1006
电子设计自动化（EDA）行业的增长势头强劲，为半导体和电子系统设计行业实现更大的成功做出了重要贡献。越来越多的系统公司开始自己设计芯片和电子产品，他们的创新步伐会受到哪些主要 EDA 趋势的影响？
Trend：电子产品的设计正在朝着特定领域发展。特定领域的设计对 EDA 工具开发人员和用户意味着什么？
答：对于产品开发人员来说，只考虑芯片或电路板的传统技术指标已经不够。他们现在还必须要考虑产品集成和使用的环境。
促使产品开发团队考虑环境设计的因素包括系统越来越高的复杂性、更高的性能需求与成本的取舍，以及不断压缩的开发周期。为了解决这些问题，在由元器件（如 RFIC）、子系统（如雷达）和系统（如自动驾驶系统）等构成的生态系统中，EDA 厂商和用户需要更密切地合作，才能应对集成挑战并优化性能。
针对环境进行设计给 EDA 工具提供商带来了如下挑战和机遇：
- 创建协作工作流程，在设计和测试阶段实施更好的工艺、数据和知识产权（IP）管理，以便众多专家能够高效地协同工作。
- 改进模型（包括基于测量的模型），从而提高仿真的准确性。早期设计过程中的准确仿真可使开发团队降低验证和确认风险，减少对迭代和成本高昂的物理原型的需求。
- 通过云端的高性能计算（HPC）和并行运行增加仿真数量。
- 在仿真环境中提供正式的验证框架，从而在要求的设计环境下确认元器件兼容性。
要围绕环境进行设计就需要 EDA 公司之间加深合作，进一步提升 EDA、计算机辅助设计（CAD）、计算机辅助工程（CAE）和测试工具之间的互操作性。它还要求将 EDA 工具更好地融合到产品生命周期管理（PLM）系统中，加大对仿真和测试流程以及数据管理的投资，从而提高生产效率。
Trend：芯片在各类产品中的使用越来越普遍，半导体行业现在要服务越来越多的客户群体。这对 EDA 行业有何影响？
答：当前芯片处于供不应求的状态，疫情更是让这种状态雪上加霜。我在前不久的一次欧洲之行中了解到，是德科技的芯片设计和制造客户证实，需求比供应高出了 30%。一部分芯片厂未来两年的产能都已被预订。不过，有些公司将在未来 18 至 24 个月内扩大产能，这可能会有助于供需重新平衡。
半导体行业具有周期性，芯片制造中一直存在的需求周期会影响到下游的 EDA 厂商。举个例子，汽车长期以来就是一个周期性行业。在汽车行业进入下行周期时，消费和医疗保健等其他应用会抢占芯片产能。应用和行业领域的多样性有助于晶圆厂的产能得到高效利用。
长期增长势头强劲，“万物电气化”极大地增加了对新芯片组的需求。简单的 8 位或 16 位微控制器已经无法满足许多需要更先进计算处理和连通性的应用提出的需求。初创企业正在迅速萌芽，不断打造出新的设计和创新产品。无晶圆厂模式使得行业能够满足越来越多的应用需求，同时让半导体制造能力得到高效利用。
设计人员需要让 EDA 产品实现新的设计功能并满足验证工作的要求。设计团队需要 EDA 公司提供更好的工具、IP 模块和咨询服务。对于 EDA 厂商来说，客户市场使用芯片的力度加大是一个非常积极的动向，这些厂商的成长和成功一部分要取决于设计的启动和成功。启动的设计越多，对工程师和他们使用的 EDA 工具的要求也就越多。工程师需要借助智能自动化和更高的效率更快完成工作。
Trend：客户希望芯片和电子系统具有更长的使用寿命，并且能在整个生命周期正常发挥作用。这对于汽车等安全关键型市场和数据中心等任务关键型市场尤为重要。EDA 工具如何解决产品老化、质量和可靠性问题？
答：对于是德科技而言，可靠性设计并不是一个新鲜的话题，因为公司的仪器产品具有非常严格的使用寿命要求。只有将可靠性完全融入整个设计、制造和测试过程，它才能发挥积极的影响。在仪器产品生命周期中，是德科技充分吸取可靠性优秀案例的经验，这些经验在多年的开发过程中对我们的设计和仿真工具产生了积极影响。是德科技的内部工具用户和商业客户对于如何让电路保持在电气和热限值范围内十分感兴趣。这看似很简单，其实非常有挑战，尤其是在环境和工艺发生了变化的时候。
在通过不同封装技术互连的更大系统中，芯片占据了越来越大的比重。如何对这些互连和封装细部进行建模也是可靠性设计要攻克的难关。举个例子，空间应用需要考虑自身的冗余和特殊设计模式，从而提高辐射硬度。这种方法也用到了医疗保健等其他任务关键型应用中。在物联网、汽车和消费产品中，对可靠性和老化（磨损）要求的重要性越来越凸显，而此前只有航空航天和国防应用有这样的要求。
随着这些新兴应用中的错误成本增加，仿真对于设计质量的重要性也在增加。是德科技 PathWave 设计工具可以对直接影响质量和可靠性的信号与电源完整性以及电磁效应进行仿真和分析。如果从事设计领域的客户寻求在业内实现仿真签核，EDA 工具的影响可能会变得更加显著。这一方式需要通过独立的测试套件或测试机构来验证软件。EDA 工具和 IP 也有助于预测和避免现场故障。使用嵌入式传感器和 AI/ML 软件技术进行实时数据收集和分析有望很快解决芯片产品的可靠性和老化问题。
作者：是德科技副总裁兼 PathWave 软件解决方案总经理 Niels Faché
