中国半导体设计公司的数字化之路从工作流程优化开始

　　整个半导体行业恐怕是使用“数字化”最少的高科技行业。对于沉浸在先进工艺节点, 先进封装的半导体行业来说, 数字化显得太大而空了。但如果我们深入观察行业的趋势，发现在数字化转型内涵下的各种微趋势都在半导体行业内潜移默化地发生着: 数字化的本质是用数字来驱动整个世界的变革，数字化的过程是要建立全要素的数据模型，数字化的目的是驱动智能决策。

　　数据模型是数字化转型的基础。数据模型是提供全量全要素的连接和实时反馈，在产品上要覆盖设计态、制造态、运行态三个维度。最近几年，数字孪生(digital twin)在半导体业被频频使用，这些都与行业的数字化驱动高度相关。在2020年8月的那篇著名的讨论半导体行业数字孪生革命的文章中，曾提到Cadence的Frank Schirrmeister认为数字孪生在半导体里有三个基础元素：

　　一是用于开发目的的数字孪生，这是从半导体的开发流程中自然产生出来的，它通常演化为开发流程上的数字孪生，用软件平台化作为承载体，通常是pre-silicon的；二是数据产生相关的数字孪生，把整个人的活动数字化，这个通常和post-silicon 的workflow优化有很大的联系，表现为工作效率的提升；第三个是随时间变化的产品数据，通常与产品生命周期的维护问题有关，是跟芯片使用相关, 包含了in-field的数据。

　　开发端的数字孪生已经在EDA里发芽，AI/ML在EDA中也被用来解决各种实际具体问题。从跟产品相关联的数据角度, Synopsys 第一个提出的全硅生命周期管理(SLM)就是面向产品生命周期的数据，从未来的角度一定是和EDA的数字孪生结合，把数字孪生的价值最大化。Siemens也演进出了自己的全硅生命周期解决方案（SLS）。目前阶段，量产的数字孪生仍然是产业内关注的重点，但是专家们也都提到半导体厂对良率的优良管理导致不具备更全的缺陷库提供AI 学习，要想从头积累这些缺陷在越是大的工厂里，越是困难。

　　左移（shift left）是目前半导体行业最有意义的词。虽然左移和数字孪生在数字化理论上紧密结合，但产业界给左移赋予了更多的现实意义。任何向左转移的努力和左移时发现的问题都意味着后续成本的节省已经在整个产业达成共识。半导体价值链的最左端就是产品规范(specification)。在某些特定的应用领域中，左移可以实现在规范定义的时候就引入客户及其终端使用的模型。但复杂的半导体行业生态系统急需标准，只有标准才能把所有的环节的数据连接起来，从而建立数字孪生。总的来说，目前阶段整个产品链的左移都发生在部分易于左移的小步上，而构建整个数字孪生以后的整体左移，还需要基于后续成果寻找切实可行的路径。

　　如果我们做个简单的小结就是半导体产业的整体数字化还有很远的路要走，我们没法重构一个数字孪生的原因是投入产出比的问题，任何数字孪生的建立必须是产业自然发展的产物，我们有太多具体的技术挑战要解决，他们的优先级远远胜于我们去构建一个完整的数字孪生。

　　如果拉近到中国的半导体产业，蓬勃发展的中国设计公司正探寻着中国定义芯片的道路。大家谈论的是人才、效率、产能、质量提升等基础问题，但当我们和国内设计公司的众多CEO/CTO/COO们进行深入探讨时，发现这些当家人也都在组织方法论上探索新的实现之路。如果我们套用数字化转型中最常被引用的说法“所有的企业都应该用数字化重做一遍”的逻辑，中国的设计公司反而在最好的位置上去走数字化的道路。然而这并不意味着中国公司不会遇到上述的挑战。另一方面，虽然用数字化重构企业是容易被认可的概念，但在落地上却遇到了如何横跨IT和业务的挑战。在国际大型半导体公司的实践中，转型往往伴随着大量对IT和平台部门的投资，对于业务体量还不足够大的公司，投入产出比是不能成立的。

　　所以数字化的转型对中国半导体公司的落地点也需要是解决业务问题的，企业从中可以收获可负担的用户体验的提升和效率提升。根据我们的调研结果，数字化中最直接可以落地的点是workflow的优化和数字化重构，这个步骤和生态系统关联性小，又直指中国设计公司最直接的效率和质量的问题，是最可以实现的。

　　我们可以看几个具体的落地场景：

　　场景一

　　研发项目管理

　　芯片产品的研发是个复杂系统，需要跨部门、跨学科、跨领域的研发人才紧密合作，才能让产品尽快上市，确保产品成功。新时代的芯片研发也要引入敏捷开发的管理方式，由客户价值驱动产品研发及上市的流程，所以很多公司都采用了IPD 等开发管理模型。在实践中，从研发产品管理优化的角度，我们发现设计公司对跨团队的高效、合规地合作有几方面的共性：

　　1

　　公司需引入软件工具作为芯片产品研发管理体系的承载体，使研发过程具有统一的流程框架，确保公司研发团队使用“共同语言”。

　　2

　　以研发项目号与芯片料号出发进行研发管理，让市场、产品、研发、测试、应用在产品目标上对齐。围绕产品规范，各部门能异步开发，在每个关键节点同步对齐，缩短开发周期。

　　3

　　项目管理和产品管理需要紧密结合，产品生命周期阶段与项目任务强相关。项目管理的变动能同步产品变更，让产品出货合规，降低产品风险。

　　4

　　建立有效数据中台将产品全生命周期数据管理起来，形成数据资产。一方面，确保产品合规，所有问题可追踪；另一方面，也能有效地为下次产品研发过程优化提供数据支撑。

　　这些优化的角度都需要适用于半导体芯片设计行业的研发管理软件结合业务进行辅助实现；而传统的通用项目管理或产品管理系统经常会造成管理系统和实际工程师使用的具体工具脱节，为了满足管理要求而让工程师大量手工操作管理系统，很容易造成线上线下两层皮，线上数据不准确，无法辅助决策，线下徒增任务，难以推进实现。

　　场景二

　　研发测试协同

　　芯片研发是个软硬协同的过程。所有的设计工作都是软的，一旦芯片回来, 硬件的实际情况要能够迅速反馈给设计人员，测试人员就肩负着快速完成准确测试，收集有价值数据的艰巨任务，这些数据就是要给芯片实际能力做个准确的画像。所以短时间内收集大量的多维度的数据是研发人员需要的。从研发和测试优化的角度，有几个方面：

　　1

　　测试规范左移，测试开发左移。

　　2

　　测试方法的标准化，保证测试的质量和测试能力建立在组织上。

　　3

　　测试数据收集自动化。

　　4

　　数据分析可视化、自动化。

　　5

　　数据报告自动化。

　　6

　　失效模式模型积累。

　　过去设计公司研发测试这个影响Time to Market的关键环节没有软件工具的概念，而以上的这些优化的角度都可以通过先进的测试软件流程工具来辅助实现。

　　场景三

　　以数据为中心的

　　协同数据分析和审核

　　设计公司需要建立以Spec和数据为中心的运行机制，驱动各个部门下一步的工作执行。中心化的数据审核和数据分析是驱动数字化运作重要一环。例如：

　　1

　　通过以Spec为中心的运作机制贯穿产品开发周期，协同各部门定义Design Plan, DV Plan, Validation Plan, Test Plan，可靠性计划，量产计划等。

　　2

　　在新产品开发的各个关键节点，进行有效的数据报告并建立数据评审机制，保证数据结果合规，项目进度可视，数据可追溯。

　　3

　　基于各个环节充分收集的数据，协同决策下一阶段的计划设计，例如实验室验证的Full Char结果指导量产测试的Limit设计与量产用例的设计。

　　4

　　将所有的数据结果进行深度挖掘，建立有效的工程问题库，帮助工程知识建立到系统中。

　　最先进的软件方法可以使以上场景中的工作流程实现敏捷化和高效化。国际大厂的流程优化实践开始于十数年前，通常由IT或软件平台部门在业务演进过程中逐步实施。由于实施的过程需要对业务的高度理解，历时周期都比较长，并且需要在反复迭代中演进。今天的中国半导体产业，没有十年的时间来循序渐进，我们需要整个产业做共同的基础积累，并且运用中国先进的软件能力将这些积累作为产业的共同资产。如何将软件技术和半导体业务深入理解紧密结合，即使在全球范围之内，也是个巨大的挑战。完成这个任务的前提是这个工作必然是从产业内生长出来的, 从小到大地解决实际产业和技术问题逐渐做全。

　　孤波科技作为一家专业研究半导体公司效能提升的公司，聚焦于研发半导体设计公司各个环节上的先进软件工具。孤波科技的团队汇集了来自半导体测试、半导体数据分析和互联网软件领域的专家，把产业知识和软件行业的产品定义方法论融合在一起，为中国半导体产业定制软件产品并赋能客户落地。孤波科技目前已经和很多国内一线设计公司合作，完善半导体设计公司workflow上的软件工具链，推动中国半导体公司的高速发展。

　　作为体外生长的赋能部门，孤波经常被问到如何保护设计公司的数据和核心know-how，我们会在后面的文章里回答这两个问题。