EDA的发展对开发人员和用户的影响

更多的芯片意味着工程师使用EDA工具的需求更多，这些工具如果可以更自动化就能得到更高的生产率，并且更快地完成工作。

硬件芯片设计和制造的投入越来越高，也越来越依赖EDA工具，因此设计团队对工具的要求不仅仅是“能用”，而是“好用”、“实现最高效率”，需要EDA工具帮助完成从系统需求到前后端实现的反复迭代、设计、验证，随着越来越多的系统公司开始设计自己的芯片和电子产品，他们的创新步伐会受到哪些主要 EDA 趋势的影响?

是德科技公司 PathWave 软件解决方案副总裁兼总经理 Niels Faché 在一则采访中，发表了他的一些观点。

EDA的发展对开发人员和用户的影响

趋势1：EDA正朝着特定领域的方向发展，那么特定领域的设计对 EDA 工具开发人员和用户有什么影响？

Niels Faché ：对于产品开发人员来说，仅仅考虑芯片或电路板的传统规格已经不够了，他们现在还必须考虑其产品将被集成和使用的环境。

产品开发团队环境设计的驱动因素包括增加的系统复杂性、更高的性能和成本要求权衡以及更短的开发生命周期。为了解决这些问题，EDA 供应商和用户在生态系统中看到了从组件（如 RFIC）开发人员到子系统（如雷达）和系统（如自动驾驶系统）的更紧密合作以应对集成挑战并优化性能。

针对环境设计给 EDA 工具提供商带来了一些挑战和机遇，例如：

创建协作工作流，包括跨设计和测试阶段更好的流程、数据和知识产权 （IP）管理，使许多工程师能够高效地协同工作。

利用基于模型的系统工程（MBSE），具有系统级、分层设计和不同级别的模型保真度，这具体取决于仿真的类型（电路、系统或网络）。

改进模型，包括基于测量的模型，以提高模拟的准确性。在设计过程的早期进行精确的仿真，使开发团队能够降低验证和确认风险，并减少对迭代和昂贵的物理原型设计的需求。

通过高性能计算 （HPC） 和并行化增加模拟数量。

在仿真环境中提供正式的验证框架，以在所需的设计环境中确认组件的兼容性。

仿真环境设计需要EDA公司之间建立更紧密的合作伙伴关系，并在EDA、计算机辅助设计（CAD），计算机辅助工程（CAE）和测试工具之间具有更大的互操作性。它还要求将EDA工具与产品生命周期管理（PLM）系统更好地集成，并在仿真和测试过程以及数据管理方面进行更多投资，以提高生产力。

芯片的快速发展对EDA行业的要求

趋势2：芯片在所有类型产品中的使用变得越来越普遍，半导体行业现在正在为越来越多的客户群提供服务，这对EDA行业有何要求？

Niels Faché ：目前芯片供不应求，这种情况在疫情期间显然有所恶化。在最近的一次欧洲之行中，是德科技的芯片设计和制造客户证实，需求比供应足足高出 30%。一些晶圆厂未来2年的产能都被预定了。公司也不得不在未来18到24个月内扩建产线，这样才有可能使供需关系重新平衡。

半导体行业是有周期性的，例如汽车长期以来都是一个周期性特点显著的行业，而应用和行业领域的多样性也有助于保持晶圆厂的高利用率。

如今，“万物电气化”正在大幅增加对新芯片组的需求。对于许多需要更高级的计算处理和连接的应用来说，简单的8位或16位微控制器已不再足够。初创企业继续快速涌现，创造新的设计架构和创新产品。无晶圆厂也使该行业能够处理越来越多的应用，同时将半导体制造能力有效利用。

EDA产品需要满足新的设计功能和验证工作。设计团队也需要更好的EDA工具、IP模块和咨询服务。更多的设计开始意味着对工程师和他们使用的EDA工具的需求更多，这些工具如果可以更自动化就能得到更高的生产率，并且更快地完成工作。

EDA 工具如何解决产品老化、质量和可靠性问题？

趋势3：客户要求EDA工具的使用寿命更长，这对汽车和数据中心等安全关键型市场尤为重要，EDA 工具如何解决产品老化、质量和可靠性问题？

Niels Faché ：芯片的发展正在向不同封装技术进步，对不同的互连和封装细节进行建模是可靠性设计越来越困难的原因之一。例如，空间应用需要内置冗余和特殊设计模式以增加辐射强度，这种方法也用于其他关键任务应用，例如医疗保健。可靠性和老化（磨损）要求在物联网、汽车和消费产品中变得越来越重要，这些产品曾经是航空航天和国防的主要驱动力。

随着这些新应用程序中试错成本的增加，仿真对设计质量的重要性也在增加，首先我们需要知道芯片老化的原因都有哪些。

老化本质上是我们通过晶体管通道驱动电子的速度，只有少数会缩短芯片寿命的效应是已知的，其中许多都涉及电荷被困在不属于它们的地方，有些可以通过技术改进来缓解，而有些则需要仔细设计和验证。因此，只有将可靠性验证完全融入整个设计、制造和测试过程，它才能发挥积极的影响，如果设计客户推动业界将仿真作为签核，对 EDA 工具的影响可能会变得更加显著。这需要通过独立的测试套件或测试机构来验证软件。EDA工具和 IP 也有助于预测和避免现场故障。使用嵌入式传感器和AI/ML 软件技术进行实时数据收集和分析有望很快解决硅产品的可靠性和老化问题。

编辑：黄飞