EDA，迎來巨變

公眾號記得加星標??，第一時間看推送不會錯過。

上世紀80年代，人們常說“買IBM永遠不會丟掉工作”。即便新技術層出不窮，IBM仍然被視為穩妥之選。雖然它可能并非當時最先進的選擇，但依然是無可爭議的。它擁有成熟的生態系統，而且一切都在人們的掌控之中。

但說到人工智能，誰或什么才是最穩妥的選擇？誰掌握必要的數據？誰擁有具備最佳知識和能力，能夠創造優秀解決方案的合適人才？誰有資金？對于這些問題，你可能會想到不同的公司，但問題在于，沒有哪家公司愿意分享超出必要的信息。這意味著每個人都只能掌握有限的信息。

長期以來，EDA公司一直是半導體行業的工具供應商，因為它們能夠實現良好的規模經濟。但情況并非一直如此，如今也可能并非如此。在半導體行業的早期，每家公司都自行生產工具。當時沒有統一的標準，工具往往被視為一種差異化優勢。隨著標準的出現，每家公司都意識到自己的工具與其他公司的工具大同小異，維護自有工具就變得不再劃算。在許多情況下，他們會將技術轉讓給EDA公司，以換取數年的免費維護。

這種情況可能再次發生。我們已經看到系統和軟件公司再次轉型成為硬件開發商，無論是在半導體層面還是系統層面。谷歌已經開發其Tensor處理器數代，并開發了一些專有工具。它訓練了人工智能模型來理解Verilog代碼及其設計的各個方面，并且已經達到了人工智能設計系統優于人工設計的程度。它還開發了測試生成工具，其中一些已經可以用于RISC-V平臺。

英偉達開發了多種工具，包括 ChipNeMo。根據英偉達官網的介紹，“我們沒有直接部署現成的商用或開源語言學習模型（LLM），而是采用了以下領域自適應技術：自定義分詞器、領域自適應持續預訓練、基于領域特定指令的監督式微調（SFT）以及領域自適應檢索模型。” 參與這項工作的研究人員數量遠超我所知的任何一家EDA公司工程團隊。這僅僅是其中一項工作。其他工作還包括仿真器、靜態時序分析引擎、布局布線工具等等。

那么其他人該怎么辦呢？這些工具不對公眾出售。即便出售，也不清楚它們是否同樣適用于其專門訓練領域之外的設計。開發一款只需在小范圍設計上表現良好的工具要容易得多。EDA 公司可沒有這種選擇余地。

盡管EDA公司在開發和維護滿足大眾市場需求的工具方面擁有最豐富的經驗，但它們無法獲取所有必要信息，甚至不清楚內部工具的開發目標是什么類型的問題。一些公司在高速接口等領域的了解有限，但它們也可能已經開發出能夠幫助它們比競爭對手更快、更好地構建這些接口的工具。公開這些信息可能并不符合它們的最佳利益。

這就是為什么我們看到EDA和AI融合方面出現了更多試探性進展。EDA公司能夠也正在圍繞自身工具開發智能體解決方案。他們提供API和MCP，允許客戶開發自己的解決方案，這些解決方案可能集成也可能不集成他們內部開發的工具，但他們可能并不完全理解為什么會對自身提出某些要求。

研究人員和初創公司可以自由探索新思路、新可能性，通常無需考慮傳統系統，但這可能使他們的解決方案難以融入現有流程。他們也缺乏足夠的財力來訓練模型或支持大量客戶，導致推廣速度緩慢——而如今，這是任何人都無法承受的。正因如此，我們看到數千萬美元的風險投資涌入EDA初創公司，希望借此實現快速增長。這并非我們第一次看到大量投資涌入那些有望顛覆行業的領域。過去，這些投資最終都以失敗告終。

如今的行業格局如同狂野西部，每個人都在努力摸索誰值得信任，誰可以合作，以及如何滿足行業需求。雖然我們或許可以預測行業的長期發展趨勢（盡管可能無法預測哪些公司會最終勝出），但短期走勢卻難以預測。

https://semiengineering.com/follow-the-ai-leader/

（來源：編譯自semienginerring）

*免責聲明：本文由作者原創。文章內容系作者個人觀點，半導體行業觀察轉載僅為了傳達一種不同的觀點，不代表半導體行業觀察對該觀點贊同或支持，如果有任何異議，歡迎聯系半導體行業觀察。

今天是《半導體行業觀察》為您分享的第4341內容，歡迎關注。

加星標??第一時間看推送

求推薦