过去几年，芯片行业的市场竞争发生了一些有趣的变化。在PC处理器市场，长期独占鳌头的英特尔正面临AMD的猛烈攻势。手机处理器市场，高通连续五个季度让出出货量头把交椅，联发科意气风发。随着传统芯片巨头竞争的加剧，擅长软件和算法的科技巨头纷纷开始研发自己的芯片，使得芯片行业的竞争更加有趣。这些变化的背后，一方面是摩尔定律在2005年后放缓，更重要的是数字化快速发展带来的差异化需求。芯片巨头提供的通用芯片性能可靠，但随着自动驾驶、高性能计算、AI等应用需求的日益庞大和多样化，除了性能之外，还需要更多差异化的功能。科技巨头纷纷启动自研芯片，以巩固其对终端市场的把握能力。在芯片市场竞争格局发生变化的同时，可以预见，芯片行业将迎来更大的变革。推动这一切变化的因素是近年来非常火热的人工智能。有业内专家表示，人工智能技术将给整个芯片行业带来颠覆性的变化。新思科技首席创新官、AI实验室负责人、全球战略项目管理副总裁王炳达告诉雷锋网，“如果说芯片是用EDA（电子设计自动化）工具设计的关于引入AI技术，我认同这样的说法，“如果将AI应用到芯片设计的单一环节，工程师经验丰富的积累可以融入EDA工具，大大降低芯片设计的门槛。”如果将AI应用到芯片设计的全过程，还可以利用现有经验优化设计流程，显着缩短芯片设计周期，提升芯片性能，降低设计成本。芯片行业的“质变”在摩尔定律持续有效的情况下已经持续了20多年。借助晶体管的不断缩小，芯片公司可以在性能和能效上实现持续而实质性的提升。因此，在过去的几十年里，软硬件可以说是“井水不扰江水”。通用硬件架构固定，计算能力不断提升，产品每年更新换代。系统公司在通用芯片的基础上进行软件层面的创新，产品每周甚至每天迭代。“现在的趋势是软硬件联合设计，芯片的软硬件界限不再那么清晰。”王炳达指出，“打破这个界限的是AI芯片的出现，因为AI芯片的架构不像CPU和GPU那么固定，芯片设计者可以结合通用AI算子，根据应用需求设计专用架构和芯片。.Synopsys全球总裁兼首席运营官SassineGhazi也表示，在数字化趋势下，大型系统级公司正在开发自己的芯片，并通过定制芯片优化其应用或工作负载。在中国市场，包括汽车电动化、无线人类驾驶、AI、超大规模数据中心等细分市场正在发生重大变化。他们都希望通过定制化SoC实现系统差异化，从而找到整体业务的差异化，拥有差异化的竞争优势。只有用更好的芯片，它们的系统架构才能有所不同。领域特定架构（DSA，DomainSpecificArchitecture）可以体现其系统架构的独特优势。也就是说，domain-specificarchitecture可以让芯片设计者决定将一些算法变成硬件，而一些算法继续使用软件，以更灵活的方式，通过软硬件更好的协同，更高效地满足需求的最终申请。如此一来，架构创新就成为了未来芯片领域竞争的关键。2019年初，两位图灵奖获得者JohnL.Hennessy和DavidA.Patterson发表了一篇长篇报告《A New Golden Age for Computer Architecture》，他们在报告中预测未来十年将是计算机架构领域的“新黄金十年”在王炳达看来，这可能需要新的能够自动探索架构的EDA工具，比如全面的深度学习加速器，以更好地适应特定应用的需求。“架构变化会带来很多不确定性，过去的架构通用芯片被确定下来，主要是改进工艺。王炳达表示，“Synopsys提出的SysMoore概念应该考虑到从架构到流程再到系统层面的所有因素，带来的变化和不确定性是传统方法无法解决的，AI可以发挥非常重要的作用。”“大作用。”除了不确定性，架构的创新还要求芯片从设计到生产的周期要大大缩短，否则很难快速满足需求的变化。早在2018年，美国国防高级研究计划局（DARPA）就提出了IDEA（电子资产智能设计）和POSH（Posh开源硬件）两个新项目，旨在从两个维度缩短芯片设计流程IP和EDA，节省研发时间。AI和EDA的融合可以从根本上解决这些挑战。AI技术将颠覆芯片设计今年6月，谷歌团队在国际顶级期刊《自然》上发表了一篇题为《一种用于加速芯片设计的布局规划方法（Chip Design with Deep Reinforcement Learning）》的论文。达到同样的效果需要6个小时，提升是上百倍。王炳达说：“用EDA工具配合AI技术设计芯片，时间肯定会缩短，这是毋庸置疑的，只是时间缩短的程度不同。”让AI先经过学习，随着知识的积累，在后续的使用过程中，相同或相似的问题可以更快的速度得到解决，所以用AI的EDA可以节省芯片设计周期几乎是定论。有两种形式的人工智能应用于EDA。由于芯片设计是一个漫长而复杂的过程，整个过程中可能需要十几种EDA工具。因此，AI可以应用于EDA单点工具，优化单芯片设计流程，也可以用于优化整个芯片设计流程。如果用在单一的EDA点工具中，它的作用相当于经验分享，让一个只有几年工作经验的工程师达到经验丰富的设计师的水平。“目前，芯片架构的设计依赖于架构师的经验，如果能够借助AI技术，将架构师积累的经验融入EDA工具中，可以大大降低芯片设计的门槛，提高效率。”大大改善。”王炳达指出。如果是AI贯穿整个芯片设计流程，开发者就需要了解AI的工作原理。王炳达解释说，“利用AI技术优化芯片设计流程，需要客户根据实际进度不断调整。比如在传统流程中，每一步的时间和顺序都是非常固定的，后面的步骤只会完成前面的步骤后就可以进入了，加入AI后，可能第一步只需要原来的一半时间，第二步只需要原来的十分之一，此时用户需要做相应的调整。”当然，AI与EDA工具的融合，不仅可以大幅节省研发时间，还可以带来芯片性能的提升和设计成本的降低。美国在采用DSO.ai后取得了显着的效果，芯片设计时间提升了2-5倍，SoC芯片整体能耗提升了9%，将DSO.ai应用到不同类型芯片的设计流程中芯片仅需一名工程师就能带来显着的时间节省和性能提升。“对于不同类型和场景的芯片，AI可以带来不同的提升。”这是因为整个芯片设计过程需要经过几百万或几千万步，AI在不同过程中带来的提升程度并不一致。同时，上一步优化的结果会影响下一步AI改进的效果。”王炳达指出，“AI加入EDA后，在节省芯片设计时间的同时，设计人员可以集中精力优化性能，同时创新核心功能。自然更容易设计出性能更好的芯片。成本也可以相应降低。“未来，从芯片架构设计、制造到封装的全过程都将与AI技术融合。至于芯片设计周期能否由年改为月，王炳达认为，AI+EDA可以大大缩短芯片设计周期。”芯片设计周期，环节的周期是明确的，但是缩短芯片从设计到制造的整个生命周期，需要整个产业链的共同努力。对芯片行业来说，首先要回答一个疑问。人工智能发展的一个关键要素是足够的数据。是否有足够的人工智能数据来训练EDA？王炳达说：“EDA本身就是一门精密科学。甚至在AI到来之前，EDA中就有了精准的算法，计算出来的Data我们称之为“黄金数据”。AI的出现，让我们可以更好地利用黄金数据训练，让EDA工具变得更加智能。“EDA的AI不像很多行业那样依赖数据，但也需要用户的反馈，帮助我们不断提升EDA工具的智能化水平。”Synopsys独特的优势在于我们拥有芯片设计全流程的工具，这让我们可以在整个流程中使用AI，带来更显着的整体提升。”王炳达进一步表示，当用户的设计与训练有素的工具发生重叠时，大部分设计都可以很快完成，节省了大量时间，剩下的工作就是一些优化工作。”用户还可以利用自己的数据对EDA工具进行二次培训，让客户拥有更加个性化、定制化的工具，设计出更具特色的产品。”王炳达说，“我们大部分产品都会打开这个接口。“但要更好地发挥AI在芯片设计中的作用，如何找到结合点就成了一个挑战。”AI在芯片设计中的效益最大化，难点在于找到AI与特定领域最巧妙的结合点。这时候，就要靠设计者对特定领域的认知了。“王炳达认为，在这样的竞争中，系统公司的优势更为明显。他们对自己的业务理解更深，对算法理解更深，数据也很多，但缺乏芯片设计经验。而结合AI的EDA工具恰恰可以降低系统公司设计芯片的门槛，帮助他们更快更好地设计芯片。“我相信AI+EDA工具很快就会应用到从数字设计到几乎所有领域，再过几年，所有的芯片设计流程都会有AI。”王炳达说。届时，芯片行业的竞争可能会演变为系统公司领域专用芯片的竞争。通用芯片企业将如何面对这样的竞争？王炳达认为，通用芯片企业的优势在于对芯片架构的理解，能够在时间窗口内制造出技术合适、成本最优的芯片，但缺乏的是对系统和系统的深入理解。终端应用。芯片设计公司需要寻找好的系统公司配合，深入挖掘需求，提供灵活的通用芯片，能够适应多终端应用。面对这两类客户，新思科技提供了完全不同的服务。对于系统公司，目标是通过各种IP模块和设计工具，帮助他们解决芯片架构和工艺的选择；对于一般的芯片公司来说，目标是通过仿真验证、快速原型制作等更快速、更易用的工具，让生产出来的芯片能够在实际性能、功耗等之前进行仿真，节省成本和设计周期。
