本文由半导体产业纵横（ID：ICVIEWS）编译自semi engineering
系统设计、大规模模拟以及人工智能/机器学习可能为工具、方法论和服务开辟多万亿美元的市场。
大型EDA公司正在寻找超越半导体领域的新机会，将大规模多物理场景模拟与芯片开发的方法论和工具相结合。
十多年来，EDA高层管理人员一直在寻求扩展到相邻市场的机会但无果。实际上，直到2016年西门子以45亿美元收购Mentor Graphics之前，该领域唯一重要的一步是朝相反的方向迈出的。自那时以来，有三件事发生了根本性的变化：
（1）更多的前沿设计是领域特定的和异构的，需要结合罕见的技能、工具和方法论。因此，EDA供应商现在直接与这些公司以及它们的供应商联系，后者越来越多地利用了在芯片设计和制造方面证明成功的方法，规模也更大。
（2）增加的全球竞争，特别是来自中国的竞争，正在迫使公司更深入地挖掘数据分析，以优化其运营，在制造业的战略位置增加更多传感器，利用人工智能/机器学习来识别大规模数据集中的模式和异常，以提高质量和产量，并围绕数据重组内部组织。
（3）新兴和现有行业部门的数字化程度日益增加，现在需要更紧密地集成和协同设计硬件、软件和封装——以及系统与系统之间的集成——以实现每瓦特的最佳性能。这在芯片领域多年来一直被讨论，却收效甚微。但随着工具和方法论瞄准新的市场，它们正在成为一个重要的销售点。
在过去几年里，Synopsys、Cadence、Siemens EDA、Ansys和Keysight一直在积极开发新工具，或者收购具有必要专业知识的公司，提供多物理场景分析和模拟——无论是在本地还是在云端，或者二者的某种组合——并且越来越专注于利用机器学习来改善结果并缩短获取结果所需的时间。这些投资显著地拓宽了它们的工具链，现在包括从在不同物理效应背景下的布线和布局，到权衡不同芯片片段和通信方案之间的折衷，以及在原型机上运行实际工作负载时对热梯度和机械应力进行建模。
如果它们成功利用总可获得市场（TAM）机会，可能会从根本上改变EDA行业。根据麦肯锡公司的预测，到2030年，全球半导体收入预计将达到1万亿美元。相比之下，据Omdia估计，电子系统市场预计将达到3万亿美元。行业专家认为，这只是一小部分机会，其潜力可能是数量级更大的数倍。
图1：与芯片相比，电子系统的总可获得市场至少会大三倍，而机会可能会更大。来源：Cadence/industry data
“这是真正的颠覆，”Cadence总裁兼首席执行官Anirudh Devgan说道。“在集成电路方面，我们有数字孪生和大量的验证历史，它必须有99%的覆盖率和99%的准确性，否则芯片将无法工作。因此，我们希望将这种精神带到为汽车和飞机设计数字孪生的系统中。目前，覆盖率大约只有20%或30%，我们可以将其提高到接近99%，这可以真正革新设计方式。”
它还可能影响到设计内容。“我们还尝试在生物领域进行这样的尝试，通过我们的OpenEye [Scientific Software]收购，”Devgan说道。“这在CFD方面尤其令人兴奋，因为这种新型算法可以使其更加准确。模拟的准确性至关重要，可以扩大覆盖范围。我们把这看作是一个三层蛋糕，中间层是主要的模拟，无论是晶体管还是分子的CFD模拟，物理模拟的准确性都至关重要，这是基于物理学、化学或生物学。但同时，还有另外两层。该模拟可以在加速计算上运行。现在，有了GPU和定制芯片，是一个全新的世界。在此基础上，还有人工智能协调。人工智能无法取代主要的模拟，但它确实可以通过神经物理学以及人工智能与物理学的结合来增强模拟，从而真正实现优化。
那么为什么这么长时间才出现这种情况呢？Synopsys执行主席Aart de Geus解释道：“所有这些其他领域都已经进行了自己的DA（设计自动化）—不是EDA，而是本质上的物理设计自动化。Ansys自称为仿真公司，这意味着你可以在计算机上进行各种形式的尝试来预测下一步的行为。因此，许多这些领域逐渐走近了一起。但是为什么它们没有过多地交叉融合，这有一个非常好的理由。交叉融合非常复杂，如果你实际上并不需要它，那么这没关系。如果你有优化的物理部件，然后你可以通过它们的行为或特性来描述它们，就不需要进行模拟。与直接使用零件本身的数据相比，这样做太慢了。”
De Geus表示，在上世纪90年代，Synopsys曾考虑过PCB设计，但决定不开发该领域的工具，因为对芯片设计影响很小。他说：“一旦你们彼此靠近，距离变得越来越小，中间的联系就成了对芯片设计的重要考虑因素。”“这就是为什么多芯片技术是一个里程碑时刻。突然之间，当你有一块芯片，你在高楼上方的公寓里再放一个邻居，下面的人在做饭，公寓里的热量就会上升，上面的人也会感受到。只有在动态影响你所做的事情时，接近才会起作用。如果是静态的，你只需要一个方程式，而不需要细节。”
曾作为Mentor Graphics的前首席执行官，负责西门子收购的Wally Rhines表示同意。“所有的EDA公司都希望进行系统级验证，”他说。“过去，你只需验证一块芯片，这已经很难了，所以人们不会进行太多的多芯片验证。但是我们几十年来一直认为人们会模拟整个印制电路板。但这从未发生过，主要是因为缺乏可用的模型，但也因为即使不这样做也可以将产品推出市场。但是如果你回顾过去四五年的印制电路板设计分析领域，分析工具的种类稳步增加，它一直是该领域增长的主要驱动力。热分析和电磁干扰是所有人都在谈论的两个与系统验证相关的领域。现在，随着多芯片封装的出现，所有主要公司都提供工具来帮助模拟这种行为。”
随着这些变化的同时，越来越多的设备、工具和流程与互联网和彼此连接，开发周期变得更短，更专业化。“正在发生大量创新，其结果是产品变得更加复杂，”Keysight设计与仿真产品组的副总裁兼总经理Niels Faché表示。“当你考虑智能设备、智能城市、智能汽车、智能国防等等，它们都是相互连接的——而且要求比以前更多更具挑战性。有更多的字节，更小的零件，以及不同的技术和材料。这意味着你不能继续以同样的方式开发产品，以前可能更多地依赖于物理原型和迭代。你确实需要换个视角，从虚拟领域来审视产品，以及与之相关的所有流程和工作流程。你需要一个虚拟的表示，这是我们需要与之保持一致的一个重要趋势。”
分布式方法
将这些不同的部分整合起来将是具有挑战性的，但EDA行业在将其工具和方法论整合到大型系统公司的工具和方法中，以及在大规模模拟和分析方面处于有利位置。
NXP半导体的基于模型的系统工程技术总监兼Accellera技术委员会主席Martin Barnasconi说：“我们正在与汽车行业、航空航天和航空电子，以及军事部门进行交流。所有这些行业都在用尽当前方法来整合软件、处理器、硬件、物理层，从设备级别向组件级别，到整个飞机、汽车或军用装备。在过去的二十年里，它们创造了标准，在半导体领域，我们有自己的ACL（访问控制列表）和ESL（电子系统级别）标准生态系统。不知何故，我们需要将这些世界结合起来解决系统解决方案和系统化解决方案，以更有结构化、自上而下的方式解决这些问题。它们都有自己的标准，但也意识到了软件和处理器内容如何处理以及如何将其生态系统连接到云端的挑战。并不是所有的东西都会在单个CPU的单个服务器上运行。挑战很大，但机遇也很大。”
图2：不同行业领域正在使用的模拟技术和标准。来源：Accellera
这些机会的基石是计算能力的巨大改进，将会使得在计算流体动力学中使用的模拟具有更高的准确性。斯坦福大学机械工程教授兼湍流研究中心主任Parviz Moin表示：“以前，为复杂的几何结构生成合适的网格需要几周，甚至几个月的时间。”“想象一下，你有一个燃气轮机引擎和它的燃烧器，那里有孔洞、螺栓和各种复杂情况。但是这些高质量的网格生成现在可以在几分钟内完成。因此，你可以以成本效益的方式进行这些计算。”
在最近的一次汇报中，Moin展示了一个幻灯片，显示了引擎后部喷出的火焰，乍一看这些火焰呈无定形。一旦测量结果叠加在这些火焰上，我们就发现，通过充足的计算能力，可以对其进行建模、分析，并随后用于确定推力的变化。正是这种应用的原因，所有大型EDA公司现在都在大力投资于基于云的多物理场景模拟技术。
图3：未来模拟中燃烧差异的映射。来源：斯坦福大学/Parviz Moin
“随着客户问题变得越来越复杂，要求模拟软件能够达到前所未有的水平，”Ansys电子、半导体和光学业务部总经理兼副总裁John Lee在最近的一次演讲中表示。“在某些情况下，我们能使客户进行含有28万亿个计算值的瞬态模拟。”
为了实现这一目标，需要先进的封装技术，而先进的封装技术需要在更大的尺度上进行相同类型的多物理场景模拟。李指出了3D-IC面临的三个关键挑战：多物理场景、多尺度和多组织。“多物理场景是准确模拟多个相互关联的物理现象的能力，”他说。“例如，电路活动、功耗、热传导和空气冷却都是紧密相连的，必须作为并发的多物理场景模拟进行处理。最新的硅工艺技术，以及3D-IC的密度，带来了芯片设计人员以前没有处理过的新型物理挑战——例如，详细的热分析以及3D组件的热-力学应力和翘曲。这是一个重要的可靠性问题，在单片设计中并不存在。”
多尺度更多地涉及流程和人员的组织结构。“3D-IC的出现引入了多技能挑战，因为传统上三个明确不同的设计功能之间的界限变得模糊，”Lee说道。“设计者现在必须同时处理纳米尺度下的器件IP和芯片设计，毫米尺度下的插板和封装设计，以及厘米尺度及以上的系统设计。提供一个跨越这么多数量级的3D-IC设计流程和仿真流程对于仿真结果的数量和质量都提出了巨大挑战。需要先进的数学技术，如简化模型、人工智能、机器学习和SigmaDVD，以帮助管理所需的巨大规模和数据量。而且，除了简单的尺度外，物理挑战的本质也是新的。例如，热传导往往会在芯片的小区域内变得平滑，但是当我们查看插板时，温度梯度可能会引发严重的机械挑战。因此，我们需要同时考虑尺度、质量和数量。”
然而，更大的挑战可能更多地涉及组织和业务相关。“我们的雄心是将任何东西从FMI（功能模拟接口）和超级管理程序界面移动到自动驾驶系统，”高通工程总监兼Accellera PWG副主席Mark Burton说道。“我们所有人都能够导入不同抽象级别的仿真，无论是物理还是计算组件，并使其以合理的方式协同工作。”
但要真正使其发挥作用，需要大规模数据共享。在像汽车、军事、工业和航空航天等高度竞争的市场中，这些数据可能价值数十亿美元。“活动有两个不同的层面，”Burton说。“一是，‘我如何将事物连接在一起？谁拥有这种连接？我们将要如何进行通信？’这是我们工作组目前所处的前沿。目前的看法是，我们不想再建立另一种互联标准，我们想做的是确定所有标准共有的接口。另一方面是，‘你要传输什么数据？’，有数据本身，这是一个方面。这就像音乐，而不是物理记录。但还有围绕这些数据的构造。如果我要给你发送一个视频帧，我需要指定视频的格式，以便你知道如何接收和处理它。”
数字孪生及更远的领域
所有这些市场领域的一个重点是数字孪生体，所有顶级EDA执行官都坚称，在优化半导体设计和确保任何更改都能按预期运行方面，这并不新鲜。但最近在多物理仿真领域的收购数量，以及在机械工程、机器学习和电路监测方面专业知识的积累，都表明了一个更广泛的推动和极大增强的工具能力。
“大约七年前，我们就对如何将这些部件整合在一起有了一个远景规划，”西门子EDA的执行副总裁Mike Ellow说。“市场正在从逐级构建的层次结构转变——在这个过程中，你会逐步集成到软件堆栈中，做出妥协，但你仍然可以完成系统——到现在软件已经为许多这些行业创造的价值提供了更多的差异化。这可以是汽车、航空航天和国防中的自动驾驶车辆、拖拉机、重型机械，甚至医疗设备。但是，半导体是整个行业发展的核心，半导体行业的一个有趣现象是，我们不能再交付芯片后就洗手不干了。你需要对软件进行修改，真正优化你的平台，然后芯片必须比过去更好地与之匹配，因为过去有标准的硬件平台，而新的妥协是在软件上做出的。现在，软件才是与众不同的地方，所以现在的情况恰恰相反。”
当西门子收购Mentor Graphics时，它已经拥有产品生命周期管理（PLM）、机械计算机辅助设计（MCAD）和计算机辅助工程（CAE）工具，但缺少其余的设计流程和仿真。如今，所有大型EDA公司都处于积极的收购模式中，为下一次重大转变做准备。这种转变包括更大规模的模型和仿真，通常涉及云端，其中任何变更都可以自动调整设计的其他部分，从而节省大量时间，提高设计本身的效率和性能。
“目前还不存在一个单一的汽车数字孪生系统，在这个系统中，你可以看到电池的老化情况、电池在特定天气条件下的表现，以及汽车在水中行驶时的表现，”Keysight的Faché说。“如果发生碰撞会发生什么？所有这些都能在数字孪生体中捕捉到并应用于各种条件吗？你无法想象会有这样的数字孪生体。但是你可以有一个数字孪生体，帮助你预测你的电池会如何随着你的驾驶而老化。你还可以有一辆车的数字孪生体，告诉你它在碰撞中会表现如何。这些将非常依赖于你如何操作物理系统的情境，你将会有一个对此的表示。”
为什么如此匆忙？
软件定义系统的转变已经开始，正在加速并不断扩大。越来越多的行业正在采用虚拟设计方法，而人工智能/机器学习的进步正在加速这一转变，使流程变得更快更高效。
“我们只是在探索软件定义系统如何彻底改变一切的表面，” Synopsys系统设计部门的总经理Ravi Subramanian指出。“世界GDP为101万亿美元，代表着全球商品和服务的总价值。目前，约有35万亿美元的产品正在设计阶段，尚未实际实现。越来越多的产品在虚拟设计中开始生命周期，那么，这些商品中有多少将由电子驱动或由软件驱动？”
由于变化的速度如此之快，确定确切答案可能会有困难，Subramanian解释道。“由于有太多的扰动因素，我们必须有意识地确定我们如何提供基础设施来整合其他领域，并且要熟练地理解各种用例。在汽车行业，汽车制造商正在聘请数千名软件工程师，这预示着一个重大的文化转变。一些根植于传统汽车思维的人对接受软件的作用持有抵触态度。然而，随着软件的指数增长，许多客户感到不知所措。这是一个巨大的挑战，甚至在考虑到持续更新和变化的情况下也是如此。”
结论
不同的行业和细分市场如何快速实现数字化运营，以及如何在技术和组织方面转变工作重心，各家公司的情况千差万别。但是，随着人工智能/移动互联技术在许多公司中点燃熊熊烈火，以及全球在集成和连接系统中更多部件以提高性能、降低功耗和降低整体系统成本方面的竞争日益激烈，所有指标都表明需要更好的工具和方法，EDA 也需要发生一些快速而根本性的转变，因为该细分行业正急于利用这些不足之处。
可以肯定的是，这是一场巨大的变革，存在很多不确定性。它需要更快的工具开发、更大的灵活性、更多地整合孤立的工程流程，以及在扩展的供应链中更好地共享信息。但是，如果能够成功实施，这将成为 EDA 行业有史以来最大的收获。
*声明：本文系原作者创作。文章内容系其个人观点，我方转载仅为分享与讨论，不代表我方赞成或认同，如有异议，请联系后台。