过去一段时间里，我们关注了半导体行业的各个位面，比如芯片制造，操作系统，地域纷争等等，也欣喜地看到中国半导体企业在产业链中的快速就位。但同时应当注意到的是，有一扇技术大门却一直没有被推开，那就是EDA工具。
EDA，即电子设计自动化（Electronics Design Automation）的概念十分宽泛，想做芯片设计，就不离开EDA工具。在机械、智能手机、通讯设备、航空航天、生物医药等等各个涉及电子自动化的领域，通过EDA技术来完成特定目标芯片的设计，可以说是产业链上游的上游、基础的基础。
而如此重要的神兵利器，中国企业的市场认可度如何呢？答案是，毫不夸张地说，95%以上的EDA工具都掌握在美国企业手中。中国现存的10余家EDA公司，2018年销售额3.5亿元，只占到全球市场份额的0.8％，技术研发方面，也以16nm及28nm工艺支持为主。
硬件制造能力可以花钱堆设备来快速拉升，底层操作系统能够用N个“备胎”顶上，那么占据全球半导体供应链战略要地的EDA工具，又该如何寻找自己的春天呢？或许答案就隐藏在EDA正在描绘的AI蓝图之中。
单兵孤城的国产EDA
其实，早在去年“中兴事件”中，EDA工具就以大杀器的形象出现过。除了禁止卖芯片给中兴以外，全球最大的EDA公司Cadence也宣布停止对中兴服务。今年的特朗普清单中，EDA工具同样没有缺席，赫然在列。事情一旦无可挽回，中国几乎所有芯片企业都只能依靠当前版本的工具进行工作，效率大打折扣不说，还意味着很可能因为无法升级而很快落后于行业，建立在芯片能力基础上的软硬件自然也就成了无本之木、无源之水。
从理性的角度看，彻底地域化的最坏结果大概率不会出现，但EDA工具的战略地位却不得不引起重视。但话又说回来了，为什么时至今日都没有相关“备胎”出现呢？
想要寻找答案，我们需要将时间的钟摆调到1992年。
当时，中国尚处于西方对中国实行EDA禁供的窘境之中。一大批中国的科学家和工程界人士，都投入到了国家牵头的国产EDA开发之中。当时，行业涌现出了无穷的活力。
1992年，在200多个开发者的攻坚下，超大规模集成辅助设计系统熊猫IC CAD通过鉴定，覆盖了全定制集成电路正向设计的全部功能，获得当年的国家科技进步一等奖，也被视作冲破西方封锁的里程碑。
没想到的是，该项目甫一成功，对岸就迅速解除了对中国的EDA禁令，加上后来“市场换技术”的思路占主流，导致此后的十数年间，美国高端成熟的EDA工具如同狼群一般在中国市场攻城略地，中国EDA自主厂商的研发脚步也因此变缓，走上了“二次开发”“代理集成”的附属式发展道路。
一番波折之后，国产EDA就来到了一个尴尬的境地。一方面在品牌上亦步亦趋，知识产权难以把控，自然也无法形成溢价，致使中国的芯片设计企业逐渐失去了选择权和议价权。而在市场竞争中，既需要支付多套EDA工具的license专利费，高昂的成本直接拖累了设计周期及竞争力，在5nm乃至3nm等高精度芯片设计也囿于上游软件大鳄，难以施展。
这样处处掣肘的大背景下，中国EDA工具的前路在何方呢？
风水轮流转，今年看AI
今天没人能够忽视AI对社会产业带来了赋能作用，根据市场研究机构ABIResearch发布的最新报告，云端AI芯片市场将从2019年的42亿美元增长至2024年的100亿美元规模；边缘AI芯片也将以31%的年平均增长率持续扩张。而EDA作为AI芯片中不可或缺的角色，也在半导体软硬件企业、创业者与开发者的推动下，迎面撞上了新的商机与挑战。
首要的需求变化，是更高的PPA (功耗、性能、面积)目标。
想要将AI移植到智能手机、车联网、IoT等终端，具备 学习能力的系统级芯片（SoC）就变得不可或缺，产业端对芯片封装的小型化也越来越苛刻。
在越来越小的单位面积上集成越来越多的晶体管，需要更复杂的工艺器件，电路之间的交互、热物理效应等也都会发生改变，这意味着整个设计流程都需要被重新思考，EDA工具也必须与时俱进。
同时，产业智能市场的激烈竞争，也让开发者对设计周期（Time To Market）的要求越来越高，而设计规模和规则限制也在增多，如何提升AI芯片的设计效率，减少迭代次数，进而缩短设计周期，也在倒逼EDA厂商升级。
时代浪潮的涌动之下，将AI引入芯片设计环境，就是一个水到渠成的必然选择了。
在国家战略层面，美国国防高级研究计划局(DARPA)为首的部门，开始将电子资产智能设计(IEDA) 作为代表性项目，重点突破优化算法、7nm以下芯片设计支持、布线和设备自动化等关键技术难题。
产业端，Synopsys、Cadence、Mentor，以及中国的华大等工程界也纷纷将AI设计从概念升级到实战阶段。Cadence正式推出了专门为AI设计所打造的Tensilica DNA 100处理器IP，能够利用算法提高芯片能效，功耗也大幅度降低。Synopsys也推出了内置神经网络引擎的嵌入式图像处理器，来实现内存高速存取的设计需求，还提供芯片开发初期就确保AI数据安全性的IP选项。下游的集成商如台积电，也在ARM A72和A73等内核上成功地部署了机器学习，以帮助预测最佳的单元时钟门控，提升整体芯片速度。
总的来说，AI对EDA提出了新的技术要求：一是能够以更高效率执行矩阵乘法、点积等运算任务的专门化处理；二是实现 学习任务快速存储需求的架构创新；三是打造传递各种数据资料的连接界面。
尽管目前，国产EDA欠缺一次全面的补课，但当务之急并非盲目地一拥而上。市场的需求，产业端的算法饥渴，技术和产品填补空白的优先级，都将国产EDA工具的前路指向了AI。
重新制造轮子：中国EDA的AI土壤
当然，在EDA工具的AI化过程中，还是需要有的放矢。所以接下来，是时候讨论这个关键的问题了，中国EDA厂商的逆袭可能性，以及关键力量究竟在哪里？
对于这个庞大的命题，政策、资本、学术等可能需要几十年、几代人去解释，在此，我们不妨将目光聚焦在一些具体的技术趋势上，比如云计算。
EDA上云是未来的趋势之一，利用云端庞大的运算能力能够有效解决仿真耗时的问题，直接降低芯片创业者获取EDA工具的成本，某些芯片大企业也可以灵活地临时使用某些工具。而众所周知，中国云服务厂商无论是在硬件部署、软件创新、软硬件协同方面，已经开始成为智能产业的支撑力量，也将成为推动EDA领域进化的关键变量。
再比如AIoT的蓬勃发展。
软硬体协同这类因AI衍生的协同设计需求，需要新一代EDA工具来适应。同时，与产业应用端的亲密呼应，也会影响与打磨新一代EDA的设计与验证解决方案。举个例子，车联网、规模运算、高频通信等应用领域的设计，都对系统级分析工具提出了更高的要求，为了更全面地支持各种场景，EDA从业者也需要向工程模式（CAE）等方向全面延伸，这些领域的交融会跑出多少黑马，是个令人兴奋的未知数。可以确定的是，中国土地上如火如题的AIoT建设，也在不断为EDA产业输送养分。
撬动一座产业版图的，有时是一力降十会的绝对实力，有时也许是顺势而为的一个支点。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
