半导体工艺创新，绝对离不开电子设计自动化 (EDA) 的帮衬。现被纳入西门子事业部 (Siemens Business) 旗下的明导国际 (Mentor Graphic)，对于系统应用有更深入的观察。执行长 Walden C. Rhines 博士发现：系统半导体含量在 20 年来首次增加，意味着我们正在嵌入更多价值，且芯片设计者正在改变系统公司。汽车产业也有各式系统公司正在加速发展，已有 463 家厂商宣布将使用于汽车或轻型卡车，这对 EDA 产业是好消息。
照片人物：Mentor Graphic执行长 Walden C. Rhines
半导体生态，跟从前不一样了！
Rhines 表示，虽然短期内受到贸易战影响，依据应用程序条款估计将产生永久损失、美国市占率亦见下降，欧洲、日本和中国则是有所抵消、也有所增长，但放大时间轴评估，应无碍晶体管成本变动在学习曲线上持续演进；然凡事有例外，最近一个事证是：随机存取内存 (RAM) 的突发性需求。尽管长期而言，RAM 数量仍会适度下降；但眼下因为多数设计软件的架构使用量大，使它在一年中大增 60%，不过预料来年将趋缓，可能只有区区几个百分点的微幅成长。
Rhines 表示，虽然短期内受到贸易战影响，依据应用程序条款估计将产生永久损失、美国市占率亦见下降，欧洲、日本和中国则是有所抵消、也有所增长，但放大时间轴评估，应无碍晶体管成本变动在学习曲线上持续演进；然凡事有例外，最近一个事证是：随机存取内存 (RAM) 的突发性需求。尽管长期而言，RAM 数量仍会适度下降；但眼下因为多数设计软件的架构使用量大，使它在一年中大增 60%，不过预料来年将趋缓，可能只有区区几个百分点的微幅成长。
另一方面，从晶圆代工厂购买晶圆的占比也不同于以往——以整合设计与制造商 (IDM) 为例，由于＂无晶圆厂＂(fabless) 雄据 IDM 晶圆销售高达八成的份额，每年填补约 70% 的产能差额，故 IDM 现在将对外销售的所有晶圆都纳入设计领域。特定领域的处理器似乎是大型主机、微型电脑、笔记本电脑和无线技术的主要推力、是下一波浪潮，可惜受限于工艺微缩，若想大力改善系统的结构性能，那么包括模式识别等在内的多数情况，可能不适用浮点乘法。将数字电脑与生物细胞进行映像、配对，显示能量消耗的差异高达 1/8，显示仍有很大的改进空间。
系统商成 EDA 新客群大户
现行设计中的大量芯片系统结构都嵌入了神经网络 (NN)，赋予设备学习、发展能力，半导体公司亦见趋势性转变：风险投资在 2019 年进入相当强劲的阶段，无晶圆厂半导体新创公司在前三轮融资中占有主导地位；而在最初三轮中，中国大陆投资是美国的三倍，约有 1,400 家无晶圆厂半导体公司。芯片识别是目前为止势力最盛的子类别，具体而微包括面部识别，以及音频、气味等泛用模式识别，可通过硅渲染创造能力；若想将视频标准化，多半是基于数据中心的并行性考虑，而带有张量处理器 (TPU) 的 Google 已完成两代芯片开发。
现行设计中的大量芯片系统结构都嵌入了神经网络 (NN)，赋予设备学习、发展能力，半导体公司亦见趋势性转变：风险投资在 2019 年进入相当强劲的阶段，无晶圆厂半导体新创公司在前三轮融资中占有主导地位；而在最初三轮中，中国大陆投资是美国的三倍，约有 1,400 家无晶圆厂半导体公司。芯片识别是目前为止势力最盛的子类别，具体而微包括面部识别，以及音频、气味等泛用模式识别，可通过硅渲染创造能力；若想将视频标准化，多半是基于数据中心的并行性考虑，而带有张量处理器 (TPU) 的 Google 已完成两代芯片开发。
不仅如此，他们还建置了机器学习 (Machine Learning, ML) 之训练 (Training) 和推论 (Inference) 专用服务器，更高效完成工作；然而，云端计算的最大受益者却是软件。要转向着重边缘设备的雾计算，唯一难处是：许多公司都希望获得他们无法访问、收集和分析的信息，而手握完整信息的公司多试图构筑整个生态系并跨足芯片设计，为功率、感测和数字处理带来新挑战，这对模拟设计并非易事，新创公司又该怎么接招？Rhines 观察，会交付新创公司进行设计的多是大型系统厂，原因之一是：在自有电脑处理电脑视觉，可大幅降低成本并缩短验证时间。
用熟悉的电脑程序语言涉猎电子工程
这些系统龙头商会针对数据封包的抽象层——包括编写 Paralogue / VHDL / SystemVerilog 代码及 C++ 合成算法进行周期之类的更改；假如能仅用缓存器传递语言 (RTL) 和电脑传统时间示例即完工，生产力可因而提高 50%。当今世上最大市场之一是数据中心和数据处理，值得留意的是，服务器单位数量的增长率正逐渐下降，但晶体管每年仍将以递增速度增长；试就＂冈波茨曲线＂(Gompertz Curve) 推估，直至 2038 年才会达到峰值。益华电脑 (Cadence) 则从边缘光加速 IP 着手，其小型正规证明技术可为设计者提供二氧化硅 (silica) DNA。
这些系统龙头商会针对数据封包的抽象层——包括编写 Paralogue / VHDL / SystemVerilog 代码及 C++ 合成算法进行周期之类的更改；假如能仅用缓存器传递语言 (RTL) 和电脑传统时间示例即完工，生产力可因而提高 50%。当今世上最大市场之一是数据中心和数据处理，值得留意的是，服务器单位数量的增长率正逐渐下降，但晶体管每年仍将以递增速度增长；试就＂冈波茨曲线＂(Gompertz Curve) 推估，直至 2038 年才会达到峰值。益华电脑 (Cadence) 则从边缘光加速 IP 着手，其小型正规证明技术可为设计者提供二氧化硅 (silica) DNA。
Cadence 企业副总暨系统验证事业群总经理 Paul Cunningham 博士介绍，他们拥有强大、经过验证且可配置软件的数字信号处理器 (DSP)，可自定义乘积累加计算 (MAC) 脉动阵列、精度达 16 位，并已集成专用可预测编译程序 (compiler)，可读取来自软件编程测试台的信号或通过配置额度解决壅塞。经由自动学习引擎，可直观选用验证方法且再次使用 ML 解决数据库问题，还能训练一个神经网络应对特定问题。特别一提，为针对定制化的模拟设计实施数字验证、并将卓越设计纳入系统，Cadence 保留了早期所有软件，以便综观系统分析全局进行开发。
照片人物：Cadence 企业副总暨系统验证事业群总经理 Paul Cunningham
AI 边缘设备，牵动工艺技术演变＆操作系统建置
新思科技 (Synopsys) 工程暨验证事业群副总 Susheel Tadikonda 表示，云端正在创建来自不同设备的模型，并在更多设备之间共享；边缘的创新周期正不断提高功率要求以回馈给芯片组，工艺技术也有所变化——以 Google Cloud TPU 为例，运行功率约 200W 且需要水冷却器；使用 AI 芯片建构，可藉范例做优化平衡，惟转换时必须专注于当中每个细节。虽然标准化省事得多，但每个设计者都倾向自定义内容，这意味着须进行系统结构分析、自定义编译程序、需有共同框架，可看到不同层面正在发生之事。其次，了解功耗需求、做前期功耗分析很重要。
新思科技 (Synopsys) 工程暨验证事业群副总 Susheel Tadikonda 表示，云端正在创建来自不同设备的模型，并在更多设备之间共享；边缘的创新周期正不断提高功率要求以回馈给芯片组，工艺技术也有所变化——以 Google Cloud TPU 为例，运行功率约 200W 且需要水冷却器；使用 AI 芯片建构，可藉范例做优化平衡，惟转换时必须专注于当中每个细节。虽然标准化省事得多，但每个设计者都倾向自定义内容，这意味着须进行系统结构分析、自定义编译程序、需有共同框架，可看到不同层面正在发生之事。其次，了解功耗需求、做前期功耗分析很重要。
照片人物：Synopsys 工程暨验证事业群副总 Susheel Tadikonda
实际运行各式工作负载是建置操作系统 (OS) 的关键；很多芯片开发商就是在此卡关，不得不回头重做系统结构。单就技术来看，有两种不同方式：一是尝试使用所有工具，找出使所有工作更有效率的最佳方法；二是藉算法协助程序访问及生态系统，成熟度和技术指标是成功要素。在落实标准化前，业界正处于竞争激烈的硬件冲击之中，其间产业聚合繁琐，理论上，新应用程序较易实现标准化，AI、机器学习以及整合方式仍存在混乱和局限性，迄今依然处于监督学习和训练阶段，也许我们应该关注生态系统，因为电子工程不再仅定格于 IC 设计。
价值模式匹配导致异构性大增，模拟＆仿真攸关设计成败
将焦点移回 IC 身上，DSP 本身的 Fortran 函式库已被设计执行一些特定操作，随着时间推移，带有神经网络功能的 DSP (简称 ADSP) 越来越多，着重的是在发展应用程序的同时，如何将价值用于模式匹配，异构性将大增，这将丢失更多的单一指令。Tadikonda 认为，如此不成熟的生态系统终将结束，首先崩溃的将是软、硬件之间的接口，若仍沿相同途径进行合成和配置操作，需对其进行更改。控制逻辑的模块基本上大同小异，要进行创新和差异化的地方是数据路径，即使是边缘芯片的领导厂商也将效仿 Google、Facebook、Amazon 等系统商的道路。
将焦点移回 IC 身上，DSP 本身的 Fortran 函式库已被设计执行一些特定操作，随着时间推移，带有神经网络功能的 DSP (简称 ADSP) 越来越多，着重的是在发展应用程序的同时，如何将价值用于模式匹配，异构性将大增，这将丢失更多的单一指令。Tadikonda 认为，如此不成熟的生态系统终将结束，首先崩溃的将是软、硬件之间的接口，若仍沿相同途径进行合成和配置操作，需对其进行更改。控制逻辑的模块基本上大同小异，要进行创新和差异化的地方是数据路径，即使是边缘芯片的领导厂商也将效仿 Google、Facebook、Amazon 等系统商的道路。
一言以蔽之，只需编写带有 C++ 的所有芯片、然后一个按钮执行即可，之后的模拟与仿真才是重点。每个人都希望建立偏好流程，那么，电路仿真是否能在可用性或计算需求享有弹性？事实上，几年前本有机会在模拟环境中使用框架集，惟憾错过了最佳时机。换个角度思考，如果每个人都花费相同预算，可否让他们尽可能多做一些模拟以求投片顺利？EDA 业者面有难色地透露：碍于投入电路设计的从业人员数量有限——手机编程人员数以百万计，而设计定制化集成电路者顶多只有成千上万，难有规模经济，这种类似＂吃到饱＂的方案恐难以为继。
