（本文编译自Semiconductor Engineering）
生成式人工智能已经颠覆了搜索领域，并正在改变计算领域，现在它又要颠覆EDA领域了。尽管人们对即将到来的巨大变革议论纷纷，但它将对哪些领域产生影响，以及变化的深度仍不明朗。
EDA有两个主要作用——自动化和优化。许多优化问题都是NP难题，这意味着在多项式时间内不可能找到最优答案，尤其是在设计规模不断扩大的情况下。随着时间的推移，启发式方法已经发展起来，可以在合理的时间内获得“足够好”的结果。虽然可以想象人工智能可以提供类似甚至更接近最优的结果，但它对设计的影响可能更多是进化而非颠覆。
颠覆性创新通常会导致市场发生变化。假设一个问题：“如果EDA能够在即时提供最优结果，半导体行业将受到怎样的影响？”这将加速产品上市时间，设计的PPA也会略有改善。但这是否足以导致设计启动数量大幅增加或导致新市场的开发，目前尚不清楚。
在这些假设条件下，设计创建和验证仍会成为限制因素。生成式人工智能或许能够改善这一点，而且也有迹象表明它可以做到这一点。如果设计和验证时间显著减少，几乎可以肯定它会创造新的市场。
EDA在过去也曾遭遇过颠覆，而颠覆的问题在于，它们往往在发生之前并不明显。“在某些情况下，人们知道颠覆即将到来，比如柯达知道数字打印的兴起，但他们就是无法将其推向市场，”Ansys首席技术官Prith Banerjee表示，“有三种类型的创新视野。第一种是短期创新视野。下一个版本的工具应该具备哪些功能？我们知道哪些功能，因为它们存在于市场上。你正在向市场销售产品，你在关注竞争——大公司70%到80%的投资都在这个视野范围内。”
“第二种视野”涉及相邻领域。“例如，你正在销售一款设计为本地部署的产品，但想要迁移到云端，”Banerjee补充道，“这需要创新，但我们会找到办法，并取得成功。”
许多基于计算的颠覆变革都属于“第二种视野”类别。Altair创始人兼首席执行官James Scapa表示：“计算机的内存曾经很小，后来变得越来越大。我们改变了其中一种工具的工作方式，这种创新对市场产生了颠覆性的影响。从本质上来讲，我们将所有模型都放入内存中。这种变化意味着我们的速度比竞争对手快了大约30倍左右。HPC也发生了类似的变化。与云计算相关的商业模式将成为EDA领域的重大变革之一。与之相关的商业模式也将具有一定的颠覆性。重要的是要了解计算的发展，了解其发展方向以及如何利用计算。”
另一种类型的变革仍在进行中。加州大学伯克利分校EECS系研究生院名誉教授、imec系统技术协同优化部门首席技术官Jan Rabaey表示：“考虑一下并行性。人们过去常说并行计算是一个非常糟糕的想法，因为我们不知道如何编译。相反，我们应该采用单个处理器并使其尽可能快。然后，出现了功耗问题，我们无法再让它们更快。所以突然之间，并行性成了一个好主意，这本身就是一种颠覆。”
剩余10%的投资用于“第三种视野”类型的创新。“这不是你当前研发的一部分，也不针对现有市场，”Ansys的Banerjee表示，“一个典型的例子是苹果推出了iPhone，这是颠覆性的。亚马逊推出了AWS，他们的网络服务，这也是颠覆性的。大公司如何进行颠覆性创新，因为它不是偶然的？这需要一个过程，你需要挖掘创新发生的地方。它在学术界，在初创公司。你应该不断监控初创公司的情况，然后让一个中央研发团队尝试自己发明一些东西。但这个中央团队不必发明一切。一部分是你有机地完成的，另一部分是将技术引入你的公司。”
回顾过去，我们可以看到EDA领域已经发生的颠覆性变革。“如果我回到20世纪80年代，我们看到了一系列最初既来自学术界也来自初创公司的想法。这些想法改变了我们的设计方式，”加州大学伯克利分校的Rabaey表示：“EDA开始使用标准单元推动设计。当你第一次看到它时，它似乎是一个非常糟糕的想法，它非常受限。你将单元排成行等。但它使自动化成为可能。这基本上导致了逻辑综合，我们可以开始思考逻辑函数，优化它们，拥有一套工具来帮助我们将高级描述转化为某种东西，并且它是自动化的。我们今天认为这是理所当然的。还有其他领域——模拟、验证、行为综合——这些领域最终造成了某种形式的颠覆。”
过去20年来，EDA领域几乎没有发生过任何颠覆，因为该行业基本上一直走在一条线性的发展道路上。但随着摩尔定律从平面设计转向封装中堆叠的多个芯片，这种情况正在迅速改变。
“当现状糟糕时，颠覆性变革更容易发生，”Cadence汽车研发研究员Chuck Alpert表示，“以设计团队为例。他们可能知道有些事情出了问题，也许是工程预算失控了，或者他们正在尝试一个新设计但没有相应的工程技能。他们必须做一些颠覆性的事情。今天，我们看到设计复杂性呈爆炸式增长。缺乏可扩展性。设计团队可能会遇到一些事情，这些事情会迫使创新。这些都是现状糟糕或正在走下坡路的情况。对于EDA公司来说，当你不是市场领导者时，可能会发生这种情况。你落后了，必须做一些颠覆性的事情来迎头赶上。或者也许你一直是市场领导者，但代码库是用COBOL编写的，现在已经没有人再了解它了。你必须做出改变，因为趋势将会下降，你处于要么创新要么消亡的境地。”
创新机会无处不在，尤其是在创新文化中。Altair的Scapa表示：“人工智能和大语言模型的出现能够带来巨大的变革，而云计算则能够实现快速扩展。商业模式——而不仅仅是技术——是你颠覆的一部分。对于EDA领域的初创公司来说，由于有两家公司占据了主导地位，它们很难生存位。他们长期以来一直在收购和淘汰初创公司和竞争对手，这阻碍了创新。”
展望未来，我们可以识别和处理一些压力。“什么是颠覆兴周期？”Rabaey问道，“地平线上有很多这样的周期。制定路线图的好处在于，你可以识别出未来10年可能出现的问题。这就是学术界擅长的地方——研究这些路线图，并识别出可能由此出现的新范式。例如，扩展性可能会持续5年，甚至10年。我们该怎么做？颠覆性是你无法选择的。当你碰壁的时候，也将不得不走上颠覆之路，当你突然意识到‘我无法再前进了’的时候，我们必须重新思考我们的设计方式。一种可能性是开始思考第三个维度，即将不同的技术层层叠加。最简单的方法是将旧架构映射到这个新维度上。但这不会给你带来太多收益。你必须重新思考如何使用它。”
有时，变化是外界强加给我们的。“设计正在从芯片转向系统，”Banerjee表示，“如果目标是设计一款电动汽车，那么我的要求就不仅仅是RTL输入。我的设计要求是一辆电动汽车，它能在一秒钟内从0加速到60英里，续航里程为500英里，而且必须达到L5级自动驾驶，这些都是我的要求。EDA行业专注于设计芯片。你必须设计电力电子器件，这是一种电力电子仿真，结合电池、电机设计，然后是空气动力学工作量。这是一个多物理量的世界，非常复杂。然后你还需要软件，该软件必须根据系统级规范自动编写和编译，然后进行验证。”
EDA公司已经迅速在其工具中采用了某种形式的人工智能。“强化学习正被用于解决优化问题，”新思科技人工智能解决方案高级总监Stelios Diamantidis表示，“人们现在使用强化学习进行实验、收集数据、建立更好的指标来推动优化，并自动执行这些优化。这项技术本身可以应用于其他问题。我们从优化物理布局和平面图、某些拓扑中的时钟、DTCO和其他物理类型的应用开始。此后，我们将这一原理应用于验证等问题，其中重新排序测试或更改种子可以帮助您加速覆盖率或追踪错误，以测试重新排序向量可以帮助您更快地实现制造测试的覆盖率。”
但人工智能不太可能取代现有的EDA工具。“我认为，我们拥有优秀的EDA产品，我们的客户正在使用这些产品，因此现状很好，”Alpert表示，“如果我们决定使用人工智能开发新产品，我们将付出巨大的代价。也许从长远来看，我们会得到一些好处。但如果我们让整个产品团队重新开始并构建全新的东西，那将是非常痛苦的。最终，你可能会成功，但与此同时，你将付出巨大的代价。”
EDA行业的关键在于保持连续性，确保为客户提供推出下一款产品所需的工具。“我们必须保护我们价值20亿美元的业务，”Banerjee表示，“一家初创公司从零开始。但客户仍然很难接受新技术来解决他们的问题。这不仅仅是EDA公司面临的挑战，而是整个行业所面临的挑战，这就是我看到的第三个愿景——与初创公司合作，然后收购那些已经证明了这些技术的初创公司。”
Alpert对此表示同意。“颠覆性技术对几乎所有行业来说都是难以应对的，不仅仅是EDA行业。他们可以投入一些资源，但不能太多。或者他们可以等待其他人创新并购买它。这是另一种策略。”
但是创业公司都去哪了呢？“在过去的10年或20年里，现有的生态系统已经崩溃，”Rabaey表示，“曾经有一段时间，EDA领域充满活力。去所有顶尖大学看看，他们都在研究工具。但现在已经找不到了。它们不复存在了。也许你有一个好主意，学者们可以发表论文，但他们不会制造出那个产品。创业公司的作用确实很重要，在90年代，这是一个充满活力的领域。正是这些小公司提出了想法并加以尝试。但现在这也已经不复存在了。但生态系统可能会再次崛起。”
