AI来了，国产EDA工具的春天到了？( 四 )_图1

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，具备深度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。

AI来了，国产EDA工具的春天到了？( 四 )