【产业信息速递】EDA的过去现在和未来

（信息来源：morethannmoore）

尽管我们谈论芯片、硅及其背后的计算能力，但仍有一个市场完全致力于用闪电击打沙子以使其思考。全球科学家都认为这是一个很好的举措，电子设计自动化（EDA）是该行业的核心。芯片设计在进入制造等阶段之前需要经过许多阶段，例如设计晶体管、创建逻辑结构和单元、构建逻辑块、对其进行布局和布线，然后大规模模拟这些设计。在我们使用真正的多物理场工具进行电和热仿真之前，EDA 已经帮助我们完成了大部分工作。

Synopsys 是 EDA 领域的两大公司之一。Synopsys 成立于 1986 年，由通用电气公司的逻辑综合公司创立，现已成为一家上市公司，与主要竞争对手一起被广泛认为是 EDA 软件市场的领导者之一。作为 Synopsys 产品组合的一部分，该公司还为芯片设计提供广泛的 IP，他们还于 2024 年 1 月宣布收购多物理场仿真公司 Ansys，以增强其仿真软件。

Synopsys 的联合创始人之一是Aart de Geus，从 1987 年到 2024 年，他一直担任美国科技公司任职时间最长的首席执行官。Aart 宣布辞去首席执行官职务，任命时任首席运营官 Sassine Ghazi 为新领导者，Aart 转任执行主席。

过去四十年来，Aart 一直是半导体行业的重要组成部分。每一次重大的繁荣、萧条、增长和时尚——Aart 都见证了这一切，并对这个行业有百万零一个故事和解释。

在本次采访中，我们涵盖了多年来的行业亮点——芯片和 EDA 的增长、性能和效率的循环、2D 和 3D 芯片设计的系统复杂性、机器学习的作用，以及最终向新的CEO。

Ian：您在这个行业已经有一段时间了- 并且您获得了很多奖项！罗伯特·诺伊斯奖、GSA 奖等。您已经看到了这个行业从 CAD 到 EDA 的重大变化。有哪些亮点？

Aart：在很多方面，亮点几乎总是始于让你处于机遇之中的偶然事件。因此，当我在通用电气时，整个综合工作就开始了，通用电气决定退出半导体。我们可能都会被解雇，在经历了很多不同的途径之后，最终我们有机会在 GE 的支持下剥离团队或团队的一部分和技术。然后，我们向成熟的市场推出了当时仍处于某种程度的[我们的技术]原型。[它已经成熟了]因为人们设计的分组最多为 300-500 个门。所以这就是一个可以自动完成并获得更好结果的东西。

因此，只有当你多年后回头看时，你才会发现它恰好是 CAD（计算机辅助设计）和 EDA（电子设计自动化）之间的分水岭时刻，而自动化确实是数字化所需要的事物之一。数字设计，当时还没有被称为摩尔定律，而是在等待摩尔定律，并为此做好了准备，当然，为了做到这一点，你必须不断缩放。指数是一条美妙的曲线——它是一条自乘曲线。所以我们就在这条曲线上，并且设法保持在这条曲线上。但成为那一刻的一部分，在那一刻，就像‘哇，我们正在做一些事情，而且进展很快’。事后看来，您可以看到其中的含义 - 据估计，今天回顾起来，我们帮助生产力提高了大约 1000 万倍。

Ian：那段时间还有什么增长了1000万倍？

Aart：平心而论，你知道，围绕这一主流——综合自动化，那么它必须伴随着自动进行布局和布线的能力，如果你将功能和形式结合在一起，那么这些就可以在指数基础上共同努力。现在你拥有了一些真正会快速发展的东西，这成为数字设计与所有其他形式的定制或半定制之间的巨大区别。我们已经获得了好处，而且实际上还需要我们更多。

Ian：当您从 GE 进行分拆时，您是否认为这（EDA）将成为一种广泛推广的设计产品化，或者这种想法更加狭隘/狭隘？

Aart：这太偶然了，因为当时在通用电气我们做的是门阵列。门阵列是一排排晶体管，然后您可以在顶部放置金属化层 - 成为“与非”门、“或非”门和反相器。我曾与一位率先提出BDD（二元决策图）概念的人交谈过，BDD 是多路复用器的另一种说法。所以我问通用电气的一位设计师朋友——“嘿，你能在那个阵列上放一些多路复用器吗？”，他为此做了金属化处理。然后我们将其交给设计人员，因为如果您有多路复用器，您可以设计一些更高效的功能。碰巧这是真的——当时我还不太明白多路复用器本质上是传输门。因此，当你连续有多个它们时，这并不好，但问题是他们（设计师）无法用它进行设计，因为他们不知道如何使用它们。所以我想写一个程序来自动完成它。说“只写一个程序”，却没有意识到这叫做综合！但这本质上就是我们发明的，后来我当然发现还有其他人已经创造了奇迹。

Ian：这个行业是最早创造“AI”一词来表示合成和布局布线的行业之一，但它仍然是非常启发式的 AI，而不是我们今天所考虑的机器学习。

Aart：我们的程序被称为苏格拉底：“使用基于规则和技术独立专家系统的组合电路的合成S和优化O”。

但这是具有开创性的。我想强调“基于规则的专家系统”，所以现在我突然成为早期人工智能领域的专家。但我经常忘记提及，你会添加规则，它会变得更好，然后你添加更多规则，它会变得更好，然后你添加更多规则，它就不再那么有效了。这是因为冲突，当然也经历了很多演变。现在，快进到今天，当然人工智能就是这一切。它涉及机器学习，也涉及整个设计流程。

Ian：从 100 个门到 1000 个门，现在我们正在处理数十亿甚至数万亿个晶体管 - 您如何看待这段时间内对芯片设计的态度发生了变化？

Aarts：态度？态度一点也没变。明天比昨天困难很多，我们会继续努力。这一点没有改变。我想说，在很长一段时间内，指数本质上一直在持续，也许并不完全像戈登（摩尔）所说的那样。一会儿，我相信我们会讨论一个事实，现在有一个全新的指数，但有一些阶段。

如果我查看当时的电路，并且碰巧在抽屉里的纸上找到了其中的一些电路，我首先意识到的是只有两个指标。这两个指标包括门的数量和电路的速度。事实上，这只是门的数量，而不是布局，可以告诉你这些东西包装得有多紧——或者没有。然后当然就变成了面积与速度的关系，直到 90 年代末，功率才变得越来越重要。当然，到了 2000 年代初，我们现在有了智能手机——或者事实上任何电话。有一个叫做电池寿命的东西，我们几乎不记得当你可以打电话一个小时时，那真是太棒了。现在就像是‘不不，我想连续上网 5 个小时，玩游戏’，天知道还能做什么。这是一个巨大的变化，并且通过速度、复杂性和电源管理方面令人难以置信的提高而成为可能。我现在就快进说，在未来 20 年里，电力将成为最微观层面、热层面和人类气候层面的最大问题。

Ian：我经常看到芯片公司，他们经历了性能、效率、性能、效率和重复的相当周期性的过程。感觉我们现在正在经历另一个效率扩展周期。

Aart：同样的方式来描述，这个系列的第一个是性能，然后你在追求下一代性能的同时追求效率。这是因为，每一代产品的发展总是受到最具市场价值的差异化因素的推动——不是贬低效率，因为如果您的设备更好，成本始终是关键。变化率如此之高，正是决定了摩尔定律的领先地位。最具挑战性的，同时也是最有激励性的，是我们如何坚持摩尔定律，或者任何等效的定律。

我用摩尔定律，即指数的概念，作为人类 50 年的真正特征。过去还有其他“摩尔定律”，因此在 1500 年代，书籍印刷在之后的 50 年里大约出版了 2000 万本书，但这些书籍改变了人类。当然，你也可以在工业时代做到这一点——它具有类似的特征。这种情况已经持续了一段时间，有趣的是传统的摩尔定律正在放缓，但并没有停止——因为令人惊奇的是新技术仍在出现。与此同时，还有一个完全不同的摩尔定律，它说“我实际上想要多 1000 倍的晶体管”，而我们实现这一目标的方法是将芯片紧密地放在一起，让你难以置信。

Ian：最近的趋势之一是小芯片化，一个开放的小芯片市场，无论你怎么称呼它。我记得在 80 年代末和 90 年代初，人们正在考虑一个非常相似的事情 - 然后每个人都进入单芯片。现在我们再次突破小芯片。这个chiplet时代与以前有何不同？

Aart：就我个人而言，我认为我们还没有完全做到单片化——我们从未将功率器件放在同一芯片上，我们从未做过模拟混合信号。但尝试总是好的。我们没有在逻辑芯片上做存储器，但同时我们发现存储器是在逻辑旁边找到的，那么它去了哪里？

但你指出了一个有趣的方向——能够带来异构的东西，在技术上意味着不同的东西，并尽一切努力使它们成功。这是一个绝佳的机会。我喜欢将下一个指数时代称为“Sys-Moore”，即系统复杂性，这与经典的摩尔定律（规模复杂性）形成鲜明对比。我知道规模复杂性需要大量系统性的理解，但从根本上来说，它是关于更多的晶体管、更多的晶体管、更多的晶体管，然后降低成本，然后将它们紧密地粘合在一个芯片上。现在我们拥有多个芯片，因此您可以使用一组全新的维度。你拥有异构功能，而与实现这种转变最相关的一件事实际上是过去 20 年芯片之间连接性取得的令人难以置信的进步。现在这个问题还远未得到解决——沿途某个地方有很多热量。但事实是，尽管如此，引脚密度可能性等还是有了 100 倍、100000 倍的改进。这样就打开了大门，当然一切都对架构提出了质疑。

Ian：我们正在从 2D 小芯片生态系统转向 3D——芯片上的芯片。不仅是记忆，还有逻辑，而且变得极其复杂。我记得当公司第一次这样做时与他们交谈，他们说软件工具需要跟上！处理垂直堆叠（而不仅仅是水平堆叠）有多大变化？

Aart：在我们取得令人难以置信的进步（10 倍或 100 倍）之后，我喜欢用户要求工具能够做更多事情！一方面，你想知道他们是否能承认我们昨天所做的事情！但同时它也很棒。我们喜欢不高兴的客户，真正好的客户不高兴是因为他们突然看到了下一个机会，但当你看到它的那一刻，你就已经迟到了。

幸运的是，我们几年前就看到了这一点，并开始对此进行投资。你是对的，这是 2D、2.5D、3D - 但它们都是同一类。首先，是邻近度和带宽，当然还有速度。但也包括它们之间的能量，然后当你真正将分层芯片叠在一起时，你就会面临制造挑战、测试挑战、维修挑战，当然，越靠近，热量就越多，这是你共同的敌人。

Ian：那么，与你们内部发明的东西相比，这些功能中有多少最终来自于满足客户的需求？

Aart：我认为与 20 世纪 90 年代末相比，我们更多的是内部发明。事实上，在 20 世纪 90 年代末，他们会问我们什么时候才能弥补设计差距。我们感到内疚的是，我们不能只设计任何我们想要的东西，虽然人们可以制造更多人们必须自动设计的东西，这是有一定道理的，但我们很早就赶上了这一点，并且相对明确你想要得到什么的定义。我们几乎可以自动化任何事情。良好的自动化与制造晶体管没有什么不同，如果你把它们做得更小，它们就更难建造——但推动起来很酷，对吧？对我们来说也是如此。

Ian：在这个机器学习时代，我们开始与公司讨论将机器学习应用到实际芯片设计的工具中。当我们上次谈话时，Synopsys 宣布推出 AI/ML 工具来帮助协同设计。这如何改变了你处理事情的方式？

Aart：几年前，我认为我们对于能够真正拥有能够很好地协同工作的多种工具方面更加坦诚。这是很重要的一点，从中能够提取设计流程的一部分，并将其完全自动化。顺便说一句，因为我们可以做到这一点并同时对设计有多个视角，所以我们得到了更好的结果。因此，这将通常需要几个月的工作变成了几周的工作。这太了不起了。

除此之外，它与 30 年前的综合具有完全相同的特征 - 因为当时也发生了这样的事情，我们会去找设计师，他们会在 400 个门上工作数周，对其进行优化。我们会接受它，然后在几个小时内，我们会回馈一些东西，它实际上缩小了 30%，门更少，并且在通过它的关键路径方面速度快了 30%。对于初学者来说，他们无法立即查看它，因为它是一个网表，如果您查看网表，您实际上看不到任何东西，因此您必须自己绘制原理图。绘制原理图是一种倒退，我们很快就发现了这一点，所以我们也开发了一个原理图生成器，当时我们没有意识到这是一个布局和路线系统。但随之而来的是奇妙的事情，因为然后我们可以回去，他们会离开，一周内我们不会听到任何消息，他们分析了又分析，因为他们无法相信这是正确的。他们花了很多时间来完善他们的设计[而我们做得更好]。

但现在你有期望太高的危险！但更好的事情发生了，那就是通过能够一起观察赛道，他们会说“这么快就得到这个真是太棒了”。然后他们会说他们可以用不同的方式来做，这样会更好。它做了两件事——第一，那些能够看到结果的人，他们立即成为我们的专家，欣赏我们能做的事情，而且他们自己的人仍然擅长这件事。这也促成了即时联盟，因为我们会吸取这些教训，把它们放进去。当时仍然有很多规则你可以应用，然后回来告诉我们如何解决它。人们会说‘嘿，我的东西是 Synopsys 的，我现在有点像 Synopsoid 了’。这带来了非常好的长期改进。

此后不久，我们引入了用 3 个向量来衡量一切的概念：结果质量（QOR，当时是速度，后来变成速度和功率）、获得结果的时间（当然是“几周到几天或小时），以及结果成本（当时意味着面积或门数，但也可能是需要专家或类似的其他因素）。

Ian：比如，将 50 人的团队减少到 5 人？

Aart：如果你以现代的眼光来看，你会发现这更像是一个 20 人的团队减少到 1 人的团队。因此，并行性确实存在，但其复杂程度实际上是 30 年后的事。30 年后，摩尔定律就完整了。这并不像我们做一个完整的芯片，一切都准备好了，但在非常大的块中，这是令人惊奇的，所以现在我们有一组类似的问题，查看非常复杂的芯片，并询问是否将它们分开并有 2 个有更简单的 - 或两个然后增长到相同复杂性的。对于初学者来说，这确实是“芯片输出”——它不像电路板设计，你说我们有一块电路板，现在我们从外部引入芯片。不，这种设计必须来自本质，即“芯片输出”，因为理想情况下您希望其他芯片只是延续。唯一麻烦的是连接器比内部连接器慢。

Ian：当我与某些正在处理这个问题的公司交谈时，他们在芯片设计方面从抽象层方法来处理这个问题，这些层是相互独立发展的。然后机器学习出现了，它开始重新模糊其中一些界限。你怎么处理这个问题？

Aart：模糊有两种类型。验证模糊，创造模糊。验证模糊已经很古老了，这意味着你创建了一个晶体管模型，然后抽象级别是严格的二进制，即 1 或 0。当你想到这一点时，这是一个令人难以置信的抽象级别。然后逐渐地，我们在其中添加了一些物理原理，我们推向市场的合成之间最大的区别因素之一是大多数人不知道我们已经内置了时序。时序是一种物理特性，它不是二进制 0 或 1。0 或 1 并不总是那么好。因此，它不是阶跃函数，而是连续函数。事实上，许多验证只需通过阶跃函数二进制 0 和 1 即可完成。如果您知道它是同步的，那么您基本上也将计时简化为时钟滴答声。这是世界上最好的单一简化的典型例子。

我们一直想知道，为什么我们需要一个 0 和一个 1，而不只是 1？这有点无聊，因为没有任何变化，所以这几乎是您达到的最低限度的简化。但有趣的是，从根本上来说，这些工具的软件也是 0 和 1，然后它们进一步抽象为语言或元语言等等 - 除非你现在说我们将有多个芯片一起，或者如果那个东西是那里的一个小加热器，或者这对另一个人的速度有什么影响，那么现在模型需要更深入。你需要掌握一些物理知识。你可能会说，由于物理原因，如果这一部分升温，另一部分就会以一半的速度运行，或者其他什么——这有点太简单了，但你明白了。