在过去的一段时间里，我们密切关注半导体行业的各个方面，如芯片制造、操作系统、地区争端等。我们也很高兴看到中国半导体企业在产业链中的快速定位。但与此同时，应该注意到一个技术大门还没有被推开，那就是EDA工具。

电子设计自动化的概念非常广泛。如果你想做芯片设计，你不能离开EDA工具。涉及电子自动化的各个领域，如机械、智能手机、通信设备、航空航天、生物医学等。通过EDA技术设计特定的目标芯片，可以说是产业链上游的上游和基础。

对于如此重要的法宝，中国企业的市场认可度如何？答案是，可以毫不夸张地说，超过95%的EDA工具掌握在美国企业手中。中国有10多家EDA公司，2018年销售额为3.5亿元，仅占全球市场份额的0.8%。在技术研发方面，16纳米和28纳米技术支持也是主要技术。

硬件制造能力可以通过在设备上花钱来快速升级，底层操作系统可以用n个“备用轮胎”来代替。在全球半导体供应链中占据战略地位的EDA工具如何找到自己的春天？也许答案就在EDA正在绘制的人工智能蓝图中。

单兵谷城中国制造

事实上，早在去年的“中兴事件”中，EDA工具就作为大杀手出现了。除了禁止向中兴出售芯片，全球最大的EDA公司Cadence也宣布将停止为中兴服务。EDA工具也不在特朗普今年的名单中，令人印象深刻。一旦事情不可逆转，中国几乎所有的芯片公司都只能依靠当前版本的工具来工作。不用说，效率大大降低了，这也意味着他们可能很快落后于行业，因为他们不能升级。基于芯片能力的软件和硬件自然成为没有基础的木头和没有源头的水。

从理性的角度来看，完全区域化的最坏结果不太可能发生，但EDA工具的战略地位必须得到重视。但是话说回来，为什么至今没有相关的“备用轮胎”？

为了找到答案，我们需要把时间的钟摆转到1992年。

当时，当西方禁止向中国供应EDA时，中国仍处于两难境地。大量中国科学家和工程师参与了国家主导的国内电子设计自动化的开发。那时，这个行业以无限的活力出现。

1992年，在200多名开发人员的突击下，超大规模集成辅助设计系统熊猫集成电路设计通过了鉴定，涵盖了全定制集成电路正向设计的全部功能，并获得当年国家科技进步一等奖。它也被视为打破西方封锁的里程碑。

出乎意料的是，项目成功后，另一家银行立即解除了在中国的EDA禁令，“技术市场”成为主流。结果，美国的高端成熟EDA工具在接下来的十年里像狼一样占领了中国市场。结果，中国EDA独立制造商的研发速度放缓，走上了“二次开发”和“代理整合”的子公司发展道路。

经历了一些波折之后，国内EDA陷入了尴尬的境地。一方面，该品牌也在遵循同样的趋势。知识产权难以控制，自然不能形成溢价。结果，中国的芯片设计公司逐渐失去了选择和讨价还价的权利。然而，在市场竞争中，需要为几套EDA工具支付许可使用费。高成本直接拖累了设计周期和竞争力。5纳米甚至3纳米高精度芯片的设计也受到上游软件巨头的限制，难以实现。

在到处都存在这种约束的背景下，中国EDA工具的前进之路在哪里？

形势已经逆转。今年见人工智能

今天，没有人能忽视人工智能对社会产业的促进作用。根据市场研究机构ABIResearch发布的最新报告，云人工智能芯片市场将从2019年的42亿美元增长到2024年的100亿美元。边缘人工智能芯片也将继续以年均31%的速度增长。EDA作为人工智能芯片中不可或缺的角色，也受到半导体软硬件企业、企业家和开发者的推动，面临着新的商机和挑战。

主要需求变化是更高的PPA(功耗、性能、面积)目标。

为了将人工智能移植到智能手机、汽车网络、物联网等终端，具有深度学习能力的片上系统(SoC)变得不可或缺，行业对芯片封装的小型化要求越来越高。

在越来越小的单位面积上集成越来越多的晶体管需要更复杂的工艺设备，并且电路和热物理效应之间的相互作用也将改变，这意味着需要重新考虑整个设计过程，并且EDA工具必须与时俱进。

与此同时，工业智能市场的激烈竞争也使得开发商的需求越来越多，设计规模和规则限制也越来越多。如何提高人工智能芯片的设计效率，减少迭代次数，从而缩短设计周期，也迫使EDA厂商进行升级。

在汹涌澎湃的时代潮流下，将人工智能引入芯片设计环境是一种自然的选择。

在国家战略层面，以美国国防高级研究计划局(DARPA)为首的部门已开始将电子资产智能设计(IEDA)作为一个代表项目，重点突破优化算法、7纳米以下芯片设计支持、布线和设备自动化等关键技术问题。

在工业方面，像Synopsys、Cadence、Mentor和中国华大这样的工程界也将人工智能设计从概念升级到了实战。Cadence已正式推出专为人工智能设计的张力卡DNA 100处理器IP，它可以使用算法来提高芯片能效，并大大降低功耗。Synopsys还推出了一款内置神经网络引擎的嵌入式图像处理器，以满足高速内存访问的设计要求，并在芯片开发的早期阶段提供了确保人工智能数据安全的IP选项。TSMC等下游集成商也在ARM A72和A73内核上成功部署了机器学习，以帮助预测最佳单元时钟门控并提高整体芯片速度。

总的来说，人工智能对电子设计自动化提出了新的技术要求：首先，它能以较高的效率完成矩阵乘法、点积等运算任务的专业化处理；二是架构创新，实现深度学习任务的快速存储需求；第三是创建一个连接接口来传输各种数据。

虽然中国的EDA目前还缺乏一门综合的化妆课，但当务之急是不要盲目赶工。市场需求、全行业的算法饥渴、填补空白的技术和产品的优先权都为国内EDA工具走向人工智能指明了方向。

再制造车轮：中国EDA的人工智能土壤

当然，在EDA工具的人工智能过程中，仍然需要有一个明确的目标。接下来，是时候讨论这个关键问题了，中国EDA制造商发起反击的可能性，以及关键力量在哪里？

对于这个巨大的命题，政策，资本，学术界等等。可能需要几十年和几代人来解释。在这里，我们不妨关注一些特定的技术趋势，比如云计算。

基于云的EDA是未来的趋势之一。利用云计算的巨大计算能力可以有效解决耗时的仿真问题，直接降低芯片企业家使用EDA工具的成本，一些大型芯片企业也可以暂时灵活使用一些工具。众所周知，中国云服务厂商已经成为智能行业在硬件部署、软件创新和软硬件协同方面的支撑力量，也将成为推动EDA领域演进的关键变量。

另一个例子是AIoT的蓬勃发展。

软硬件协同是一种人工智能衍生的协同设计需求，需要新一代EDA工具来适应。同时，与工业应用的密切呼应也将影响和完善新一代EDA的设计和验证解决方案。例如，汽车联网、规模计算、高频通信等应用领域的设计都对系统级分析工具提出了更高的要求。为了更全面地支持各种场景，EDA实践者还需要扩展到工程模式(CAE)和其他方向。有多少黑马将从这些领域的整合中出现是一个令人兴奋的未知数字。可以肯定的是，在中国土地上像火一样燃烧的AIoT的建设也在不断地为EDA行业提供养分。

利用工业地图的人有时是一种力量减少十次会议的绝对力量，有时也可能是利用这种情况的支点。