3 月 20 日，SEMICON/ FPD China 2024 開幕主題演講在上海浦東嘉里大酒店隆重舉行。本次開幕主題演講匯集了眾多全球行業領袖，演講嘉賓們向現場觀眾分享了全球產業格局和技術市場趨勢等方面的最新觀點。

其中，Cadence 總裁兼首席執行官 Anirudh Devgan 博士以“如何在人工智能驅動時代取得成功”為主題，向與會者闡述了 AI 對企業目前產品矩陣不斷完善的推動力，未來研發方向秉承的思維理念，以及對客戶服務體系的最新思考。

Cadence 總裁兼首席執行官 Anirudh Devgan

1

AI 是推動半導體產業持續發展的重要動力

在演講中，他首先談到了推動半導體產業未來發展，促進市場新機會迸發的三大動因：芯片與系統的融合、人工智能和數字孿生。他特別強調，在數字化轉型過程中，AI 將有助于芯片公司和系統公司更好地耦合。

就第一個因素來講，Anirudh Devgan 指出，目前芯片公司和系統公司的融合度越來越高，很多系統公司在做芯片，而芯片廠商也在成為系統公司：“目前 Cadence 的客戶中有大約 45% 是系統公司。”就半導體行業本身來講，他預測到 2030 年，單芯片將有 1 萬億個晶體管，復雜性增加 5 到 10 倍，且半導體市場也將突破 1 萬億產值，電子系統市場將突破 3 萬億。其中，AI 芯片和汽車芯片兩大終端領域是推動半導體市場不斷發展主要動力：“未來幾年，每輛汽車的半導體成本將會增長到 2000 至 4000 美元；同時，訓練和推理等應用將助推 AI 芯片在未來增長到 7000 億美元甚至更高規模。”

Anirudh Devgan 闡述，相對于芯片與系統融合以及人工智能的應用，“數字孿生”這一概念相對來講談論較少，但它對 EDA 公司價值非凡：“借助數字孿生仿真技術可以有效降低芯片開發成本，在芯片正式進入制造環節之前，數字孿生的仿真、驗證可以讓芯片的整個研發周期得到極大的優化。”他還就半導體、航空航天和生物制藥這三個領域加以對比，指出半導體行業所需的數字化模擬和驗證占比遠遠超過后兩者。航空航天能用到的“數字孿生”占比只有 20%，剩下的驗證占比基本只能通過物理測試完成，而生物醫藥相關占比只有百分之幾，但后兩個領域在未來同樣會推動“數字孿生”仿真技術不斷發展。

2

三個圓圈與三層蛋糕

接下來，Anirudh Devgan 先生談到了 Cadence 的智能系統設計戰略，它由三個圓圈組成：“最外圈是數據分析和人工智能，中間圈層是系統，內圈則是芯片。如果把我們的計算軟件用在系統和數據上，就是系統設計和仿真，如果用在芯片上，就是 IP 和 EDA 工具——這是 Cadence 的核心業務。”

相應地，Cadence 的智能系統設計戰略則有“三層蛋糕”來實現：“中間層是基于物理、化學或生物學原理的仿真和優化，最上層則是 AI 和數據編排處理，而下層則是以 CPU、GPU、FPGA 為代表的加速計算。所有的終端市場都和這三層蛋糕相關，當你吃這個蛋糕時，通常需要把這三層一起吃掉。”

3

EDA 工具與人工智能發展的三個階段

AI 將如何影響半導體行業以及整個社會？具體到 EDA 工具供應商，AI 導向未來的技術路線又會是怎樣的？對此，Anirudh Devgan 博士非常形象地用了互聯網發展的三階段作為類比，認為人工智能也將有類似的三個階段：AI 賦能芯片的“基礎設施建設”階段，將人工智能應用到芯片設計、系統設計中的第二階段，以及創建完全開放 AI 新型市場的第三階段。

Anirudh Devgan 強調，第一階段相當于互聯網時代當年對基礎設施網絡的鋪設，該階段會有一個較長的周期。講到此處，Anirudh Devgan 以 AI 推動邊緣數據中心演進和芯片 3D 化設計架構，尤其是 Chiplet 的發展為例，介紹了超級計算機以及 Chiplet 帶來的芯片設計、互連、封裝體系的革命化演進。他指出，英偉達、AMD 這樣的芯片設計巨頭成為 Cadence 的優秀合作伙伴，他們通過軟硬件架構融合的思維模式構建數據中心基礎設施；而具體到 Chiplet 技術，各個 die 不同的工藝節點可以通過導入接口 IP 封裝在一起，帶動了 AI 芯片的不斷發展。

Anirudh Devgan 著重介紹了 Cadence 五大產品平臺的推出，契合的是人工智能發展的第二階段，即芯片設計、系統設計的 AI 化。Cadence 目前的 EDA 產品矩陣，如全新數字芯片設計自動化工具 Cerebrus、模擬設計解決方案Virtuoso Studio、驗證平臺Verisium、先進的 PCB 設計布線工具 Allegro，以及多物理場系統分析解決方案 Optimality 等，均和 AI 理念指引下的自動工藝流程緊密相關。

為了更直觀地表現 AI 對傳統數學算法的顛覆性，他以某家廠商的汽車 CPU 舉例。如果該 CPU 有 17 個變量要優化，使用傳統數學工具需要運行 400 萬次，而 Cadence 的 Cerebrus 用 AI 優化算法模型，計算空間僅需要 200 次，在 10 臺機器上運行，一兩天內就可以得到所需的結果。

在人工智能發展的第三階段——開辟新市場，Anirudh Devgan 重點闡述了“數字孿生”技術在模擬和仿真中的巨大作用。他指出，AI 可以快速生成高質量的多物理場數據，而且可以利用生成式 AI 為理想系統設計方案，創建數字孿生可視化效果。

他在現場展示了一個時長一分多鐘的視頻，展示了 Cadence 與英偉達在 3D 數字孿生可視化平臺上的合作。他強調，數據中心的建設者往往由施工團隊而非真正的工程團隊來完成，巨大的耗電量成為環保痛點。在講解視頻的過程中，Anirudh Devgan 指出，Cadence 的數字孿生技術可以對數據中心的電路板、機架、氣流進行建模，輔以多物理場仿真工具，可以極大地優化數據中心的能耗問題。

Anirudh Devgan 還談到，人工智能在未來的數字生物學中也可以大顯身手，藥物制造的模擬算法和模擬晶體管架構非常類似，Cadence 通過收購藥物設計軟件商 OpenEye，加強了企業對藥物分子模擬領域的技術實力。他預計，在未來 5 到 10 年內，數字生物領域將經歷巨大的變革：“我們目前對 AI 驅動下的新型市場的投資將確保我們處在創新的前沿。”

總結

最后，Anirudh Devgan 博士總結：“我們所專注的計算軟件，其核心業務是 EDA 和 IP，將其擴展到系統分析和人工智能領域的這段旅程，我們期待能和合作伙伴一起完成。”