DeepSeek引发了资本市场的关注，点燃了人们对科技未来的希望。科技行业，每个人都希望从中受益。在下游市场，各种厂商都在积极适配DeepSeek模型，应用场景从办公到生活服务，应有尽有。
在这股AI热潮中，半导体行业的上游产业将受到怎样的影响？DeepSeek的旋风，能否引发半导体产业的革命性变革？
随着摩尔定律的不断推进，当前大规模芯片集成的晶体管数量已超过百亿。由于芯片设计流程及设计本身的高度复杂性，几乎所有的设计团队都需要借助商业EDA工具来辅助完成芯片设计。
芯片设计与实现是一个极其复杂的流程体系。以数字芯片为例，当设计团队基于Verilog/VHDL代码进行后续工作时，标准设计流程至少包含逻辑综合、布局规划、时钟树综合、布局布线等关键步骤，还需要进行大量的仿真与验证工作。在此过程中，工程师需要综合考虑功耗、频率、面积等多种设计目标，并确保最终制造的芯片能够正确实现各项功能。
自动化是人类发展的重要驱动力。在EDA领域，AI技术的融合早已不是新鲜话题，AI究竟能为EDA产业带来什么改变，一直是行业探索的重点。
AI是生成式EDA，还是高级辅助工具？
在芯片设计领域，随着设计规模的扩大，在短时间内找到最优解决方案变得越来越困难。例如，当芯片中集成的晶体管数量增多，电路连接关系变得复杂，各种设计参数相互影响，找到一个能够同时满足所有性能指标的完美设计方案极具挑战。而AI可以在相对合理的时间内，提供“足够好”的结果，满足实际应用的需求。
在芯片设计的预测性工作中，机器学习模型通过学习大量的历史数据和设计经验，可以在设计的早期阶段快速预测芯片优化后的效果。 例如，在设计一款新的手机芯片时，机器学习模型可以根据给定的设计参数（如芯片架构、晶体管数量、功耗限制等），快速预测芯片在运行特定应用程序时的性能表现，如运行速度、发热情况等。基于这些预测结果，芯片设计师可以减少对耗时较长的EDA工具的依赖，直接了解EDA工具运行后的大致效果。这样，设计师可以及时调整设计参数，避免在后续设计过程中出现不必要的错误和重复工作。机器学习模型就像一个“智能预测助手”，通过快速预测EDA工具的运行结果，减少实际运行EDA工具的次数，从而提高设计效率。
与预测性工作不同，优化性工作的要求更高。这里的优化涵盖范围广泛，主要指直接解决一些EDA问题。 实际上，许多EDA问题的本质是在一定条件限制下对芯片进行优化。多年来，人们积累了许多传统的EDA算法，这些算法都是解决这些问题的优秀启发式方法。例如，在芯片布局布线问题中，传统的EDA算法可以根据芯片的功能需求和性能指标，合理安排各个元器件的位置，并规划出最优的电路连接线路。而现在，基于机器学习的优化方法可以寻找比传统EDA算法更优或者更快的解决方案。
EDA软件基于机器学习已经积累了一定的基础，而机器学习又是大语言模型的基础，为生成式AI提供了知识储备。但对于EDA来说，距离提出需求直接生成芯片设计的距离还很遥远。
目前来看，AI可以驱动工作流程优化和数据分析解决方案，并借助生成式AI功能协助工程师进行创新。但就实际落地而言，许多声称接入AI大模型的平台实际上提供的只是高级客服服务，并没有真正让AI从零开始创造内容。同样的问题也出现在EDA行业，虽然许多EDA公司声称集成了AI/ML功能，但在使用中更像是高级助手，将过去需要查阅文档才能找到答案的过程，简化为与AI助手的对话。
EDA三巨头已全面布局AI
Cadence Design与瑞萨电子合作，推出了基于AI的解决方案。 该方案采用了Cadence的Verisium Platform和Xcelium ML App。借助Xcelium App中的机器学习技术，瑞萨电子的验证团队能够生成精简的回归结果，并利用现有的随机化仿真平台运行边界用例，帮助瑞萨电子及早发现错误。Verisium AI驱动的应用使瑞萨电子的整体调试效率提高了6倍，并缩短了整个验证周期。
具体来说，Verisium SimAI是一个平台，它运用机器学习技术，从模拟器Xcelium运行的回归测试中构建模型。利用这些模型，可以生成带有特定目标的全新回归测试（如浸泡测试），从而更高效地对整个设计或特定区域进行测试，提升回归测试效率。
该平台还具备同类错误搜索功能，能够借助那些难以察觉的故障信息，找出同类错误。设计验证工程师可以利用这项技术提升工作效率，减少返工。
新思科技推出了名为Synopsys.ai的工具。 Synopsys.ai通过对话智能，具备协作、生成和自主等多种功能。在大语言模型（LLM）的支持下，其生成式人工智能功能既可以在本地环境中使用，也可以部署到云环境中。
对于芯片开发者而言，集成生成式人工智能后，Synopsys.ai能带来诸多便利。协作功能让开发者可以更好地合作；生成功能可以用于创建RTL设计、验证以及其他辅助资料；自主功能则允许用自然语言的方式创建工作流程。
新思科技表示，Synopsys.ai是全栈式由AI驱动的EDA解决方案套件，从系统架构到设计和制造的整个流程中，它都能充分发挥AI的强大作用。它能够快速应对设计中的复杂情况，还能接手一些重复性的工作，如设计优化空间探索、验证覆盖率和回归分析，以及测试程序生成等。同时，它有助于优化芯片的功耗、性能和面积。如果芯片设计团队需要将芯片设计从一家代工厂转移到另一家代工厂，或者从一个制程节点迁移到另一个制程节点，AI功能可以帮助团队快速完成这个过程。
此外，Synopsys.ai率先推出了连续数据集解决方案，能够加快芯片设计、验证和大批量制造的进程。这个由AI驱动的数据分析解决方案，能让团队对在设计、验证、制造、测试以及应用场景中收集到的大量数据进行解锁、连接和分析。它独特的芯片监控技术可以对芯片的功耗、性能、质量、良率和吞吐量进行优化，并提供综合的可视化功能，开发者在集成电路（IC）生命周期的任何阶段，都能更快地完成根本原因分析。
西门子的EDA解决方案也已发展多年。AI技术在西门子EDA解决方案中，主要应用在三个关键领域：核心技术、流程优化以及提供可扩展的开放平台。例如，在设计方面，AI能深入分析，帮助找出问题的根本原因，还能提前预防未来可能出现的潜在问题。在使用AI实现自动化以及验证AI得出的结果这两方面的能力非常关键。
在西门子EDA解决方案中，可验证引擎基于准确性、稳定性、专业领域知识以及易用性构建，以保证在处理数据时，AI算法给出的结果是可预测、可重复且具有实际价值的。不过，西门子也表示，有时验证无法完全自动化，需要专业人士介入，对AI给出的结果进行评估，确保其准确无误。2024年末，西门子斥资106亿美元收购EDA公司Altair。西门子的在线数字平台Xcelerator与Altair的结合“将打造全球最完整的人工智能设计和仿真产品组合”。
从这三巨头的行动可以看出，AI在EDA领域的应用正在不断深入，那么这又将给芯片设计工程师的工作带来哪些改变呢？
将枯燥的工作交给AI，让芯片工程师专注于创造
在芯片设计中，工程师们需要手动检查查询计划是否符合规范，查看数据、控制和测试的IP连接等设计和项目文档，以及IP和芯片级规范中规定的其他要求。仅清理设计代码这些步骤，一个工程师或一个团队往往需要花费数周的设计时间，并召开数百次会议，以减少在项目模拟和实施阶段出现错误的数量。
上文中EDA三巨头的AI动作，很多都是在优化设计流程，将重复性的工作简化和优化。
思路打开，借助第三方AI可以汇编一份与问题相关的所有EDA文档的简单易懂的摘要，而不必阅读一页又一页的用户指南来弄清楚如何让工具执行想要的操作。这节省了工程时间，而且已经很有用。从这个角度来看，大语言模型现在已经在EDA的流程中帮助工程师了。
基于此，我们看到大模型的蓬勃发展对EDA的使用确实有直接影响。
首先，AI可以帮助提升初级工程师的能力。 人工智能能帮助初级工程师表现得如同更有经验的设计师。初级工程师使用人工智能系统优化芯片实现时，系统会自动将高级工程知识融入流程，使其更快获得更好的结果并积累经验。在年轻人才独立工作方面，若规范定义正确，人工智能虚拟助手可以为与它交流的人提供关于需要询问内容的指导，一定程度上解决年轻人才独立工作以及专家捕捉需求的问题。
其次，AI可以优化工程师的分工。 人工智能的介入让初级工程师的能力提升，使得高级工程师可以从基础工作中解放出来，专注于更大、更复杂的任务，有助于充分发挥不同工程经验水平的工程师的能力。
最后，促进跨领域融合。 在系统设计以及数字设计和模拟设计领域，人工智能模糊了工作界限，打破孤岛式工作模式，促使人们关注端到端芯片设计，考虑签核要求等多方面因素。
但距离AI真正从底层改变EDA产业，还有很长的路要走。华大九天刘伟平曾表示：“AI对于EDA工具的影响，肯定不是颠覆性的，更多的是辅助性的。”一位业内人士对半导体产业纵横表示，EDA作为一个工程软件，其输出结果不能靠概率，而要保证准确性。AI能力的体现需要大量数据训练，而EDA公司没有那么多数据，有限数据上微调的模型在客户实际应用中解决问题的能力并不比有经验的工程师强。
凯文·凯利在《5000天后的世界》中曾说：“未来的AI其实会更多地被应用在重复性较多、比较死板且追求效率的工作上。人们完全可以将这种性质的工作交给AI，从而解放自己，多做一些有创造性的工作。”这段话对于芯片产业同样适用，即使有了AI技术，人的创新能力仍然是行业进步的根本。
芯片设计在发展历程中经历过多次技术变革，以往每次变革都有人预测工程类岗位会减少，但实际并非如此。例如，从原理图捕获过渡到寄存器传输级（RTL）综合时，工程师编译门电路的效率大幅提升，推动芯片规模扩大，进而需要更多芯片设计师。如今人工智能融入芯片设计，情况与之类似。人工智能能助力工程师完成更多工作，例如并行实现模块，设计出更大规模芯片，工程师的工作方式将从编辑工具脚本转变为与人工智能系统交互，但工程师在芯片设计中依然不可或缺。
正如黄仁勋所说：“人工智能只会取代那些不知道如何使用人工智能的人，这些人会被懂得使用人工智能的人所取代，但它不会取代人类。”AI不会创造世界，而是人类用AI去创造新世界。
