全球 IC 設計產業因其創新特性和智慧資本取向，有實力成為半導體產業中的新經濟指標，除了設計產業本身求新求變的本質足以服膺市場需求外，完整的鏈狀發展和分工體系亦是一項重要的關鍵?！腹び破涫?，必先利其器」。EDA (Electronic Design Automation) 所扮演的角色主要在于提供 IC 設計者的工具，最重要的功能是自動化減少晶片設計的時間及制造的周期，對 IC 設計業者而言，EDA 產業的提升，具有相當的影響性。

EDA 技術的來源

目前 EDA 技術已經在多種產業廣泛應用，從設計、性能測試、特性分析、產品模擬等，皆可在 EDA 環境下進行開發與驗證。這不但可大幅縮短開發流程，也增加產品設計效能。 EDA 概念的使用范疇也相當廣泛，從電子、電機、通訊，航空科技、化工、制藥、軍事、生物科技等領域，都有利用到 EDA 的技術加速產品的開發應用。近年來，車載電子 (用于救護車)，醫療院所的 UPS (不斷電系統)、手術設備、檢查設備等，更是研究單位積極致力發展的方向。目前 EDA 技術在也各大公司、企事業單位和科研教學部門廣泛使用，例如在飛機制造過程中，從設計、性能測試及特性分析直到飛行模擬，都可能涉及到 EDA 技術。本文所指的 EDA 技術，主要談的是電子電路設計、PCB 設計和 IC 設計上的 EDA 技術。

解決 EDA 產業目前面臨的問題

EDA 技術的成本，雖然在產品總成本中只占很小的一部分，但就長遠的電子科技產業鏈而言，設計芯片仍然是一項昂貴且耗費人力的任務。 人工智能 (AI) 和電子設計自動化可以是完美的組合，AED (Autonomous Electronic Design)。與軟件行業相比，芯片行業除了需要流片外，目前芯片設計公司在設計效率上仍面臨以下三個問題。

首先是版圖設計 (Layout)，尤其是模擬/混合信號 (AMS, Analog Mix Signal) 設計。這就好像是軟件領域的編譯器，只要將代碼寫完，然后按一下"編譯"，就能即刻將執行文件生成出來。但是在芯片領域可就沒那么簡單了! 在電路設計完成后，需要花很多時間去做版圖設計生成 GDS (Graphic Data System)，如同軟件行業里，要將代碼翻譯成機器碼一樣，這個過程目前需要依靠人工，藉由設計人員的技能和經驗，來解決軟件通過時的種種障礙，相當的耗時。目前的 EDA 工具，雖然功能提升許多，但在自主化的環節上，仍有相當大的改善空間。

第二個問題是設計復用的問題。軟件行業的發展至今已有相當的成熟度，有很多現成的函數庫可以利用，調動一下就行了。但 EDA 產業發展至今將近 50 年，始終未能建立業界通用的電子零件電路標準格式，絕大多數的模塊都必須從頭開始設計，很難實現設計復用，使得集成電路工程設計者在前端作業時，常面臨繁瑣冗雜、重復性高的工作模式，難以縮短晶片制造的時間。

第三個問題是檔案繁復、零件瑣碎，資料管控困難。純人工作業方式的建置與管理，不僅耗費大量人力、時間與成本，更影響工作效率。面對產品制造周期大幅縮短的現實需求下，如何以更快的速度推陳出新，提高產品品貭與服務品質，是EDA廠主要的思考方向。

敏捷設計驅動 EDA 技術的進步

DARPA (Defense Advanced Research Projects Agency) 是美國最尖端的政府研究機構，它的資助方向可以看作是業界新潮流的風向標。2018 年七月底，DARPA 宣布投入 15 億美元，協助半導體產業長期發展。此研究計畫，包括設計更彈性與更新的晶片架構，以符合人工智慧 (AI)、高速運算等新科技的需求。

敏捷設計的來源是 DARPA 內部的 Agile Team (A - Team)，此團隊致力於研發、測試、和演示先進的數學演算法，進而利用此法優化人類智能機器系統。DARPA 的項目經理 John Paschkewitz 說: “A - Team 將開發一個架構，來優化智能機器在各種行業中的使用，并與人類一起確保最佳的人機團隊合作，解決動態的問題"。A-Team 的產出將包括 “智識網絡” (Intellectual Fabric) 的演算法 (Algoirithm)、摘要 (Abstraction) 和體系結構 (Architecture)，目的是提高該應用領域的決策能力。

這次資助的最大贏家是來自 Cadence 的 David White 所屬的團隊，他們獲得兩千四百萬美元的資助。 Cadence 的總裁 Anirudh Devgan 在一份聲明中說: “我們將在模擬、數字、驗證、封裝和 PCB EDA 技術上全面升級，并為我們的客戶提供最先進的系統設計支持解決方案“。Cadence 高級副總裁 Tom Beckley 在峰會上指出，將繼續在 Virtuoso 工具中加入更多機器學習，利用人工智能來幫助版圖生成自動化。

資料來源: DARPA

另外，IDEA 和 POSH 兩家公司也獲得 DARPA 的資金協助，其研發的終極目標是能做到在 24 小時內可實現全自動芯片設計迭代。IDEA 做的是全自動芯片版圖生成器，其研發目標是創建一個 “循環中沒有人” 的版圖生成器，使具有有限電子設計專業知識的用戶，能夠在 24 小時內完成電子硬件的物理設計。POSH 針對的是開源硬件項目，希望能發展出可持續的開源硬件生態，以及相應的驗證工具，同時能提供一個開源硬件基礎模組庫，讓大家可以自由調用模組庫里的模塊，避免在硬件領域中，重復造輪子的問題。[1]

其他 EDA大廠的 AI 研發

新思科技 (Synopsys) 于2018年9月初宣布，推出一種基于 AI 的最新形式驗證應用，即回歸模式加速器?？蓪⒃O計和驗證周期中的性能驗證速度提高 10 倍，以驗證復雜的芯片系統 (SoC) 設計。此外，也將先進的機器學習技術融入其設計平臺，和革新性的Fusion Technology 中，顯著加快上市時間 (TTR)，并設定了數字和定制設計的結果質量 (QoR) 的新標準。新思科技的 PrimeTime? sign-off 工具在芯片設計領域表現出 AI 所帶來的顛覆性能力，已證實可在處理基于前沿工藝技術的客戶設計時，使功耗收復速度加快 5 倍。[2]

AED 就是將計算交給 AI，創新力留給人類

機器學習已經成為解決高度復雜和前沿設計驗證的強大技術，相信不久的將來 AED (Autonomous Electronic Design) 的高度自主化的設計環境終將實現。智能數據庫可以根據已經建立的設計規則和所使用的技術，來定義路由策略及建議關鍵組件的設計。機器學習的結果可以改變電路布局，開放路由通道，并根據設計規則自動調整面積大小以簡化電路，AI 路由器可以決定路由總線的階層和方向，進而解決出現在集成電路或電路板上的難題。[3]

在芯片產業中，若機器學習能夠分擔設計過程中耗時費工的任務，讓產品生成周期縮短、設計品質提高，那么設計工程師便能專注于創造、研發和設計新概念的電路與產品?；貧w展現人類創新力的價值，和創造更高的生活品質。英偉達 (Nvidia) 高級工程總監顧頂 (Ting Ku) 表示，"效率的提高通常意味著工程團隊能夠從事其他工作，工作的內容和多樣化也會增加"。未來 AED 的芯片設計環境，將會為芯片產業創造更大的產能和價值。