文字|丽娜智熙8月10日上海报道。
今天，全球芯片与电子系统设计自动化（EDA）软件巨头Cadence举办了年度CDNLive中国技术分享会。
Cadence CEO、华登国际创始人陈立武、海思平台与关键技术开发部部长夏宇、寒武纪CEO陈天石等人分享。
值得一提的是，今年也是Cadence成立30周年。
今年，超过1000名合作伙伴和开发者参加了CDNLive，是CDNLive中国参加人数最多的一次。
从今天的一系列内容分享中，我们可以看到两个趋势。
一是云计算、移动终端、物联网等行业需求带动的中国及全球半导体产业快速发展；另一个是人工智能主导的前沿。
半导体行业的技术正在经历一场深远的变革。
这种变化不仅仅停留在AI芯片的产品实现领域，还包括人工智能如何从EDA软件、芯片设计等源头领域影响半导体行业。
改变。
▲从左至右：Cadence副总裁兼中国及东南亚区总经理徐云、Cadence首席执行官、华登国际创始人陈立武、Cadence全球副总裁兼亚太及日本区总裁石凤宇、 Cadence首席参谋长夏仁新辉、Cadence首席执行官兼华登国际创始人陈立武等Cadence高管也接受了智东西等多家媒体的独家专访。
针对近期AI芯片的热门话题，陈立武向智动智讲述了如何做终端AI芯片。
更低的功耗和更高的性能是一个重要的话题。
例如，神经形态芯片是一个非常有前途的技术方向。
然而，云数据中心将是一个更大的市场。
这个市场目前正在发生非常剧烈的变化。
他本人和华登国际也在这方面进行了大量投资。
1、陈立武：AI驱动半导体市场快速增长，5nm市场十分活跃。
陈立武表示，2019年是半导体行业快速增长的一年。
全球半导体市场增长超过20%，市场总额突破1亿美元，其中中国拥有最大的半导体市场，并持续快速增长，在全球半导体市场中发挥着重要作用。
推动半导体市场快速增长的要素有五类：5G、人工智能、数据中心、边缘计算、自动驾驶。
这包括市场增长、公司增长、技术创新和资本使用者。
尤其是人工智能，当代人工智能不仅改变了所有应用，也推动了半导体市场从云到端的快速发展。
现在Cadence不仅已经逐步将自己和合作伙伴的工具迁移到云平台，而且在未来五年内，Cadence还将在自己的EDA设计软件中引入人工智能和机器学习，以减少运行时间并提高设计性能和效率。
。
据陈立武介绍，Cadence目前每年的研发投入占其总营收的40%（Cadence年总营收约为19.4亿美元，研发投入约为8亿美元）扣除研发投入和其他项目费用后的净利润为 2.04 亿美元）。
至于芯片领域新兴的突破性技术，有五个主要领域值得关注：硅光、量子计算、神经形态计算、纳米管和区块链。
这也是陈立武非常看好的几大技术趋势。
据陈立武介绍，他和华登国际在这些领域总共投入了1万美元。
目前，Cadence已经与多家合作伙伴启动了7nm、5nm，甚至3nm的研究。
例如，今年年初，比利时公司Imec和Cadence成功流片了首款3nm测试芯片。
陈立武表示，现在5nm市场最为活跃，很多企业在这方面非常活跃，正在安排5nm相关EDA软件、设计、IP的合作。
2、摩尔定律继续发展，下一代麒麟芯片确定为7nm ▲海思平台与关键技术开发部总监夏宇 虽然现在很多声音都说“摩尔定律已死！”，但海思平台和关键技术开发部部长夏宇认为，不，摩尔定律还在发展。
随着每一代技术的演进，单个晶体管的价格不断降低，能效也在快速增长。
这将使云计算、通信、PC、手机等市场持续快速发展，为用户和企业带来一代又一代更智能、更高效的产品。
华为内部甚至有一个幽默的观点——“摩尔定律是人类对抗通货膨胀的有效推动力”。
上图是芯片技术发展的路线图。
从图中我们可以看到，随着技术的增长，未来半导体行业将推出新材料（如石墨烯）、新器件等，继续推动摩尔定律的发展。
大约一个月后的8月31日，华为消费者业务CEO余承东也将在德国发布新一代海思麒麟7nm芯片产品。
然而，随着摩尔定律推动半导体行业快速发展，也将为半导体行业带来一系列新的挑战：例如在半导体设计方面，平面工艺上的器件将变得非常复杂，需要更复杂的设计。
模型用于布置器件、连接互连等，这不仅给芯片设计者和制造商带来极高的挑战，也给Cadence等EDA设计软件带来更多问题。
同时，芯片散热问题也将带来更大的挑战。
芯片可能面临从16nm到5nm功耗密度10倍的增长。
如何散热？ ——这是行业未来面临的巨大挑战。
而且，近30年来，模拟技术在仿真方面的发展相对落后。
模拟电路的DFT已经跟不上工业发展的需求。
不仅需要缩短测试时间，还需要提高测试覆盖率。
夏宇认为，这里的模拟电路产业存在着巨大的机遇。
然而，仅靠摩尔定律和工艺演进还不足以推动芯片制造领域的发展。
整个半导体产业的发展也需要更先进的封装技术（如2.5D、3D SIP、3D SOC等）、更先进的工程能力HSIC、可靠（如CPBI等），让半导体的发展整个系统级驱动它。
3、寒武纪陈天石：AI反过来可以优化芯片设计流程。
寒武纪CEO陈天石首先提到Cadence是寒武纪的重要合作伙伴。
Cadence的内存被集成到寒武纪首款云端AI芯片中。
内存接口IP和带宽接口I/O接口IP，应用Cadence Palladium Z1企业级硬件仿真加速平台。
▲寒武纪CEO陈天石今天陈天石分享的主题是如何利用人工智能辅助处理器设计。
由于处理器开发初期面临许多重要任务，设计人员必须在早期选择最合适的处理器参数，以确定处理器的性能/效率。
然而，有很多参数需要决定（例如发射宽度、功能组件数量、各级缓存大小等），也有很多设计约束（例如功耗、延迟等），并且存在是数千万甚至数亿种可能的参数设计组合。
因此，在芯片设计初期，很多参数决策都是通过“动脑筋”做出的，其间还有很大的优化空间。
这种负责的场景+大量的决策场景，这就是AI可以发挥作用的地方。
陈天石首先谈到了利用遗传算法+代理模型来优化处理器结构参数。
同时，处理器设计需要很多参数，但往往不具备监督学习所需的海量数据。
因此，陈天石团队还引入了半监督学习、主动学习等方法来减少样本需求，并通过模型来预测处理器。
参数组合对应的绝对性能/功耗。
此后，陈天石团队陆续引入排序学习来预测处理器配置的相对质量，将处理器参数选择速度加快了3-10倍。
该技术也被直接应用到寒武纪系列芯片的研发中。
在早期设计阶段，还需要对处理器进行流片前仿真，这是一项耗时的工作。
为了加速这个过程，还可以引入程序采样方法。
该技术在多线程设计中特别有用。
在优化处理器片上互连拓扑方面，由于传统的片上网络拓扑Ring和Mesh存在一定缺陷，陈天石团队设计了异构多环拓扑来连接多个处理器内核。
多环拓扑完全由遗传算法确定。
，能够支持核心的众核处理器可以极大地提高芯片性能（如网络延迟、吞吐率等）。
综合来看，人工智能不仅可以从需求端推动AI芯片产业的发展，还可以反过来优化芯片设计的各个环节。
引入机器学习和自动化的各种方法后，芯片设计可以实现更好的性能和更短的需求时间。
设计处理器架构将变得更加简单，处理器验证也将更加自动化，物理设计有望完全自动化。
该工具是自动化的。
结论：AI驱动整个半导体行业的发展。
说起AI+芯片，我们最熟悉的就是近年来新兴的AI芯片（深度学习处理器）产品和公司。
但如果我们放眼长远，放眼整个半导体行业，人工智能的影响实际上已经波及到了产业链的最上游——处理器设计，进而延续到产业链的各个环节。
以Cadence为例。
这家作为全球三大EDA设计软件之一的软件巨头，正在从各个方面积极拥抱人工智能和更多新兴的前沿技术。
同时，这些前沿技术也正在推动整个半导体行业的进步。