本文一共4981字，阅读大约需要12分钟。
芯片越做越“大”，又越做越“小”。大小之间，不变的是设计师对系统整体表现的极致追求。
本文首发于电子行业综合学术期刊《电子产品世界》
近年来，随着大规模集成电路制造工艺发展速度减缓，相对于线性提升的芯片规模，芯片的制造成本呈现指数级上升，下图可以很清晰地看到两种趋势变化。
图1 芯片晶体管规模与制造成本提升趋势（数据来源：美国DARPA）这些数字表明，我们正在为越来越复杂的芯片付出得越来越多。但是从1990年代到2000年代的经验好像并不是这样：每一代电脑手机价格涨得并不多，但是性能总是有大幅增长，甚至性价比都是在提高的，更好的电子产品甚至越来越便宜。为什么现在我们的感觉变化了？这里有两方面的原因：第一，过去很长时间里消费电子的用户数量在指数级增长，这样的增长摊薄了指数级增长的成本；第二个原因就是摩尔定律，随着工艺改进，芯片上的晶体管数量每隔一段时间就会“无成本”翻倍，从而带来性能的飞速增长，所以我们感觉芯片的性价比总是在提高。摩尔定律会永远持续吗？最近这10年里，我们反复听到这个说法：摩尔定律已经结束。关于摩尔定律的发展历史，从下图可以看得比较清楚，纵坐标是处理器性能，横坐标是不同的工艺和架构发展阶段。
从70年代中期开始，基于CISC复杂指令集的处理器，经历了10年的快速发展，每3.5年性能就翻一倍。然后精简指令集RISC由于它流水线比较好设计，容易利用工艺的发展，所以能继续推动性能的快速发展，差不多1年半就提高一倍，当然这个时期也出现了制造工艺大发展，所以芯片性能提高比较快。
到2005年左右有一个重要的规律Dennard Scaling，或者叫MOSFET scaling差不多发展到头了，它的含义就是说工艺发展了，晶体管变小驱动电压就会变小，会自然带来芯片功耗的降低，所以你只管增加芯片复杂度，下一代工艺出来了自然会帮你把功耗压住。但是到这个阶段不行了，漏电压不住了，单位功耗无法再降，那么单核频率就没办法再提高了，那怎么办呢？我们都知道答案，就是转向多核处理器，多核又带来一个高速发展期，还是三五年就能提高一倍的性能。
但是，多核也存在一些问题，无论是手机上还是高性能计算上，都不是有多少核就总是能用多少核的，Amdahl定律就是描述这个规律，即算法里面的串行部分总会卡住最高的性能。同时，并行化也有额外开销，即使像图像深度学习这么极端的并行数据算法，也存在一些偏向串行化或者全局的算子会变成性能瓶颈。所以我们看到过去10年里面，处理器的实际应用性能提高远没有前30年那么快了。总结来说，过去的四十年里面，不断发展的工艺和架构设计共同推动着摩尔定律持续前进，即使是今天也还有3nm、2nm、1nm先进工艺在地平线上遥遥可及。但是现实趋势来看，更高工艺、更多核、更大的芯片面积已经不能带来过去那种成本、性能、功耗的全面优势，摩尔定律确实是在进入一个发展平台期，也意味着我们进入了“后摩尔时代”。
如今，摩尔定律已经到了一个部分失效的阶段，即晶体管密度虽然还在继续增加，但功耗密度和性能密度已经很难进一步提高，也就是没有那种随着工艺改进自动发生的进步了。后摩尔时代，我们也观察到几个趋势正在给验证EDA带来更高的要求：01
新兴应用领域飞速发展，需求急剧分化
02
从更多维度构造自主芯片，满足应用领域需求
03
压力巨大的应用创新周期
新兴应用领域飞速发展，需求急剧分化
<<< 向左滑动查看完整内容 <<<过去几十年里，通用电子设备如个人电脑、手机、汽车、云计算等新兴应用领域正快速推动着芯片和EDA产业的发展。曾经围绕这些设备里芯片的一个关键词是“快”，更快的芯片就是更好的芯片，因为功耗、成本和物理限制都不是问题，那是一个美好的年代。
但是，后摩尔时代没有那么容易设计出“更快”的芯片了，或者说更快的芯片一定更贵了，是不是芯片不会再变化了呢？答案是否定的，未来芯片的变化反而会更大，不同的指令集、内存类型、内存大小、外部接口、专用指令或加速器、软硬件分工模式、封装模式等等，都没有绝对的好坏，甚至一味追求更高工艺都不一定正确了，因为单颗芯片继续简单增加功能或者提高工艺，必然带来成本的增加，对用户不一定是好事。
这种情况下，设计就不一定是做加法了，很多时候我们可能还要做减法。任何改变都是取舍权衡，那么权衡由什么来决定呢？由应用系统的需求决定。未来，如何发挥一颗芯片的设计，也需要应用系统和软件做相应的变化。过去那种软件不需要太多变化，隔几年用同样的钱换新一代的芯片就能看到系统性能提升，这样的经验已经不再适用了。
所以，后摩尔时代的芯片创新空间是变大了，而不是变小了。但是设计的约束和目的变了，从设计更快的芯片转变为设计更符合系统应用创新需求的芯片。我们也确实看到了业界在发生这样的变化：苹果、特斯拉、华为、谷歌、阿里巴巴等手机、汽车、服务器、AI、云服务等高科技系统公司，都在从“采购和使用通用芯片”，转向“定制自己的芯片”，在内部不断加强芯片团队方面的投资，通过SoC芯片和ASIC芯片的创新来实现系统创新。同时，新兴高科技的发展也反过来促进芯片设计和EDA的发展，比如人工智能、机器学习、云计算等技术对芯片设计和 EDA工具本身的影响也越来越大。
对于国内公司来说，在高工艺发展受限的大背景下，就更没有必要完全把注意力放在先进工艺上，应该看到即使是在14nm、16nm、28nm甚至更低工艺上，国内很多芯片产品整体来看还是跟国际巨头有差距，这种差距恰恰是架构、软件、编译器以及应用需求匹配等因素造成的。后摩尔时代的芯片创新，会有更多不同的维度。
后摩尔时代的第二个趋势是，芯片设计约束变得更多维。过去在工艺发展驱动下，一般都以围绕着工艺的PPA（性能、功耗、面积）指标作为核心维度实现芯片设计，其中面积也约等于芯片成本。但是发展到后摩尔时代，PPA三者之间的矛盾互斥已经大到很难平衡，而成本也不再简单取决于芯片面积，因此我们可以观察到芯片设计的约束维度已经开始发生明显的变化，其中包括：软 件
越来越定制化的芯片，必然也越来越依赖针对性的软件去利用这些创新的芯片功能。苹果手机在自主设计芯片之前，曾经长期CPU工艺落后于高通，但是基于iOS软件系统的苹果手机流畅程度、用户体验都优于大部分竞争对手。这个例子充分说明了系统级软硬件集成优化的重要性，而单个芯片的PPA指标并不必然能给整个应用系统带来提升。而软件的优化，不能等到芯片开发生产完成再做，必需要从项目规划阶段就能根据应用需求做好软硬件划分，并把“特定软件”和“特定芯片”结合到一起，去实际评估最终能否达到性能需求。这样就出现了“先有鸡还是先有蛋”的问题，因此新一代EDA工具需要对软件提前定制和优化需求进行支持。架 构
过去，处理器指令集以从CISC发展来的x86指令集为典型代表，在发展过程中不断增加新的指令，越来越庞大。但RISC-V为代表的新型ISA和架构反其道而行之，从一个非常简单的指令集出发，只为特定应用增加特定指令和加速器。基于这种思路，诞生了大量的DSA（领域特定）芯片，在AI监控、自动驾驶、IoT等领域取得了比通用处理器更好的效果。另一个更激进的架构演进方向代表是存内计算，让存储和计算能够在同一个器件内完成，这打破了冯诺依曼架构的固定模式，在很多机器学习应用上都能带来与工艺发展无关的效率提升。
同时，在多核、多计算单元、多芯粒（die）并行的复杂芯片中，SoC体系结构的优化也还存在很大的空间。举例来说，我们可以在某些ARM架构服务器芯片，或者在某国产x86 CPU芯片上，都观察到单核频率和特定计算性能高于同档次Intel Xeon处理器的情况，这说明单纯从处理器核的设计和生产工艺上，后来者们都已经达到一定的水准。但是在运行多核、多socket的数据库等复杂系统软件时，性能还是有一定差距，这也反向证明了在一个复杂的多核、多芯片、多级存储体系里，架构优化的重要性。封 装
随着多芯粒（die）封装从2D逐渐过渡到3D，高带宽高密度互连的Chiplet封装成了最近很火的一个技术方向。它把不同工艺的模块化芯片，像拼接乐高积木一样用封装技术整合在一起，实现更高的性能。Chiplet可以更容易地赋能系统公司自定义创新芯片，也可以帮助中小型的芯片公司和团队降低创新门槛，把资源投入在核心创新点上。比如国产GPU公司壁仞科技最近发布的7nm GPU产品，通过CoWoS Chiplet技术集成了计算芯粒和高带宽HBM2内存芯粒，实现了媲美竞争对手4nm高端GPU的同等算力，并且在不同产品线之间共享计算芯粒，有效降低了成本和提高了良率。但是Chiplet包含了很多EDA相关的新技术，比如说跟制造相关的包括封装里面功耗分析、散热分析等，Chiplet芯片的设计验证也对传统EDA提出了新的要求。特别是在验证技术和工具方面，实际上已经成为Chiplet发展的瓶颈。因为Chiplet目前还以单一公司完成全系统为主，但未来多厂商合作的新型Chiplet模式会把传统SoC流程打破，这就要求在IP建模、互连架构分析、系统功能验证、功耗验证等方面提出新的模式，而不仅仅是解决了制造问题就能实现全新的Chiplet产业结构。多模块
从应用系统出发的新趋势，也决定了单颗芯片无法达成系统设计目的，因此芯片的定义、设计和验证也必须考虑多颗芯片之间的协同。比如Nvidia公司的NVLink GPU片间通信接口协议，给GPU处理器增加了高性能数据交换接口，绕过了原来的PCIe瓶颈，有效提高了多GPU协同训练大型AI模型的效率。目前复杂处理器的规模在几亿到上百亿等效逻辑门，但未来一个电子应用系统的总逻辑门数量会在几千亿、几万亿，这不可能用单颗芯片或单颗封装去完成，必须充分考虑几十到几百颗芯片的扩展，并有效处理子系统之间的连接和分工。
这种通过异构、多芯粒、多模块系统集成的方式，也体现了从系统设计角度出发去定义和设计芯片的理念。半导体设计产业开始不仅是通过工艺的提升，而是更多考虑系统、架构、软硬件协同等，从系统应用来导向、从应用来导向去驱动芯片设计，让用户得到更好的体验。
再来说项目周期，自定义芯片驱动的系统创新周期是从应用需求创新开始，对系统和芯片提出新的需求，因此推导出需要一颗或多颗在功能、功耗、性能上权衡的芯片，然后开始芯片的设计和生产，芯片被制造出来之后投入使用，与软件一起形成新的系统。但是这个周期当中的芯片设计验证环节，对系统公司来说是一个全新的领域，不管是外包还是自研，在当前的EDA工具和方法学流程中，都存在1-2年的创新间隔。
由于系统级软硬件和传统芯片设计思路之间的隔阂，这样的创新性项目周期，往往从一开始就会耗费比预计更长的时间，从系统的功能性能指标到具体的芯片定义是一个非常复杂的过程，需要跨领域的架构工程师团队紧密合作，基于多种工具平台分解需求和向下映射。
鉴于系统级应用的复杂性和技术挑战，这些步骤往往需要比预期中更多的时间，这会迫使项目通过验证和测试等下游步骤去弥补损失的时间，进一步压缩本就很紧张的时间表。但是复杂SoC芯片和高级工艺的超高成本，又决定了芯片的验证要求很高，需要保证功能和性能验证的覆盖率，于是我们往往会看到芯片设计项目在仿真、调试、原型验证等环节碰到资源、人员、验证平台实现等各种瓶颈，引入更多的时间延误。即使芯片成功流片，进入生产阶段，系统级应用带来的复杂测试环境，对传统ATE测试方法又带来速度、资源上的各种限制，影响项目真正实现“进入市场”的时间点。
因此，这里的第三个趋势，是前两个发展趋势所必然带来的挑战。如果不能直面这些挑战，那么系统创新驱动的多维芯片创新就会受到影响。
后摩尔时代，针对以上三大趋势，芯华章贯彻“终局思维”，以终为始，致力于打造更智能的EDA 2.0，其核心目标是：未来，系统应用将是芯片设计的核心驱动力。芯华章所提出的EDA 2.0并不是一个0和1的状态变化，而是要在当前的基础上进一步增强各环节的开放程度。在开放和标准化的前提下，将过去的设计经验和数据吸收到全流程EDA工具及模型中，形成智能化的EDA设计，形成从系统需求到芯片设计、验证的全自动流程。同时，为了满足算力和平台化的要求，EDA 2.0应该与云平台和及云上多样化的硬件结合，充分利用成熟的云端软硬件生态。要支持应用厂商快速得到需要的芯片，EDA 2.0还应该是产品和服务的结合，最终实现电子设计服务——EDaaS（Electronic Design as a Service）。
2022年7月，芯华章成立研究院，汇集了沈昌祥、毛军发等中国两院院士，更有数十位来自集成电路设计、电子设计自动化与信息算法系统领域的顶级专家学者，以研究下一代EDA 2.0方法学与技术为目标，面向工业应用的核心基础技术做长期、持续地研发投入与技术攻关，推动从EDA 1.0往2.0发展，满足数字世界中系统应用对芯片多样化的需求，打造自主可信赖的电子系统创新基石。
作者:杨晔
芯华章科技产品和业务规划总监
