程约有30多个Agent，全球应该已有30多个客户试用；严华认为最终sign-off可能仍离不开人。
- Agent正促使EDA重新讨论收费方式和交付方式。 可能方向包括Token、使用量和Result as a Service，但本地部署开源模型后，按Token收费并不容易。更确定的变化是FDE会更重要，需要把Agent接入每家客户不同的流程、数据和环境。
- EDA的增量更多来自芯片和系统复杂度，而不只是项目数量。 重复方法学的MCU项目未必带来更多软件价值；multi-die、芯片堆叠、功耗散热、封装和系统仿真会创造新需求。新思在收购Ansys后希望从Silicon走向系统，英伟达也已围绕CUDA、网络、存储等构建系统生态。