在2018年的春天，Aspencore旗下《電子工程專(zhuān)輯》、《電子技術(shù)設(shè)計(jì)》、《國(guó)際電子商情》三大媒體聯(lián)合在上海舉辦2018年中國(guó)IC領(lǐng)袖峰會(huì)。峰會(huì)以“中國(guó)IC業(yè)之世界格局”為主題，特邀產(chǎn)業(yè)最受關(guān)注的領(lǐng)袖人物，與數(shù)百位資深設(shè)計(jì)工程師、管理精英和技術(shù)決策者共同探討產(chǎn)業(yè)的成長(zhǎng)和突破之道。

Aspencore全球發(fā)行人兼執(zhí)行董事高志煒(Victor Gao)在歡迎致辭中表示，2017年由人工智能大潮引領(lǐng)的新一輪技術(shù)創(chuàng)新，迅速帶動(dòng)全球半導(dǎo)體創(chuàng)新加速。中國(guó)IC設(shè)計(jì)公司迎來(lái)了與海外IC設(shè)計(jì)公司同步起飛的時(shí)代機(jī)遇。同時(shí)，由中國(guó)率先提出并倡導(dǎo)的“一帶一路”戰(zhàn)略，迅速成為全球經(jīng)濟(jì)和科技發(fā)展的新亮點(diǎn)與新看點(diǎn)。

在可預(yù)測(cè)的未來(lái)，全球半導(dǎo)體行業(yè)將呈現(xiàn)高速發(fā)展趨勢(shì)。歐洲以德國(guó)、法國(guó)、英國(guó)為代表，仍將持續(xù)關(guān)注智能制造、智慧城市、區(qū)塊鏈等熱門(mén)技術(shù)；而在北美的硅谷、波士頓，不僅見(jiàn)證著初創(chuàng)企業(yè)的蓬勃發(fā)展，生命科學(xué)、環(huán)境科學(xué)、航天科學(xué)等學(xué)科也突飛猛進(jìn)；作為全球最具活力的市場(chǎng)，亞太區(qū)對(duì)CPU、GPU和存儲(chǔ)器的需求尤其旺盛。而當(dāng)前全球最重要的發(fā)展熱點(diǎn)來(lái)自AI和物聯(lián)網(wǎng)，人與機(jī)器達(dá)到了空前的融合，物聯(lián)網(wǎng)正演變?yōu)?ldquo;我聯(lián)網(wǎng)”，這需要云端、電信端和終端的密切配合。

“上知天文，下知地理，文經(jīng)武律，以立其身”。憑借高科技資本、技術(shù)人才和全球最佳市場(chǎng)的優(yōu)勢(shì)，中國(guó)IC業(yè)者近些年創(chuàng)造出了一系列令人矚目的成就，例如中國(guó)自主研發(fā)的CPU已經(jīng)運(yùn)行在國(guó)產(chǎn)超級(jí)計(jì)算機(jī)中，長(zhǎng)江存儲(chǔ)3D NAND存儲(chǔ)芯片量產(chǎn)在即，清華大學(xué)推出的可重構(gòu)計(jì)算處理器，兆易創(chuàng)新的非易失性存儲(chǔ)芯片都已成為明星產(chǎn)品。那么，中國(guó)IC廠(chǎng)商如何在“一帶一路”的利好政策下，走向全球市場(chǎng)、占領(lǐng)IC時(shí)代巔峰？在A(yíng)I時(shí)代，中國(guó)IC廠(chǎng)商是否能夠和國(guó)際對(duì)手處于同一起跑線(xiàn)？本次峰會(huì)將為您一一解開(kāi)心中的疑惑。

物聯(lián)網(wǎng)、5G和人工智能市場(chǎng)下的中國(guó)IC機(jī)遇

華為公司一直是物聯(lián)網(wǎng)產(chǎn)業(yè)的倡導(dǎo)者和主要參與者。但在華為技術(shù)有限公司半導(dǎo)體業(yè)務(wù)戰(zhàn)略與業(yè)務(wù)發(fā)展總監(jiān)夏硯秋看來(lái)，過(guò)去物聯(lián)網(wǎng)的發(fā)展實(shí)際上是不盡人意的。

“回顧歷史，IoT這個(gè)概念提出近20年，商業(yè)化嘗試也有10年，但現(xiàn)在既有的物聯(lián)網(wǎng)連接只有10億個(gè)，根本問(wèn)題出在哪里？”夏硯秋分析認(rèn)為，技術(shù)上來(lái)看，最重要的就是原有的物聯(lián)網(wǎng)技術(shù)過(guò)于簡(jiǎn)單，無(wú)法在全球范圍內(nèi)實(shí)現(xiàn)普遍覆蓋，從而導(dǎo)致商業(yè)化的不成功。 而物聯(lián)網(wǎng)的新時(shí)代在于低功耗廣域物聯(lián)網(wǎng)的誕生和標(biāo)準(zhǔn)的確立，使得全球范圍內(nèi)的覆蓋成為可能，運(yùn)營(yíng)商擁有大規(guī)模的服務(wù)提供能力，可以形成真正可持續(xù)的盈利模式，把垂直行業(yè)應(yīng)用融合起來(lái)，把智能生活帶給每個(gè)人，每個(gè)家庭。

在物聯(lián)網(wǎng)新舊時(shí)代轉(zhuǎn)換的過(guò)程中，各國(guó)政府和運(yùn)營(yíng)商在其中起到了主導(dǎo)作用，一個(gè)定標(biāo)準(zhǔn)，一個(gè)修路?？梢钥吹剑锫?lián)網(wǎng)的產(chǎn)業(yè)鏈條復(fù)雜多樣，但芯片產(chǎn)業(yè)占比非常低，單獨(dú)從芯片本身也看不到賺大錢(qián)的機(jī)會(huì)，全球只有少數(shù)玩家參與。但反觀(guān)人工智能這一波產(chǎn)業(yè)浪潮中，芯片技術(shù)在其中發(fā)揮的驅(qū)動(dòng)力和商業(yè)機(jī)會(huì)則大不一樣。

上圖是2017年Gartner技術(shù)成熟度曲線(xiàn)圖。與2011年物聯(lián)網(wǎng)概念第一次出現(xiàn)在觸發(fā)期，且被認(rèn)為還需要5-10年的時(shí)間才能成熟不同的是，物聯(lián)網(wǎng)已經(jīng)變成了物聯(lián)網(wǎng)平臺(tái)，成熟的時(shí)間也變成了2-5年，但仍然處于技術(shù)發(fā)展的早期。物聯(lián)網(wǎng)芯片當(dāng)然是不可或缺的，但驅(qū)動(dòng)力更多的是來(lái)自于產(chǎn)業(yè)各方如何達(dá)成共識(shí)。但反觀(guān)人工智能相關(guān)的技術(shù)卻一下子多了起來(lái)，綠框中，無(wú)論是還處于早期的強(qiáng)化學(xué)習(xí)、神經(jīng)擬態(tài)硬件，還是處于炒作巔峰的深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、自動(dòng)駕駛、認(rèn)知計(jì)算都和AI芯片強(qiáng)相關(guān)，無(wú)論是在學(xué)術(shù)界和產(chǎn)業(yè)界，我們都可以深切地感受到芯片對(duì)于人工智能相關(guān)技術(shù)的關(guān)鍵推動(dòng)力量。

那么人工智能芯片市場(chǎng)到底有多大呢？JP Morgan認(rèn)為未來(lái)5年將保持60%的年化增長(zhǎng)速度，從2017年的30億美元到2022年的330億美元；Nvidia更加激進(jìn)，認(rèn)為在2020年這個(gè)市場(chǎng)就會(huì)達(dá)到300億美元，其中訓(xùn)練市場(chǎng)110億美元，推理市場(chǎng)150億美元，高性能計(jì)算市場(chǎng)40億美元；Intel把數(shù)據(jù)中心的CPU、GPU、Memory、網(wǎng)絡(luò)、光芯片全放在一起，認(rèn)為2021年要到650億美元；IDC和Gartner給出的數(shù)據(jù)是5年后大概100億-150億美元的新增AI芯片市場(chǎng)。

也就是說(shuō)，無(wú)論按照誰(shuí)的標(biāo)準(zhǔn)，這塊市場(chǎng)的增長(zhǎng)都遠(yuǎn)遠(yuǎn)超過(guò)了IC產(chǎn)業(yè)的平均增速，而這樣一塊新市場(chǎng)的誕生，在過(guò)去十幾年半導(dǎo)體產(chǎn)業(yè)發(fā)展的過(guò)程中是非常不同尋常的，所以不僅吸引了老牌的IC廠(chǎng)商廣泛參加，也吸引了非常多的創(chuàng)業(yè)公司參加，可以說(shuō)對(duì)于A(yíng)I芯片市場(chǎng)比較樂(lè)觀(guān)的一個(gè)判斷，幾乎成了產(chǎn)業(yè)界的共識(shí)。

對(duì)于未來(lái)的樂(lè)觀(guān)預(yù)測(cè)不是拍腦袋想出來(lái)的。根據(jù)2017年全球服務(wù)器和GPU的出貨量來(lái)看，服務(wù)器出貨量達(dá)1100萬(wàn)臺(tái)，其中云計(jì)算廠(chǎng)商大概占到了40%，Nvidia數(shù)據(jù)中心GPU出貨量32萬(wàn)塊，按照一臺(tái)服務(wù)器配4個(gè)GPU來(lái)估計(jì)，去年具備AI加速能力的服務(wù)器出貨量只有7萬(wàn)臺(tái)，和總得出貨量相比，滲透率不足1%。

夏硯秋強(qiáng)調(diào)說(shuō)，這個(gè)數(shù)字很重要。從一個(gè)角度來(lái)看，可以理解為數(shù)據(jù)中心的GPU市場(chǎng)仍然是一個(gè)利基市場(chǎng)，很多服務(wù)器并不需要AI功能。但如果換一個(gè)角度來(lái)思考，那就是數(shù)據(jù)中心的AI芯片市場(chǎng)還遠(yuǎn)遠(yuǎn)沒(méi)有到頂，如果誰(shuí)能提供價(jià)格合適、性能強(qiáng)大的AI芯片，客戶(hù)沒(méi)有理由不買(mǎi)。

如果從利潤(rùn)的角度來(lái)看，機(jī)會(huì)就更加明顯了。左圖曲線(xiàn)是Nvidia GPU的每瓦性能提升趨勢(shì)曲線(xiàn)，斜率還是比較穩(wěn)定的；右圖是GPU的售價(jià)和性能的曲線(xiàn)，從斜率來(lái)看，這個(gè)性?xún)r(jià)比是越來(lái)越差的，但這也是Nvidia的利潤(rùn)源泉。

2017年，Nvidia的毛利率達(dá)到了62%，而5年前只有52%，考慮到數(shù)據(jù)中心業(yè)務(wù)在Nvidia總收入中占比只有20%，所以毛利率應(yīng)該更高；而老對(duì)手AMD近5年來(lái)毛利率也就是在30%上下。因此，如果誰(shuí)能夠挑戰(zhàn)Nvidia現(xiàn)在的霸主地位，不僅市場(chǎng)規(guī)模會(huì)做到很大，利潤(rùn)方面也將遠(yuǎn)遠(yuǎn)超越一般的半導(dǎo)體廠(chǎng)商。

AI芯片最大的挑戰(zhàn)來(lái)自于市場(chǎng)定位，如何平衡性能與靈活性？是贏(yíng)者通吃還是深耕長(zhǎng)尾？這是夏硯秋在現(xiàn)場(chǎng)對(duì)行業(yè)提出的問(wèn)題。這其實(shí)代表了AI芯片的兩種商業(yè)選擇，換句話(huà)說(shuō)，由于芯片產(chǎn)業(yè)的歸一化標(biāo)準(zhǔn)，大家實(shí)際上只有兩個(gè)選擇：在數(shù)據(jù)中心市場(chǎng)擊敗Nvidia，或者是構(gòu)建垂直領(lǐng)域的端到端護(hù)城河

贏(yíng)者通吃的代表是來(lái)自英國(guó)的Graphcore公司，它在2017年10月底公開(kāi)宣布其IPU達(dá)到了之前的設(shè)定目標(biāo)，相比于其它AI加速處理器性能提高10x-100x，在訓(xùn)練和推理都表現(xiàn)出色，最大程度地支撐開(kāi)發(fā)者的創(chuàng)新模型和算法，實(shí)現(xiàn)其它硬件架構(gòu)無(wú)法實(shí)現(xiàn)的任務(wù)。

而以下數(shù)據(jù)則告訴我們深耕長(zhǎng)尾的價(jià)值：

數(shù)據(jù)中心：30億美元  安防監(jiān)控：1億攝像頭出貨量，傳統(tǒng)監(jiān)控芯片市場(chǎng)規(guī)模20億美元  自動(dòng)駕駛：9000萬(wàn)汽車(chē)出貨量，未來(lái)ADAS市場(chǎng)10億美元，L2/L3市場(chǎng)20億美元，L4/L5市場(chǎng)50億美元  智慧家庭：智能音箱（2017年數(shù)千萬(wàn)出貨）、智能攝像頭、游戲機(jī)  智能手機(jī)：15億出貨量，AP市場(chǎng)規(guī)模400億美元，美顏相機(jī)，AR和語(yǔ)音助手  AI醫(yī)療：醫(yī)學(xué)影像診療，高性能計(jì)算  機(jī)器人/無(wú)人機(jī)：數(shù)百萬(wàn)出貨量 

但夏硯秋認(rèn)為，目前的AI芯片還不能解決安防領(lǐng)域遇到的所有問(wèn)題，而在自動(dòng)駕駛領(lǐng)域又恰恰相反，是AI芯片運(yùn)算性能過(guò)剩，例如當(dāng)前的GPU已經(jīng)能夠具備支持L5自動(dòng)駕駛的性能，人們探討更多的是如何將可靠性從99.9%提升到99.9999%，這需要從更高的系統(tǒng)層面進(jìn)行思考。深耕長(zhǎng)尾的價(jià)值在于垂直整合解決實(shí)際商業(yè)問(wèn)題，而在這一波浪潮中，中國(guó)IC廠(chǎng)商將首次和國(guó)際對(duì)手處于同一起跑線(xiàn)。 權(quán)利的游戲

北京芯愿景有限公司總經(jīng)理張軍援引知名美劇《權(quán)力的游戲》的主題，從規(guī)則、攻略和裝備三方面闡述了三大法律法規(guī)、如何建立有效的攻防體系以及兩種時(shí)效性非常強(qiáng)的專(zhuān)利工具。

他強(qiáng)調(diào)稱(chēng)，與集成電路行業(yè)相關(guān)的包括專(zhuān)利權(quán)、布圖設(shè)計(jì)權(quán)和商業(yè)秘密權(quán)。在布圖設(shè)計(jì)權(quán)中，保護(hù)“思想的表達(dá)”而非“思想”本身，也就是說(shuō)，按照《條例》第五條的規(guī)定： “布圖設(shè)計(jì)的保護(hù)，不延及思想、處理方法、操作方法或者數(shù)學(xué)概念等。”；如果按照《條例》第四條：“受保護(hù)的布圖設(shè)計(jì)應(yīng)當(dāng)具有獨(dú)創(chuàng)性，即該布圖設(shè)計(jì)是創(chuàng)作者自己的智力勞動(dòng)成果，并且在其創(chuàng)作時(shí)該布圖設(shè)計(jì)在布圖設(shè)計(jì)創(chuàng)作者和集成電路制造者中不是公認(rèn)的常規(guī)設(shè)計(jì)。”，那么，保護(hù)布圖設(shè)計(jì)中的獨(dú)創(chuàng)性部分，而非其它；第三點(diǎn)，按照《條例》第七條：該法規(guī)保護(hù)“集成電路布圖設(shè)計(jì)、含有該布圖設(shè)計(jì)的集成電路或者含有該集成電路的物品。” ，闡明了布圖設(shè)計(jì)保護(hù)的三個(gè)層次。

而根據(jù)獨(dú)立創(chuàng)作性要求，布圖設(shè)計(jì)只要求獨(dú)立完成，并不要求首創(chuàng)；不排斥兩個(gè)獨(dú)立完成的內(nèi)容相近甚至相同的布圖設(shè)計(jì)；布圖設(shè)計(jì)侵權(quán)鑒定時(shí)，不能僅憑相似度來(lái)判定侵權(quán)，還需要確定雙方是否獨(dú)立完成—“接觸+相似”的判定原理。而在創(chuàng)造性概念中，布圖設(shè)計(jì)的工業(yè)產(chǎn)權(quán)屬性，決定受保護(hù)客體需要一定的創(chuàng)造性；布圖設(shè)計(jì)的作品屬性，決定受保護(hù)客體不僅要有“個(gè)性”，還要有一定的“質(zhì)量”；布圖設(shè)計(jì)的創(chuàng)作性略高于著作權(quán)，遠(yuǎn)低于專(zhuān)利權(quán)。

而專(zhuān)利戰(zhàn)略的目的，是為了自身的長(zhǎng)遠(yuǎn)利益和發(fā)展，運(yùn)用專(zhuān)利制度提供的法律保護(hù)，在技術(shù)競(jìng)爭(zhēng)和市場(chǎng)競(jìng)爭(zhēng)中謀取最大經(jīng)濟(jì)利益、并保持自己競(jìng)爭(zhēng)優(yōu)勢(shì)的整體性戰(zhàn)略觀(guān)念與謀略戰(zhàn)術(shù)的集成總和體。

在運(yùn)用專(zhuān)利戰(zhàn)略攻擊時(shí)，既可以使用專(zhuān)利無(wú)效訴訟(即利用現(xiàn)有技術(shù)進(jìn)行創(chuàng)新性否定)或 技術(shù)壟斷訴訟(通過(guò)訴壟斷而得到免費(fèi)專(zhuān)利授權(quán))，也可以使用產(chǎn)品侵權(quán)訴訟，包括侵權(quán)訴訟(自有專(zhuān)利訴競(jìng)爭(zhēng)對(duì)手產(chǎn)品侵權(quán))、專(zhuān)利購(gòu)買(mǎi)(購(gòu)買(mǎi)專(zhuān)利訴競(jìng)爭(zhēng)對(duì)手產(chǎn)品侵權(quán))、聯(lián)合專(zhuān)利池(通過(guò)企業(yè)之間合作建立共同的專(zhuān)利池)和NPE策略(利用“非關(guān)聯(lián)”企業(yè)進(jìn)行訴訟)。而文獻(xiàn)公開(kāi)、宣告無(wú)效、外圍專(zhuān)利、設(shè)計(jì)侵權(quán)規(guī)避和共享專(zhuān)利池則形成了專(zhuān)利防御體系。

而反向工程在證據(jù)鏈中的作用體現(xiàn)在使用公開(kāi)：即通過(guò)反向工程查找公開(kāi)銷(xiāo)售產(chǎn)品中的公知技術(shù)、以及通過(guò)反向工程查找產(chǎn)品中的侵權(quán)證據(jù)。具體到集成電路行業(yè)，則包括系統(tǒng)專(zhuān)利侵權(quán)分析、封裝專(zhuān)利侵權(quán)分析、制造工藝侵權(quán)分析、MEMS器件侵權(quán)分析、數(shù)字算法侵權(quán)分析、嵌入式軟件侵權(quán)分析、FPGA代碼侵權(quán)分析等等。

專(zhuān)利概要分析報(bào)告IPreportor是芯愿景公司推出的兩種“游戲裝備”之一，主要跟蹤通信、MEMS等幾大領(lǐng)域的芯片產(chǎn)品，力求芯片產(chǎn)品面世兩周內(nèi)推出概要分析報(bào)告，可以按照領(lǐng)域以會(huì)員制方式進(jìn)行服務(wù)。

而IPsense系統(tǒng)則是芯愿景研發(fā)的專(zhuān)利查詢(xún)和挖掘系統(tǒng)。在IPsense系統(tǒng)的云端包含有超過(guò)42,000個(gè)芯片的海量數(shù)據(jù)資料。在任意的客戶(hù)端通過(guò)瀏覽器連接IPsense服務(wù)，可以快速查詢(xún)芯片的各種數(shù)據(jù)信息并通過(guò)瀏覽器呈現(xiàn)給客戶(hù)。通過(guò)IPsense獨(dú)有的智能匹配算法，能夠利用客戶(hù)指定的專(zhuān)利內(nèi)容在數(shù)據(jù)庫(kù)中進(jìn)行挖掘和匹配，并將和專(zhuān)利相關(guān)聯(lián)的芯片細(xì)節(jié)信息呈現(xiàn)給客戶(hù)。

目前，憑借高智能的自主研發(fā)的專(zhuān)利同電路的匹配軟件系統(tǒng)，芯愿景已經(jīng)能夠?qū)崿F(xiàn)自主分析重點(diǎn)領(lǐng)域關(guān)鍵芯片(主要關(guān)注國(guó)際前10大設(shè)計(jì)公司)，建立了三層次芯片電路信息庫(kù)，做到同國(guó)家專(zhuān)利局專(zhuān)利信息同步更新，實(shí)時(shí)為客戶(hù)提供所需的侵權(quán)證據(jù)。 人工智能和EDA的互相促進(jìn)和發(fā)展

Cadence中國(guó)區(qū)總經(jīng)理徐昀在演講中表示，EDA發(fā)展的歷史就是芯片設(shè)計(jì)方法學(xué)發(fā)展的歷史—從物理層設(shè)計(jì)，到電路層設(shè)計(jì)，再到系統(tǒng)層設(shè)計(jì)—工程師們逐步擺脫了繁雜的細(xì)節(jié)，可以更專(zhuān)注于高層次的設(shè)計(jì)。那么，EDA工具的下一步，該走向何方？

“我們是否真正需要AI芯片呢？”徐昀對(duì)當(dāng)前幾種最為流行的處理器進(jìn)行了點(diǎn)評(píng)。在她看來(lái)，ASIC芯片盡管缺乏靈活度但卻具有非常高的性能；集成了FPGA/ASIC特性的混合型產(chǎn)品實(shí)現(xiàn)了靈活度和性能的平衡選擇；GPU雖然具備高性能但能效比偏低，且價(jià)格昂貴；傳統(tǒng)的CPU具備高靈活性但卻是低性能。

既然人工智能芯片的主要目的是獲得更高的性能，那一個(gè)重要的課題就是，如何在設(shè)計(jì)的每一個(gè)環(huán)節(jié)不斷提升性能，爭(zhēng)取達(dá)到能實(shí)現(xiàn)的極限。這里所說(shuō)的性能，主要包括了兩個(gè)方面，也是人工智能芯片最關(guān)注的兩個(gè)方面：能效(Power Efficiency)和吞吐量(Throughput)。

徐昀表示，人工智能芯片重計(jì)算的特點(diǎn)，決定了它將會(huì)是一個(gè)耗能大戶(hù)。深度神經(jīng)網(wǎng)絡(luò)海量的參數(shù)加上訓(xùn)練樣本，會(huì)在芯片上產(chǎn)生頻繁的數(shù)據(jù)運(yùn)算和數(shù)據(jù)交換。衡量人工智能芯片的能效，關(guān)鍵在于“效率”，一定要同時(shí)考慮功耗和算力兩個(gè)因素。單單看功耗是沒(méi)有意義的。所以衡量的指標(biāo)是：在一定的功耗下芯片能提供的算力，通常表示為FLOPS/W。比如1TFLOPS/15W，意義是在芯片功耗15W的情況下，能夠進(jìn)行每秒1萬(wàn)億次浮點(diǎn)運(yùn)算。

提高能效主要從神經(jīng)網(wǎng)絡(luò)運(yùn)算的特點(diǎn)開(kāi)始著手，業(yè)界已經(jīng)提出了多種可行的方法。最有效的一定是從算法層面的優(yōu)化，比如：a）降低精度、b) 發(fā)掘稀疏性、c) 壓縮。以上3點(diǎn)主要是算法和前端架構(gòu)上需要考慮的設(shè)計(jì)方法，對(duì)芯片的后端實(shí)現(xiàn)沒(méi)有直接的影響。

對(duì)后端有影響的是另外幾種重要的方法。比如：片上存儲(chǔ)及其優(yōu)化、片外存儲(chǔ)器(如DDR等)具有容量大的優(yōu)勢(shì)，然而在A(yíng)SIC和FPGA設(shè)計(jì)中，DRAM的使用常存在兩個(gè)問(wèn)題，一是帶寬不足，二是功耗過(guò)大。由于需要高頻驅(qū)動(dòng)IO，DRAM的訪(fǎng)問(wèn)能耗通常是單位運(yùn)算的200倍以上，DRAM訪(fǎng)問(wèn)與其它操作的能耗對(duì)比如圖所示。

為了解決帶寬和能耗問(wèn)題，通常采用兩種方式：1. 合理使用存儲(chǔ)單元，包括片上緩存和臨近存儲(chǔ)；2. 增加吞吐量包括兩點(diǎn)，一是計(jì)算單元的數(shù)量，二是數(shù)據(jù)存儲(chǔ)和訪(fǎng)問(wèn)的效率。兩點(diǎn)缺一不可。

“算力決定一切”也許不準(zhǔn)確，但算力的確是人工智能芯片之所以存在的首要任務(wù)。目前，針對(duì)AI芯片能效和吞吐量的巨大挑戰(zhàn)，Cadence數(shù)字后端工具提供了大量方法幫助客戶(hù)更快收斂到預(yù)期的目標(biāo)。如前所述，AI芯片大致對(duì)后端工具提出了4個(gè)類(lèi)型的挑戰(zhàn)：Power，F(xiàn)loorplan，Capacity，Interconnect，而Cadence的應(yīng)對(duì)之道：Innovus、Tempus和Voltus能夠提供包括強(qiáng)大、完整的Floorplan解決方案；Bus routing和buffering、Concurrent Macro Place、SDP/Structured Data Path等在內(nèi)的強(qiáng)大功能。

徐昀指出，在IC設(shè)計(jì)領(lǐng)域，EDA工具最近十年基本上是原地踏步。一個(gè)數(shù)字IC設(shè)計(jì)工程師，他可以使用10年甚至是15年前的方法和知識(shí)來(lái)做事情，毫無(wú)違和感。芯片規(guī)模是變大了，芯片工藝線(xiàn)寬是變小了，但是設(shè)計(jì)方法學(xué)的本質(zhì)沒(méi)有任何變化。從VerilogHDL、Verilog2001，到SystemVerilog、SystemC、C，語(yǔ)言在不斷向前進(jìn)化，但是可被綜合的行為描述還是停留在Verilog時(shí)代。

因此，在大數(shù)據(jù)驅(qū)動(dòng)的人工智能新型計(jì)算方式下，EDA也可以進(jìn)入新的時(shí)代。新的設(shè)計(jì)方式，不停的針對(duì)大數(shù)據(jù)的模型學(xué)習(xí)所產(chǎn)生的參數(shù)，來(lái)作為設(shè)計(jì)的新輸入?？墒俏覀兌贾溃诎雽?dǎo)體設(shè)計(jì)中，可被拿來(lái)做訓(xùn)練的數(shù)據(jù)不可能像圖像的應(yīng)用那樣巨大。怎么樣從有限的數(shù)據(jù)中快速的訓(xùn)練出高效的模型，也是對(duì)EDA的另一個(gè)挑戰(zhàn)。

人工智能在EDA的哪些點(diǎn)上可以有新的突破？

在實(shí)際狀況中，很多東西和參數(shù)本來(lái)就無(wú)法進(jìn)行精確建模。使用不精確的模型，也就無(wú)法得到好的設(shè)計(jì)結(jié)果。隨著設(shè)計(jì)和制程的演進(jìn)，各種參數(shù)的波動(dòng)，制程的不一致性，使得建模的困難性更大。在這種情況下，通過(guò)有效的經(jīng)驗(yàn)積累，從經(jīng)驗(yàn)中體會(huì)出怎么來(lái)做相對(duì)應(yīng)的設(shè)計(jì)，反而能解決很多無(wú)法通過(guò)數(shù)學(xué)和理論解決的問(wèn)題。同時(shí)在復(fù)雜的環(huán)境下，非線(xiàn)性模型的計(jì)算復(fù)雜性使得軟件的仿真運(yùn)行時(shí)間非常長(zhǎng)。通過(guò)機(jī)器學(xué)習(xí)，可以幫助把非線(xiàn)性模型變得簡(jiǎn)單化，讓EDA的運(yùn)行速度成倍的減少。

設(shè)計(jì)效率如何提高是永遠(yuǎn)的主題。如果使用過(guò)去的成功經(jīng)驗(yàn)來(lái)幫助工程師進(jìn)行設(shè)計(jì)水平的提高是個(gè)很大的幫助。做設(shè)計(jì)的時(shí)候，可以根據(jù)設(shè)計(jì)信息，從過(guò)往設(shè)計(jì)中找出最合適經(jīng)驗(yàn)供實(shí)時(shí)參考，并給出對(duì)最后設(shè)計(jì)的性能預(yù)估，從而達(dá)到實(shí)時(shí)的What-IF設(shè)計(jì)方法。當(dāng)然這種復(fù)用很多時(shí)候不是簡(jiǎn)單的Copy-paste，要通過(guò)人工智能的分析來(lái)取得合理的方式。人工智能也可以幫助在眾多復(fù)雜的記錄文件中快速搜索以往的經(jīng)驗(yàn)，快速分析bug的根本原因，甚至給出修復(fù)bug的建議。

“EDA的傳統(tǒng)商業(yè)模式是賣(mài)license同時(shí)提供技術(shù)支持，這個(gè)模式在這個(gè)新的時(shí)代是否可以持續(xù)，是我們需要思考的。”徐昀指出，EDA軟件工具IP本身有技術(shù)壁壘和商業(yè)價(jià)值。但未來(lái)更大的價(jià)值，可能在于以大數(shù)據(jù)為基礎(chǔ)，給客戶(hù)帶來(lái)高效率高質(zhì)量最終設(shè)計(jì)。EDA公司相應(yīng)的需要考慮是否要從license供應(yīng)的模式轉(zhuǎn)變?yōu)榉?wù)供應(yīng)，在云平臺(tái)上提供無(wú)時(shí)無(wú)刻的接入服務(wù)和數(shù)據(jù)服務(wù)。