AI如何优化系统集成

据报道，虽然制造过程的速度已经放缓，但芯片设计的复杂性仍然没有减少。对于芯片设计师来说，在这样一个过程中，AI在驱动时代，如果不能为自己使用，无疑会使自己乃至整个设计项目的效率停滞不前。尽管每个人都注意到了这一点，那么AI开始渗透进EDA在这个阶段的工具中，AI哪些设计挑战可以解决？

验证

验证是芯片BD237设计中最大的挑战之一。我们已经看到了昂贵的特殊验证硬件和云的趋势，这足以表明验证是芯片设计中资源消耗的过程。这里不仅指硬件计算资源，还指时间资源。验证的时间甚至可能高于其他过程。近年来，许多芯片开发团队中的验证工程师数量也在逐渐增加，增长速度甚至超过了设计工程师。然而，业内很少有人优化验证过程。

AI这个缺口终于松动了，很多厂家开始利用AI去优化验证这一过程，如通过覆盖率预测和激励优化加速覆盖率达标。Cadence今年也发布了VerisiumAI驱动验证平台，依据Cadence的说法，Verisium出现意味着SoC验证从单运行单引擎算法转变为单运行单引擎算法AI多运行多引擎算法辅助大数据，减少调试周转时间，提高调试效率，自动分类失败测试案例，减少人工分析的工作量。

模拟设计自动化

相对数字IC在设计方面，模拟IC设计在自动化程度上显然要差得多。在数字电路的设计过程中，整个过程的自由度逐步降低。虽然模拟电路设计也是如此，但其下降幅度并不比数字电路设计好，特别是在布局和验证方面，所以自动化还没有提上议事日程。目前，模拟电路的设计大多取决于设计师自身的直觉、技能和经验。

有了AI的帮助后，EDA该工具在大量数据的训练下提供了先进的机器学习算法，使模拟电路的布局和布线具有更高效的自动化过程，特别是在约束提取和生成、布局优化、模拟电路的优化、生成和模拟验证中AI加速。这样，每个模拟电路设计的迭代数量将进一步减少，芯片的上市周期也将缩短。

系统集成

近几年流行起来UCIe，Chiplet，3D包装等，实际上是一个系统集成的概念。引入的设计制造优化方案也不断受到关注，如DTCO等等。如何集成更多的晶体管，更多的内存和逻辑+内存集成和最终软件联合硬件的热管理都是系统集成中需要考虑的问题。

那么AI如何优化系统集成？答案是提供一条更有效的探索设计空间的路线，可以给出预测模型和更快的实现方法，比如新思维DSO.ai和FusionComplier，提供完整的AI为了实现更好的设计方案，设计方案PPA以及更快的设计验收。据了解，新思的这些方案最近在台积电方面，N3E对高性能计算进行了验证，AI计算密集负载，如移动设备，提供了增强的功耗、性能和良率。

结语

事实上，一旦芯片设计进入AI辅助时代，设计工程师也提出了相应的更高要求，因为许多低级设计问题已经被AI预测、优化和生成解决了。设计工程师需要在更高层次的设计上进行创新，比如系统/软件的联合优化，这样他们就不会被拒绝“优化”掉下来。未来，设计工程师的专业技能将更倾向于数据科学家需要掌握的技能，数据科学家可能会有机会抓住设计工程师的工作。