其他人对此表示赞同。"我们最近重组或重新激活了一个跨公司的 AI 团队，"Cadence 验证软件产 品管理高级部门主管 Matt Graham 说，"我们仍然需要基础引擎，工程师需要理解所有这些的要 求。但我们也需要这些总体工程团队。以前，这些可能是市场营销团队和产品工程团队——上市类 型的团队，如果我们以某种方式将它们结合起来使用，我们可以解决诸如低功耗混合之类的问题。 但我们越来越发现这实际上是一个工程问题，而不仅仅是一个上市解决方案。我们可能需要在工具 中构建特定的功能，或者在代码级别（而不仅仅是在脚本级别）将特定的流程拼接在一起，以实现 这些不同的解决方案。这不是一个完全统一的单一流程，但它是一个接一个地流动的。" 一个巨大的挑战是如何集成各种 AI 实现，这实际上可以在设计过程开始时收集的数据与芯片制造 前后显示的结果之间架起一座桥梁。 "我们的应用工程师团队和产品工程团队越来越开始构建这种跨职能的知识，"Graham 说，"我们 的客户也在寻找这类人才并组建这类团队。验证工程师非常擅长使用 UVM、SystemVerilog 和运 行各种调试工具来找到仿真过程中发现的逻辑错误的根本原因。但他们也 ...