EDA产业目前面临哪些问题?
全球 ic 设计产业因其创新特性和智慧资本取向，有实力成为半导体产业中的新经济指标，除了设计产业本身求新求变的本质足以服膺市场需求外，完整的链状发展和分工体系亦是一项重要的关键。「工欲善其事，必先利其器」。eda （electronic design automation） 所扮演的角色主要在于提供 ic 设计者的工具，最重要的功能是 自动化减少晶片设计的时间及制造的周期 ，对 ic 设计业者而言，eda 产业的提升，具有相当的影响性。
eda 技术的来源
目前 eda 技术已经在多种产业广泛应用， 从设计、性能测试、特性分析、产品模拟等，皆可在 eda 环境下进行开发与验证 。這不但可 大幅缩短开发流程，也增加产品设计效能 。 eda 概念的使用范畴也相当广泛，从电子、电机、通讯，航空科技、化工、制药、军事、生物科技等领域，都有利用到 eda 的技术加速产品的开发应用。近年来， 车载电子 （用于救护车），医疗院所的 ups （不断电系统）、手术設備、检查設備等 ，更是研究单位积极致力发展的方向。目前 eda 技术在也各大公司、企事业单位和科研教学部门广泛使用，例如在飞机制造过程中，从设计、性能测试及特性分析直到飞行模拟，都可能涉及到 eda 技术。本文所指的 eda 技术，主要談的是电子电路设计、pcb 设计和 ic 设计上的 eda 技术。
解决 eda 产业目前面临的问题
eda 技术的成本，虽然在产品总成本中只占很小的一部分，但就长远的电子科技产业链而言，设计芯片仍然是一项昂贵且耗费人力的任务。 人工智能 （ai） 和电子设计自动化可以是完美的组合， aed （autonomous electronic design） 。与软件行业相比，芯片行业除了需要流片外，目前芯片设计公司在设计效率上仍面临以下三个问题。
首先是 版图设计 （layout） ，尤其是模拟/混合信号 （ams， analog mix signal） 设计。这就好像是软件领域的编译器，只要将代码写完，然后按一下“编译”，就能即刻将执行文件生成出来。但是在芯片领域可就没那么简单了！ 在电路设计完成后，需要花很多时间去做版图设计生成 gds （graphic data system），如同软件行业里，要将代码翻译成机器码一样，这个过程目前需要依靠人工，藉由设计人员的技能和经验，来解决软件通过时的种种障碍，相当的耗时。目前的 eda 工具，虽然功能提升许多，但在自主化的环节上，仍有相当大的改善空间。
第二个问题是 设计复用 的问题。软件行业的发展至今已有相当的成熟度，有很多现成的函数库可以利用，调动一下就行了。但 eda 产业发展至今將近 50 年，始终未能建立业界通用的电子零件电路标准格式， 绝大多数的模块都必须从头开始设计，很难实现设计复用， 使得集成电路工程设计者在前端作业时，常面临繁琐冗杂、重复性高的工作模式，难以缩短晶片制造的时间。
第三个问题是 档案繁复、零件琐碎，资料管控困难 。纯人工作业方式的建置与管理，不仅耗费大量人力、时间与成本，更影响工作效率。面对产品制造周期大幅缩短的现实需求下，如何以更快的速度推陈出新，提高产品品貭与服务品质，是eda厂主要的思考方向。
敏捷设计驱动 eda 技术的进步
darpa （defense advanced research projects agency） 是美国最尖端的政府研究机构，它的资助方向可以看作是业界新潮流的风向标。2018 年七月 底，darpa 宣布投入 15 亿美元，协助半导体产业长期发展。此研究计画，包括設計更弹性与更新的晶片架构，以符合人工智慧 （ai）、高速运算等新科技的需求。
敏捷设计的來源是 darpa 內部的 agile team （a - team），此團隊致力於研发、测试、和演示先进的数学演算法，进而利用此法优化人类智能机器系统。darpa 的项目经理 john paschkewitz 说： “a - team 将开发一个架构，来优化智能机器在各种行业中的使用，并与人类一起确保最佳的人机团队合作，解决动态的问题“ 。 a-team 的产出将包括 “智識網絡” （intellectual fabric） 的演算法 （algoirithm）、摘要 （abstraction） 和体系结构 （architecture），目的是提高该应用领域的决策能力。
这次资助的最大赢家是来自 cadence 的 david white 所属的團隊，他們获得两千四百万美元的资助。 cadence 的总裁 anirudh devgan 在一份声明中说： “ 我们将在模拟、数字、验证、封装和 pcb eda 技术上全面升级 ，并为我们的客户提供最先进的系统设计支持解决方案 “ 。cadence 高级副总裁 tom beckley 在峰会上指出， 将继续在 virtuoso 工具中加入更多机器学习，利用人工智能来帮助版图生成自动化 。
另外，idea 和 posh 两家公司也获得 darpa 的资金协助，其研发的终极目标是能做到 在 24 小时内可实现全自动芯片设计迭代 。idea 做的是全自动芯片版图生成器，其研发目标是创建一个 “循环中没有人” 的版图生成器，使具有有限电子设计专业知识的用户，能够在 24 小时内完成电子硬件的物理设计。posh 针对的是开源硬件项目，希望能发展出可持续的开源硬件生态，以及相应的验证工具，同时能 提供一个开源硬件基础模组库，让大家可以自由调用模组库里的模块 ，避免在硬件領域中，重复造轮子的问题。
其他 eda大厂的 ai 研发
新思科技 （synopsys） 于2018年9月初宣布，推出一种基于 ai 的最新形式验证应用，即 回归模式加速器 。 可将设计和验证周期中的性能验证速度提高 10 倍 ，以验证复杂的芯片系统 （soc） 设计。此外，也将先进的机器学习技术融入其设计平台，和革新性的fusion technology 中，显着加快上市时间 （ttr），并设定了数字和定制设计的结果质量 （qor） 的新标准。 新思科技的 primetime® sign-off 工具在芯片设计领域表现出 ai 所带来的颠覆性能力，已证实可在处理基于前沿工艺技术的客户设计时，使功耗收复速度加快 5 倍。
aed 就是將计算交给 ai，创新力留给人类
机器学习已经成为解决高度复杂和前沿设计验证的强大技术，相信 不久的将来 aed （autonomous electronic design） 的高度自主化的設計环境终将实现。智能数据库可以根据已經建立的设计规则和所使用的技术，来定义路由策略及建议关键组件的设计。机器学习的结果可以改变电路布局，开放路由通道，并根据设计规则自动调整面积大小以简化电路，ai 路由器可以决定路由总线的階层和方向，进而解决出现在集成電路或电路板上的难题。
在芯片产业中，若机器学习能够分担设计过程中耗时费工的任务，让产品生成周期缩短、设计品质提高，那么 设计工程师便能专注于创造、研发和设计新概念的電路與產品。回归展现人类创新力的价值，和创造更高的生活品质 。英伟达 （nvidia） 高级工程总监顾顶 （ting ku） 表示，”效率的提高通常意味着工程团队能够从事其他工作，工作的内容和多样化也会增加“。未来 aed 的芯片设计环境，将会为芯片产业创造更大的产能和价值。
归纳出单片机开发中应掌握的几个基本技巧
在线自动雷达水位雨量监测系统的特点是什么
DeepNude惊现!一键“脱衣”
基于FPGA的电网实时数据采集与控制
泰州市人民政府与中国移动携手打造“泰州智造”工业名片
EDA产业目前面临哪些问题?
戴维南等效电路受控源分析
基于FPGA的千兆以太网ARP和UDP的实现
国民技术因前海旗隆相关人员失联事件欲计提5亿坏帐
小米X1最新消息:月底发布,小米新品确认曝光:骁龙660处理器+6英寸屏幕
新专利介绍--一种基于压电陶瓷自供电的智能水表
低音炮低通滤波器电路图讲解
基于晶体管和UJT的简单锯齿发生器电路
大联大诠鼎推出基于高通的QCC3031 TWS蓝牙音箱设计
二位二通电磁阀工作原理 二位五通和三位五通的区别
美参议员要求脸书不记录用户的位置数据
PUR热熔胶机注意事项有哪些_PUR热熔胶机换胶时注意事项详解
关于5G+工业互联网的思考与实践
尼龙导热塑料应对LED散热问题的解决方案
权威发布2019年物联网十大趋势
eda 技术的来源
目前 eda 技术已经在多种产业广泛应用， 从设计、性能测试、特性分析、产品模拟等，皆可在 eda 环境下进行开发与验证 。這不但可 大幅缩短开发流程，也增加产品设计效能 。 eda 概念的使用范畴也相当广泛，从电子、电机、通讯，航空科技、化工、制药、军事、生物科技等领域，都有利用到 eda 的技术加速产品的开发应用。近年来， 车载电子 （用于救护车），医疗院所的 ups （不断电系统）、手术設備、检查設備等 ，更是研究单位积极致力发展的方向。目前 eda 技术在也各大公司、企事业单位和科研教学部门广泛使用，例如在飞机制造过程中，从设计、性能测试及特性分析直到飞行模拟，都可能涉及到 eda 技术。本文所指的 eda 技术，主要談的是电子电路设计、pcb 设计和 ic 设计上的 eda 技术。
解决 eda 产业目前面临的问题
eda 技术的成本，虽然在产品总成本中只占很小的一部分，但就长远的电子科技产业链而言，设计芯片仍然是一项昂贵且耗费人力的任务。 人工智能 （ai） 和电子设计自动化可以是完美的组合， aed （autonomous electronic design） 。与软件行业相比，芯片行业除了需要流片外，目前芯片设计公司在设计效率上仍面临以下三个问题。
首先是 版图设计 （layout） ，尤其是模拟/混合信号 （ams， analog mix signal） 设计。这就好像是软件领域的编译器，只要将代码写完，然后按一下“编译”，就能即刻将执行文件生成出来。但是在芯片领域可就没那么简单了！ 在电路设计完成后，需要花很多时间去做版图设计生成 gds （graphic data system），如同软件行业里，要将代码翻译成机器码一样，这个过程目前需要依靠人工，藉由设计人员的技能和经验，来解决软件通过时的种种障碍，相当的耗时。目前的 eda 工具，虽然功能提升许多，但在自主化的环节上，仍有相当大的改善空间。
第二个问题是 设计复用 的问题。软件行业的发展至今已有相当的成熟度，有很多现成的函数库可以利用，调动一下就行了。但 eda 产业发展至今將近 50 年，始终未能建立业界通用的电子零件电路标准格式， 绝大多数的模块都必须从头开始设计，很难实现设计复用， 使得集成电路工程设计者在前端作业时，常面临繁琐冗杂、重复性高的工作模式，难以缩短晶片制造的时间。
第三个问题是 档案繁复、零件琐碎，资料管控困难 。纯人工作业方式的建置与管理，不仅耗费大量人力、时间与成本，更影响工作效率。面对产品制造周期大幅缩短的现实需求下，如何以更快的速度推陈出新，提高产品品貭与服务品质，是eda厂主要的思考方向。
敏捷设计驱动 eda 技术的进步
darpa （defense advanced research projects agency） 是美国最尖端的政府研究机构，它的资助方向可以看作是业界新潮流的风向标。2018 年七月 底，darpa 宣布投入 15 亿美元，协助半导体产业长期发展。此研究计画，包括設計更弹性与更新的晶片架构，以符合人工智慧 （ai）、高速运算等新科技的需求。
敏捷设计的來源是 darpa 內部的 agile team （a - team），此團隊致力於研发、测试、和演示先进的数学演算法，进而利用此法优化人类智能机器系统。darpa 的项目经理 john paschkewitz 说： “a - team 将开发一个架构，来优化智能机器在各种行业中的使用，并与人类一起确保最佳的人机团队合作，解决动态的问题“ 。 a-team 的产出将包括 “智識網絡” （intellectual fabric） 的演算法 （algoirithm）、摘要 （abstraction） 和体系结构 （architecture），目的是提高该应用领域的决策能力。
这次资助的最大赢家是来自 cadence 的 david white 所属的團隊，他們获得两千四百万美元的资助。 cadence 的总裁 anirudh devgan 在一份声明中说： “ 我们将在模拟、数字、验证、封装和 pcb eda 技术上全面升级 ，并为我们的客户提供最先进的系统设计支持解决方案 “ 。cadence 高级副总裁 tom beckley 在峰会上指出， 将继续在 virtuoso 工具中加入更多机器学习，利用人工智能来帮助版图生成自动化 。
另外，idea 和 posh 两家公司也获得 darpa 的资金协助，其研发的终极目标是能做到 在 24 小时内可实现全自动芯片设计迭代 。idea 做的是全自动芯片版图生成器，其研发目标是创建一个 “循环中没有人” 的版图生成器，使具有有限电子设计专业知识的用户，能够在 24 小时内完成电子硬件的物理设计。posh 针对的是开源硬件项目，希望能发展出可持续的开源硬件生态，以及相应的验证工具，同时能 提供一个开源硬件基础模组库，让大家可以自由调用模组库里的模块 ，避免在硬件領域中，重复造轮子的问题。
其他 eda大厂的 ai 研发
新思科技 （synopsys） 于2018年9月初宣布，推出一种基于 ai 的最新形式验证应用，即 回归模式加速器 。 可将设计和验证周期中的性能验证速度提高 10 倍 ，以验证复杂的芯片系统 （soc） 设计。此外，也将先进的机器学习技术融入其设计平台，和革新性的fusion technology 中，显着加快上市时间 （ttr），并设定了数字和定制设计的结果质量 （qor） 的新标准。 新思科技的 primetime® sign-off 工具在芯片设计领域表现出 ai 所带来的颠覆性能力，已证实可在处理基于前沿工艺技术的客户设计时，使功耗收复速度加快 5 倍。
aed 就是將计算交给 ai，创新力留给人类
机器学习已经成为解决高度复杂和前沿设计验证的强大技术，相信 不久的将来 aed （autonomous electronic design） 的高度自主化的設計环境终将实现。智能数据库可以根据已經建立的设计规则和所使用的技术，来定义路由策略及建议关键组件的设计。机器学习的结果可以改变电路布局，开放路由通道，并根据设计规则自动调整面积大小以简化电路，ai 路由器可以决定路由总线的階层和方向，进而解决出现在集成電路或电路板上的难题。
在芯片产业中，若机器学习能够分担设计过程中耗时费工的任务，让产品生成周期缩短、设计品质提高，那么 设计工程师便能专注于创造、研发和设计新概念的電路與產品。回归展现人类创新力的价值，和创造更高的生活品质 。英伟达 （nvidia） 高级工程总监顾顶 （ting ku） 表示，”效率的提高通常意味着工程团队能够从事其他工作，工作的内容和多样化也会增加“。未来 aed 的芯片设计环境，将会为芯片产业创造更大的产能和价值。
归纳出单片机开发中应掌握的几个基本技巧
在线自动雷达水位雨量监测系统的特点是什么
DeepNude惊现!一键“脱衣”
基于FPGA的电网实时数据采集与控制
泰州市人民政府与中国移动携手打造“泰州智造”工业名片
EDA产业目前面临哪些问题?
戴维南等效电路受控源分析
基于FPGA的千兆以太网ARP和UDP的实现
国民技术因前海旗隆相关人员失联事件欲计提5亿坏帐
小米X1最新消息:月底发布,小米新品确认曝光:骁龙660处理器+6英寸屏幕
新专利介绍--一种基于压电陶瓷自供电的智能水表
低音炮低通滤波器电路图讲解
基于晶体管和UJT的简单锯齿发生器电路
大联大诠鼎推出基于高通的QCC3031 TWS蓝牙音箱设计
二位二通电磁阀工作原理 二位五通和三位五通的区别
美参议员要求脸书不记录用户的位置数据
PUR热熔胶机注意事项有哪些_PUR热熔胶机换胶时注意事项详解
关于5G+工业互联网的思考与实践
尼龙导热塑料应对LED散热问题的解决方案
权威发布2019年物联网十大趋势