電子發燒友網報道（文/黃山明）在當今科技飛速發展的時代，半導體行業作為眾多前沿技術的基石，正面臨著前所未有的機遇與挑戰。隨著電子系統越來越復雜，芯片電路設計也變得更為復雜，這導致了更長的設計周期、更高的開發成本以及更大的錯誤風險。

另一方面，合格的IC設計者數量有限，難以滿足整個行業的需求，這也限制了創新的速度。但AI技術的出現，有望解決芯片設計難題，并通過AI注入EDA的方式，不僅為集成電路設計行業在效率上帶來了顯著提升，同時也實現了芯片設計質量和生產力的突破。

讓AI融入EDA

EDA（電子設計自動化）主要指電子半導體行業中各種開發與仿真工具，在芯片設計中，EDA貫穿了芯片設計的整個流程，涵蓋從前端的電路設計到后端的物理實現與驗證等各個環節。

但隨著摩爾定律的放緩以及市場對高性能、低功耗芯片的需求不斷增長，傳統EDA工具和方法逐漸顯現出局限性。模擬電路設計尤其困難，因為它涉及大量的非線性行為，并且各設計元素之間存在復雜的相互作用，這使得優化成為一項極為耗時的任務。 為了應對這些挑戰，將AI融入到EDA中成為許多企業的選擇。作為最早在行業內推行AI話設計工具的廠商，新思科技早在2020年便推出了設計AI工具DSO.ai，隨后有相繼推出了驗證工具VSO.ai、測試工具TSO.ai，以及模擬芯片工具ASO.ai。

圖源：新思科技

以ASO.ai為例，作為通過AI所收益的設計模擬芯片工具。相比數字設計可利用抽象概念實現自動化擴展，而模擬設計因元素間復雜交互、眾多復雜設計指標（如供電電流、信噪比等），難以像數字設計那樣從傳統優化算法中受益。

其電路行為基于非線性器件模型，缺乏簡單代理函數，模擬過程本身也是迭代收斂的，無法從期望結果反向推導出電路特性，所以傳統上模擬設計主要依賴手動操作，限制了對代工廠專業子節點的利用和市場機會的把握。 在傳統優化算法在模擬設計中，只有當期望結果能簡單建模且至少在排序上正確時才可行，但模擬電路的復雜性使這種情況很少見。

而ASO.ai能夠自動將模擬設計從一個工藝節點遷移到另一個工藝節點。它通過自動原理圖遷移和基于知識的自動布局遷移，實現分層模擬IP的快速遷移。簡單來說，ASO.ai能夠幫助設計團隊快速將模擬設計遷移到新的工藝節點，從而加速產品上市時間。 并且利用基于樣本的優化系統，ASO.ai可以在多個測試平臺和數百個PVT（工藝、電壓、溫度）拐角中優化復雜的模擬設計，快速收斂到符合工程規范的最佳設計點。 同時在布局感知設計優化方面，ASO.ai可以實現多目標優化代理，在運行過程中進行學習，幫助工程師在多個測試中同時集中并進一步優化模擬設計。

自動化的設計遷移和優化減少了對人工干預的依賴，降低了設計錯誤的風險。通過AI的學習和優化能力，使用ASO.ai能夠實現更高質量的設計結果。 ASO.ai可適用于需要高性能和高可靠性的模擬設計，如射頻、電源管理和信號鏈等領域的模擬IC設計。當設計團隊需要將現有的模擬設計遷移到新的工藝節點時，ASO.ai也可以提供強大的支持，簡化遷移過程，確保設計在新工藝節點下的性能和可靠性。

ASO.ai幫助客戶

如何應對模擬IC復雜設計

在實際進行模擬IC設計時，會遇到許多復雜問題。例如EDA算法推動了數字設計發展，但模擬設計因傳統方法局限進展緩慢。而AI優化通過實際模擬實驗學習和反饋收斂的方式，非常適合自動化模擬電路設計過程，不僅在優化環節體現價值，還在模擬電路節點遷移和設計流程各階段重新調整設計時發揮重要作用，有助于設計公司快速響應市場機會，突破模擬設計復雜性障礙。

而在當今半導體技術快速發展的背景下，GF（GlobalFoundries）借助新思科技的ASO.ai進行模擬IC設計。GF擁有45RFSOI和22FDX等在量產中用于5G毫米波市場的工藝技術。其中45RFSOI是基于45nm工藝的SOI（PDSOI）技術，自2017年量產，在毫米波應用中具有高傳輸功率、低損耗開關等優勢；22FDX專為SoC應用的RF/毫米波性能優化，有高Ft和Fmax值、低寄生電容等特點。

在芯片設計電路優化中，ASO.ai可以構建學習數據庫和機器學習模型，跟蹤多工況和測試平臺下的實際依賴關系，輔助優化器探索設計空間。

例如在22FDX上優化28GHz PA時，可以分為三步，首先優化DC電路偏置點，如設定VDD=1.75V時優化VDOP和VDDL，通過參數化設計變量VGG1和VGG0并設置掃描范圍，經多次迭代找到最優值；接著優化PA穩定性，通過在PrimeWave中添加表達式測量Kf值并設定目標，選擇相關電容（如中和電容C0和柵極電容CP）作為設計參數化對象進行優化；最后優化包括功率附加效率（PAE）在內的大信號分析指標，更新前兩步的最優值后進行諧波平衡分析，判斷是否需進一步優化。整個過程中，ASO.ai可以依據學習數據庫和模型不斷調整模擬實驗，快速收斂到符合設計規范的結果。

使用ASO.ai設計后，GF發現28GHz PA在22FDX工藝上相比45RFSOI表現出相似或更好性能。如增益從16dB提升到17dB，帶寬從12.5GHz調整到11.5GHz，電源電壓從1.8V降為1.75V，峰值PAE從48.3%變為46%，CW Psat從18.8dBm提高到20dBm。

在設計效率上，傳統手動遷移和優化需約1-2個月完成前端設計/分析及1個月完成布局，而使用該自動化流程僅需幾天，顯著提高了生產力，體現了ASO.ai在GF模擬IC設計中從45RFSOI到22FDX工藝遷移的高效性和有效性。

圖源：新思科技

不僅是GF，Credo Semiconductor在使用ASO.ai也實現了更高效率。據公開報道顯示，Credo 使用ASO.ai將VCO設計從5nm遷移到7nm時，遷移工作量從數周縮短至幾小時，生產力提高達100倍。遷移后的設計用基于ASO.ai的優化器優化，約在2小時內完成超10000次搜索，而在過去需要數天甚至數周。

小結

顯然AI+EDA已經在行業中得到了充分驗證，而ASO.ai作為新思科技在AI驅動的EDA領域的重要產品之一，它通過結合AI技術和傳統的EDA工具，為模擬設計帶來了新的突破。其通過智能化的優化和遷移功能，能夠幫助設計團隊在面對復雜的模擬設計挑戰時，實現更高的設計效率和質量，同時大大降低設計成本和時間。也期待未來隨著AI技術的進一步發展，在芯片設計中迸發更加精彩的表現。