近期，上海、江蘇等地宣布，將大力加碼人工智能（AI）、電子設計自動化（EDA）工具，希望突破瓶頸并搶占技術高地。

今年8月，上海臨港新區(qū)的“滴水湖AI創(chuàng)新港”宣布啟動，并發(fā)表2022～2025年的臨港片區(qū)AI產業(yè)行動方案，預計要用三年時間，匯聚AI人才2萬～3萬人，匯集企業(yè)500家，將產業(yè)規(guī)模提升至500億元人民幣。

該行動方案顯示，將從核心基礎能力、關鍵系統(tǒng)零件研發(fā)突破、高階智慧終端、應用場景等面向突破，目前規(guī)劃最具體的是自駕汽車領域，包括相關軟體、晶片、智慧網聯汽車系統(tǒng)及自駕場景部署。

江蘇省工信廳副廳長池宇也表示，2022上半年江蘇省積體電路產業(yè)主營業(yè)務企業(yè)總產值年增10.5％，達到1350億元，目前南京EDA創(chuàng)新中心已經上報到中國科技部，這是中國首個上報到科技部的EDA創(chuàng)新中心。

EDA工具是集成電路行業(yè)的必備工具，貫穿于IC設計、制造、封測等環(huán)節(jié)。

EDA軟件行業(yè)流傳著這么一句話：“誰掌握了EDA的話語權，誰就掌握了集成電路的命門，誰就可以對芯片行業(yè)的后來者降維打擊�！笨梢哉f，沒有EDA軟件，則芯片設計亦無從談起。

中美科技摩擦加劇，EDA軟件成為美國對華科技封鎖的武器。長城戰(zhàn)略咨詢最新研究指出，AI芯片和各類智能設備應用，是目前人工智能領域增長最為迅速的賽道之一，人工智能領域新物種企業(yè)數量和所獲融資從下端應用，逐步向上游GPU芯片、EDA等更關鍵的領域發(fā)展。

【AI for EDA是未來的發(fā)展趨勢，全球領先EDA廠商已布局AI】

在芯片設計的過程中，確定芯片Block布局是最復雜的階段，核心目標是使功率、性能和面積最即小化，即PPA（Power、Performance and Area）最小化。

隨著人工智能算法的突破，使得人工智能輔助芯片設計（AI for EDA）的技術路線獲得了廣泛的關注，有研究表明，AI用機器學習的方式快速給出最優(yōu)的布局方案，大幅縮短芯片設計所需時間。

2021年谷歌在Nature發(fā)表了題為“A graph placement methodology for fast chip design”的論文，提出了利用強化學習來優(yōu)化芯片設計中的宏模塊布局（Macro placement）。

谷歌提出的強化學習優(yōu)化宏模塊布局算法

如上圖所示，其主要思路是將芯片版圖看作圍棋棋盤，將宏模塊看作棋子，通過在1萬個內部數據樣本上預訓練，并對每個新設計進行約6小時的finetune，最終在谷歌的TPU芯片設計上超越了傳統(tǒng)EDA工具的布局方案，實現了更好的性能、更低的功耗和面積。

據了解，全球領先EDA廠商均已布局AI，利用AI助力實現高精度設計，提升設計效率。

Synopsys在2020年3月12日推出了業(yè)界首個用于芯片設計的自主人工智能應用程序——DSO.ai，DSO指設計空間優(yōu)化（Design Space Optimization），這是EDA行業(yè)首次將AI應用于非常復雜的設計任務中的產品。

Cadence在2020年3月18日發(fā)布了新版Cadence數字全流程。

半導體制造中，隨著設計尺寸的不斷縮小，光的衍射效應愈發(fā)明顯，因此設計圖形可能產生光學影像退化，使得光刻后的實際圖形與設計不一致，Mentor創(chuàng)新性的運用MLOPC技術修正光學臨近效應。

【北京大學發(fā)布首個面向芯片設計的AI for EDA開源數據集】

由此可見，AI for EDA是未來的發(fā)展趨勢。由于訓練機器學習模型需要大量數據，而在EDA領域中缺乏針對AI for EDA任務的開源數據集，導致大多數研究都只能制作小規(guī)模內部數據集來完成對方法的驗證，難以充分驗證機器學習模型的泛化能力，也無法充分利用不同數據集之間的知識遷移能力。

針對上述問題，北京大學黃如院士團隊的林亦波研究員、王潤聲教授等創(chuàng)建了首個致力于芯片設計AI for EDA應用的開源數據集——CircuitNet，包含1萬以上的數據樣本，涵蓋從實際制造工藝PDK下數字設計流程不同階段中提取到的各類特征。

它有四個突出特征：一是大規(guī)模，包含1萬以上的數據樣本，每一份樣本都來自于實際工藝PDK一次完整的商業(yè)EDA工具設計流程；二是多樣性，覆蓋實際設計中的不同情況與需求；三是多任務，數據集目前已支持3個常見的預測任務，并通過復現近期的論文進行了驗證；四是標準化，數據經過預處理和脫敏，可通過Python腳本直接加載。

“CircuitNet數據集為芯片設計自動化流程中的機器學習任務提供數據支持，每個數據樣本包括芯片設計流程各個環(huán)節(jié)的特征和性能標簽，可以用來訓練機器學習模型�！绷忠嗖ㄑa充說，“但需要澄清一下，我們發(fā)布的是一個數據集，類似于計算機視覺領域的ImageNet數據集，用來幫助產業(yè)界和學術界探索AI for EDA技術，我們也提供了一些機器學習任務的應用演示用來驗證數據集的有效性，但并非一個EDA軟件。目前國內外并沒有專門針對AI for EDA的開源數據集，我們希望CircuitNet可以為該方向的研究提供數據支持，推進該方向進一步發(fā)展。下一步，北大團隊將增加先進工藝節(jié)點和大規(guī)模電路設計的數據樣本，以拓展數據集的規(guī)模、多樣性和先進性�！�

此外，北京大學集成電路學院成立了國內高校首個聚焦于EDA技術的“設計自動化與計算系統(tǒng)系”，教學科研內容涵蓋了從器件級、芯片級到系統(tǒng)級的完整EDA技術鏈條，將持續(xù)為我國EDA產業(yè)輸送高端人才。