AI 正持续影响着人们生活的各个领域，设计半导体一方面驱动人工智能和加速计算，另一方面，芯片 与系统开发本身也受益显著。 近日，知名EDA软件设计公司Cadence举办了CadenceLIVE China 2025中国用户大会。Cadence高级副总 裁兼系统验证事业部总经理Paul Cunningham在演讲中指出，随着生成式AI和Agentic AI的成熟，未来的 芯片设计将不再依赖人工编写代码或手动布局布线，而是由Agentic AI根据高层级的功能描述自动生成 完整的设计方案。 "一年前半导体行业的官方预测，到2030年末市场规模将达到9000亿美元左右。就在过去一年里，他们 将这一预测提高近3000亿美元，现在预计2030年将超过1.2万亿美元。我认为其中很大一部分是由数据 中心AI计算的爆发式增长以及向边缘端的迁移所推动的。但实际上，这还只是第一波浪潮。所以我相 信这个预测，它还会继续增长。"Paul说道。 "制程节点的开发无法再与工具和IP的开发分离，必须协同工作。" Paul认为随着复杂多芯片封装（如中 介层2.5D封装）和堆叠技术（如多达16片的晶圆堆叠）的应用，推动超越摩尔定律势在必行。 ...

AI 正持续影响着人们生活的各个领域，设计半导体一方面驱动人工智能和加速计算，另一方面，芯片 与系统开发本身也受益显著。 近日，知名EDA软件设计公司Cadence举办了CadenceLIVE China 2025中国用户大会。Cadence高级副总 裁兼系统验证事业部总经理Paul Cunningham在演讲中指出，随着生成式AI和Agentic AI的成熟，未来的 芯片设计将不再依赖人工编写代码或手动布局布线，而是由Agentic AI根据高层级的功能描述自动生成 完整的设计方案。 他认为，三维集成电路的未来，不仅是物理结构的堆叠，更是设计方法学、验证技术与人工智能深度融 合的产物。 当小米、阿里巴巴、比亚迪等系统公司开始涉足芯片制造，意味着芯片设计越来越以用户体验为导向， 在Paul看来，这是20年前难以想象的事情，如今却已成为越来越多的"软件定义芯片"的案例。 半导体芯片的功能日益复杂，需要集成数万亿个晶体管，必须支持高性能计算，并采用先进的工艺节点 设计。正是在这一背景下，超越传统单芯片设计的先进封装技术，尤其是三维集成电路，成为突破性能 瓶颈的关键。 为此，Cadence提出了"三层蛋糕"（thr ...

文章核心观点 - AI和半导体行业正经历高速发展 大模型带动算力需求暴涨 AI芯片企业成为焦点 数据中心扩张 自动驾驶落地和智能终端升级持续推动芯片性能与能效极限[1] - 摩尔定律放缓使晶体管微缩变得困难 芯片设计复杂度与成本显著提升 传统设计方法难以跟上技术发展节奏[1] - Cadence提出代理式AI将芯片设计从"工具使用"带入"智能协作"时代 这将成为半导体创新的关键拐点[1] 软件定义的芯片时代 - 计算机芯片正彻底改变人类感知世界和互动的方式 "软件定义用户体验"驱动"软件定义芯片"成为重要趋势[2] - 非传统芯片企业如小米 阿里巴巴 字节跳动和滴滴已成为颇具规模的芯片制造商 这在20年前难以想象[2] - AI相关产业规模预测从9500亿美元大幅上调至1.2万亿美元 增长动力从数据中心AI计算向边缘端延伸[2] - EDA行业面临客户数量增长与传统软件难以适应变化的双重挑战[2] 3D维度整合技术 - 横向维度需要突破单一芯片局限 进行先进封装中的系统级验证 包括芯片到物理层面的机电 热学 流体仿真乃至整个数据中心模拟[4] - 技术维度利用AI提供新计算技术路径 解决传统方法难以攻克的问题[4] - 计算层支持x86 CPU ARM架构 GPU和专属加速器等多种运行环境[4] - 原理性方法 加速计算与AI三层技术结合形成"三层蛋糕"架构[4] AI在EDA工具的演进 - Cadence的AI探索始于2016年 受AlphaFold启发将机器学习融入工具 实现"AI优化"[5] - AI应用正从优化AI向虚拟工程师转型 工具支持自然语言交互 用户可通过对话获得帮助[5] - 未来模式将从"授权工具"转变为"授权虚拟人员" 包括虚拟物理设计师 虚拟验证团队和虚拟布局团队[5] - 超过50%的Cadence工具用户已使用AI优化功能 到今年年底所有产品都将支持直接与工具对话[6] JedAI平台特性 - JedAI平台支持客户自主选择功能模块 连接本地数据 所有数据存储在本地服务器 确保数据安全[7] - 平台提供自定义代理构建框架 支持整合代理[7] - 发展重点在于构建快速系统 使用提示工程和推理与工具交互 而非模型微调[8] - 通过检索增强生成技术降低幻觉风险 利用formal verification工具比对不同答案[8] 全自动化与数字孪生 - 完全由AI接管设计仍需时间 但未来两年内用户使用体验将接近与人交流[9] - 全流程数字化仿真将是巨大机遇 不仅适用于半导体领域 还将延伸至物理 化学和生物学等学科[9] - 数字孪生用仿真映射现实状态 AI介入能加速过程 如神经图形学中先用AI渲染低分辨率图像再上采样[9] - AlphaFold展示了AI提供全新科学突破的潜力 不仅加速仿真更解决传统算法长期无法攻克的问题[10] 产业需求与人才挑战 - 所有域的Cadence客户对AI都有同等兴趣 超大规模云服务提供商更倾向于使用自己的LLM[10] - AI不会取代芯片设计工程师 而是解决工程师数量不足的问题[10] - 人才需求可能是现有人数的十倍 全球各行业都面临人员短缺危机[11] - AI将使人类工程师效率提升十倍 人类与AI结合将放大生产能力[11]

全球EDA行业整体表现 - 2024年Q4 EDA行业收入同比增长11%达49亿美元，中国市场疲软但全球增长稳健[3][4] - 行业集中度高，Cadence、Synopsys、Siemens EDA三大巨头占中国市场份额超70%[5] - PCB设计、封装设计等细分领域增长显著[4] EDA增长驱动因素 - 边缘计算和高性能计算(HPC)芯片需求推动复杂自动化EDA解决方案需求[6] - 云端解决方案普及促进全球设计团队协作与可访问性[6] - AI/ML算法集成优化设计准确性、效率并缩短产品上市时间[6] - 物联网和AI应用节能芯片组需求推动EDA创新，半导体公司与EDA厂商加大研发投入[6] 细分领域增长数据 - CAE（计算机辅助工程）增长10.9%达16.969亿美元（四季度移动平均+12.3%）[7] - IC物理设计与验证增长15.4%达7.979亿美元（移动平均+8.1%）[7] - PCB & MCM增长15.9%达4.762亿美元（移动平均+8.3%）[7] - 半导体IP增长7.9%达17.607亿美元（未报告公司如Arm增长21%）[7] - IC封装设计增长70%（年收入8400万美元），反映先进封装需求激增[7] AI在EDA中的应用 - AI优化EDA软件引擎、流程和工作流，需确保算法可验证、准确和稳健[8] - 西门子EDA将AI应用于核心技术、流程优化和开放平台，提升工程师生产力[8] - Synopsys的AI工具缩短设计周期，谷歌AlphaChip实现芯片布局"超人"级优化[11] - 生成式AI(GenAI)协助设计建议和代码优化，但面临数据可用性限制[12] Chiplet技术对EDA的影响 - Chiplet技术推动EDA工具支持异构集成设计，需重构工具架构[13] - 先进封装EDA市场规模2025年将突破5亿美元，增速高于传统工具[13] - EDA厂商开发集成平台（如Synopsys 3DIC Compiler）应对Chiplet设计挑战[13][15] - Chiplet设计需整合8-12个供应商IP模块，驱动AI工具解决协同优化问题[15] 行业竞争与战略方向 - EDA厂商IP业务依赖传统接口协议，RISC-V生态崛起分化市场格局[14] - 未来竞争关键为EDA工具与IP协同设计能力，需评估深度开发或并购扩展战略[14]