Cadence引领AI浪潮，探索芯片设计智能之路

3 月 28 日-29 日，2024 国际集成电路展览会暨研讨会（IIC Shanghai）在上海成功举行。此次盛会汇聚了集成电路产业的众多领军人物，共同探寻和把握集成电路产业的发展脉络。

在 29 日举行的 2024 中国 IC 领袖峰会上，Cadence 数字产品资深高级总监刘淼发表了题为《当汽车电子遇见 3D-IC》的精彩演讲；而在同期举行的主题技术论坛上，Cadence 资深技术支持总监王辉、Cadence 资深产品技术销售经理万理也分别发表了题为《Cadence Optimity——利用 AI 应对系统级分析挑战》和《Cadence AI——芯片级到系统级的全栈式智能 EDA 解决方案》的精彩演讲。

当汽车电子遇见 3D-IC

在 2024 中国 IC 领袖峰会上，刘淼阐述了汽车电子与 3D-IC 结合的未来趋势，深入剖析了当前电子世界的主要驱动力，并分享了 Cadence 的创新解决方案。他表示：“创新是我们的基因，我们 30% 的投资用于研发，这也支撑了 Cadence 在过去三年推出了 20 个重量级的新产品。”

刘淼认为，在技术驱动因素对多个行业的影响下，半导体行业正经历前所未有的快速增长。尽管 2023 年全球半导体市场有所下滑，但随后强劲复苏，预计在今年将有超过 10% 的增长率。其中，汽车电子技术的进步将对行业的发展起到重要推动作用。

1

Cadence 的策略是确保客户成功

在介绍 Cadence 策略时，刘淼强调了三个同心圆概念：硅圈、系统圈和数据圈。三个圈相互关联，紧密结合，共同推动芯片、系统和数据的发展。

例如自动驾驶，既依赖导航和场景等海量数据，还需要高效安全的系统，包含硬件、软件和复杂的芯片，而硬件由越来越多、越来越复杂的芯片组成。

35 年来，Cadence 在 EDA 领域的优势主要体现在计算软件——计算机科学加数学，包括实现计算的硬件。无论是硅 EDA 和 IP、大数据系统设计和分析，还是人工智能（AI），Cadence 都展现了强大实力。

他指出，如今人工智能已成为一种新的流行，而作为矩阵乘法的神经网络推理，利用反向传播训练神经网络能实现非线性共轭梯度优化，如 Cadence 的 Innovus。Cadence 的丰富经验不仅可用于硅，还可以用于所有系统和 AI，甚至是将 EDA 计算软件用于生物模拟。

2

汽车电子挑战和 Cadence 设计流程

刘淼表示，电动汽车已经成为中国出口最强劲的引擎，而汽车电子是电动汽车最重要的组成部分之一，为了满足电动汽车越来越高的要求，汽车电子也不得不面对越来越复杂的挑战。这些挑战来源于安全、可靠和质量三个方面的要求，例如，更先进的工艺节点，更多的安全岛机制，更及时的通讯速度，更长的使用寿命，和更大规模的数据计算。

作为汽车电子数字解决方案驱动者，Cadence 与车规芯片厂商、新势力塑造者、创新创业者合作，为他们提供服务、软件、硬件和 IP。

Cadence 的安全意图格式 USF（统一安全格式）是一种与功能安全数据互操作性框架 IEEE P2815 保持一致的格式。USF 贯穿不同设计阶段和产品，确保在整个设计流程中体现安全意图。从预先编写的 USF 文件或 Mida 的 FMEDA 分析开始，能够将 USF 结果交付给相应的验证、实施、混合信号/模拟设计流程，还可以在不同设计团队间轻松交换。

刘淼也做了小小的技术普及，比如数字实现中的安全功能的两个基本应用：TMR 和 DCLS。TMR 通过克隆原始触发器为具有投票逻辑的三元组提供投票机制，以检测和纠正可能的逻辑值错误，增强系统容错能力并提高可靠性。DCLS 则通过双时钟锁定步进方式确保模块级冗余设计，进一步提高系统可靠性。Cadence 完整的 USF 物理实现流程有助于实现车规数字设计。

刘淼还介绍了由中国研发团队实现的任意边界的 DCLS 布局与隔离和检查，这一全新的技术，不光服务了中国的客户，还支撑了 Cadence 在欧洲和北美的车规芯片客户。

Cadnece 在 2023 年推出的最新的带着机器学习加持的 Voltus Insight 电源完整性分析方案。这个全新的分析方案可以和实现工具 Innovus 完美地结合起来，让用户基本无感的，在实现过程中修复绝大部分的压降违例，从而极大提高汽车电子的可靠性，减少 ECO 时间，降低设计成本。

3

后摩尔和超越摩尔时代的 3D-IC

刘淼还从封装级 3D-IC 和晶圆级 3D-IC、同构设计与异构设计、3D-IC 路线图和挑战、键合密度、2.5D 到 3D 等角度强调了后摩尔时代 3D-IC 的重要性。他指出，随着摩尔定律逐渐失效，晶圆级 3D-IC已成为行业的焦点。Cadence既支持封装级、晶圆级 3D-IC，也支持同构和异构设计。从 2.5D 到 3D，其铜-铜键合密度提升了 1000 倍，而传输距离却降低了接近 50 倍，这一先进性，将极大地丰富系统公司从系统方面提升芯片性能的手段。

所以，Cadence 在晶圆级 3D-IC 上取得了长足进展，推出了基于 3D 混合布局的逻辑流内存、适用于同质和非同质芯片组的强大的 3D Mixed Placer。为应对 2.5D 到 3D-IC 的挑战，Cadence 推出了业界首个集成的高容量统一的 Integrity 3D-IC 平台，可在单个统一驾驶舱中进行 3D 设计规划、实施和系统分析。

刘淼最后表示，Cadence 的智能系统设计战略是以计算软件为核心开发的 AI 和算法解决方案，正在扩展到新的系统域。Cadence 还致力于在核心 EDA 和关键 IP 上执行这一战略，并支持云端广泛应用，以实现普适性和可扩展性。

利用 AI 应对系统级分析挑战

在 Chiplet 与先进封装技术研讨会上，Cadence 资深技术支持总监王辉分享了如何利用 AI 技术应对系统级分析挑战，介绍了 Cadence 的 OptimalityExplorer智能系统优化助力系统设计突破与创新的能力。

1

应对不断增加的复杂性和规模挑战

王辉指出，随着系统设计复杂性和规模不断增加，传统设计优化方法已难以满足需求，需要用AI技术来应对挑战。OptimalityExplorer 能加速实现最佳系统级设计性能，为设计师提供强大支持，实现平均 10 倍的设计收敛速度。

他解释道，作为智能系统资源管理器，OptimalityExplorer 不仅具备快速确定最佳电气性能的能力，还能探索完整设计空间，避免次优局部极小值和极大值，将生产力平均提高 10 倍以上。

OptimalityExplorer 可扩展解决方案采用AI驱动的多物理优化技术，涵盖模拟、优化和签核等多个方面；突破性算法 Cadence Cerebrus 系统级探索涵盖芯片、封装、板和外壳，能够更全面考虑系统设计的各个方面，实现更优异的性能。

2

AI 新技术为实际设计赋能

谈到 AI 新技术，王辉强调了Optimality Explorer的强化学习优化能力。与传统设计优化方法相比，它利用强化学习技术预测下一个样本，能更高效地找到最优解。这种“现在到未来”的方案可以使设计师更快获得满意的设计结果。

OptimalityExplorer 采用突破性的机器学习（ML）算法，以实现最小采样、强化学习技术、全局最优解决方案和首过成功。在提高设计生产力方面，吞吐量提高了 100 倍，实现了大规模并行化和线性可扩展性，且支持云就绪。其应用可扩展到电路图、3D 工作台、3D 布局等多物理场，适用于所有设计阶段。

3

实例展现 OptimalityExplorer 强大能力

王辉通过实例展示了 OptimalityExplorer 在实际设计中的应用。从 AI 算法启动设计样本，利用模拟引擎进行分析；由 ML 模型基于初始数据点制定回归模型，优化设计参数并启动新案例。新模拟结果进一步完善了 ML 模型，提高了决策质量，效率提升了 10 倍，接近或优于人类驱动流程。

目前，OptimalityExplorer 已成功应用于多个系统设计分析与优化实例，如 112Gbps PAM4 通道优化、高维天线优化、三频微带天线参数优化、FPC 差分对参数优化以及 SI/PI 和 RF/天线应用优化，均提升了迭代收敛速度，并显著提高了性能。

王辉表示，多位行业专家已对 Cadence 的 Optimality Explorer 赞赏有加，认为 Optimality Explorer 和 Clarity3D Solver 等工具帮助他们更快地找到最佳参数配置，加速了产品上市。

他最后表示，通过使用 OptimalityExplorer 等先进工具，设计师能够更好地应对系统级分析挑战，推动系统设计的不断创新与进步。

芯片级到系统级全栈式智能 EDA 解决方案

在 EDA 与 IC 设计论坛上，万理分享了芯片级到系统级全栈式智能 EDA 解决方案以及如何通过 AI 驱动的优化，实现系统设计的革命性突破。

1

人工智能正在改变设计面貌

万理表示，智能系统时代面临更多挑战，工艺演进使芯片复杂度不断增加，传统设计理念和方法已无法有效应对。利用 AI 驱动的优化能够实现强化学习、卷积神经网络、大型语言模型等；模拟与分析能够涵盖逻辑、电路、SI/PI、CFD、Bio 等多个应用，而计算硬件则适用于 CPU、GPU、FPGA、定制等多种类型设计。

他指出，AI 不仅是人力的补充，从手动电路设计到今天的自动化 RTL 设计重用，每次突破效率都提升了 10 倍；2030 年将再提升 10 倍以上。

他解释说，手动芯片设计优化要从数以百万计的组合中输出，凭借非数值方法和设计师直觉需要 3-6 个月才能达到次优 PPA。AI 可以实现基于现有流程的强化学习，提高电子产品的生产力和质量，并不断改进结果，缩短获得成果的时间。

2

Cadence AI 解决方案为系统设计赋能

Cadence 率先推出了业界首个芯片级到系统级全栈式AI解决方案 Cadence.AI，包括 Cadence Joint Enterprise Data 和 AI（JedAI）Platform 大数据管理、Cadence Cerebrus Intelligent Chip Explorer 数字物理实现、Virtuoso Studio 模拟开发设计、Verisium AI-Driven Verification Platform 验证、Allegro X AI Technology 系统设计以及Optimality Intelligent System Explorer 系统优化等六大平台。

万理说，Cadence.AI 生成式 AI 技术、JedAI Platform 和一系列 AI 增强工具都在为系统设计提供强大支持，有助于个人和团队实现 IP 和 SoC 创建，满足 AI 驱动的验证、调试、实施和 PPA 优化的生产力需求。

Cadence 的 Joint Enterprise Data 和 AI Platform 可以管理芯片设计数据模型，实现自动选型、智能芯片浏览和芯片设计重构。Cadence 下一代 AI 驱动的验证工作流程 Cadence Verisium 可实现失败测试分组等识别错误原因等功能。

Virtuoso Studio 可以进行 AI 驱动的自定义设计，实现电路优化和布局生成。而采用 Allegro X AI 的 AI 驱动的 PCB 设计可将数天的手动流程转缩短到数小时，效率提高 10 倍以上。

OptimityAI 驱动的系统分析平台可将汽车 PCB 验证效率提高 30 倍，改善 DDR4 BGA 封装插入损耗多达 134%，112G PAM4 SerDes 隔离性能提高 1260%；而 AI 驱动的 3D-IC 可优化 Chiplet 和封装设计。

万理最后总结道，Cadence.AI 以前所未有的方式定义了 EDA 2.0，引领半导体设计的未来，让工程师专注于更具创新性的工作，极大地提升工程团队的生产效率，让系统设计更加高效、智能和可持续。

审核编辑：刘清