有趣的武功值得一生來(lái)修煉，看家的本領(lǐng)卻需要修煉一生；

“雙劍合璧”這種武功，愿意用一生修煉，也需要修煉一生；

左手全真劍法，右手玉女劍法，白衣似雪，來(lái)去如風(fēng)，恩怨情仇，一劍成空，這是江湖俠客的豪情；

左手仿真驗(yàn)證，右手BUG調(diào)試；雙劍合璧，編譯運(yùn)行，披星戴月，調(diào)試波形，這是IC打工人的宿命；

01

IC打工人絕大部分時(shí)間，不論是仿真驗(yàn)證，還是BUG調(diào)試，每天離不開(kāi)都是VCS，Verdi等等這些EDA工具；

真正是，為IC奮斗一生，這些技能也修煉一生；

掌握這些EDA工具是每一個(gè)IC打工人繞不過(guò)去的基本功；

金庸大俠的《神雕俠侶》對(duì)雙劍合璧如此描述，“兩招名稱(chēng)相同，招式卻是大異，一招是全真劍法的厲害劍招，一招是玉女劍法的險(xiǎn)惡家數(shù)，雙劍合璧，威力立時(shí)大得驚人。楊過(guò)與小龍女靈犀暗通，金輪法王更難抵御?！庇纱丝梢?jiàn)雙劍合璧的威力；

VCS主要用于代碼仿真，verdi主要用于代碼調(diào)試，缺一不可，必須雙劍合璧，才能發(fā)揮最大的功效。雙劍合璧，天下無(wú)敵。

VCS如同全真劍法，verdi亦如同玉女劍法，二者同使，才打通IC前端工程師的任督二脈，達(dá)到人劍合一的境界。

除了VCS和verdi，這種數(shù)字芯片前端工程師常用工具的之外，還有幾十種不同EDA工具貫通整個(gè)芯片開(kāi)發(fā)的整個(gè)階段。

離開(kāi)了這些EDA工具，芯片設(shè)計(jì)就是“無(wú)源之水，無(wú)根之木”。

02

像芯片工程師這樣優(yōu)秀的人，本該燦爛過(guò)一生，但是對(duì)EDA工具修煉不精，還要在人海里浮沉；

就像手機(jī)對(duì)于現(xiàn)代人的影響一樣，現(xiàn)代人離不開(kāi)手機(jī)帶來(lái)的通信便利和信息流的輸入。芯片打工人也離不開(kāi)EDA工具支撐的IC研發(fā)體系。芯片工程師花費(fèi)在每天時(shí)間花費(fèi)在和各種EDA工具的輸入輸出和交互上，這個(gè)是芯片打工人的日常；

曾經(jīng)世上沒(méi)有EDA工具，集成電路出現(xiàn)后，集成的規(guī)模越來(lái)越大，當(dāng)人的腦和手再也不能手工通過(guò)圖紙來(lái)安排那么多的晶體管，于是硬件描述語(yǔ)言和EDA工具就應(yīng)運(yùn)而生；硬件語(yǔ)言來(lái)描述的電路，然后通過(guò)EDA工具的來(lái)將語(yǔ)言轉(zhuǎn)換成電路，同時(shí)驗(yàn)證電路的正確性，集成電路芯片就被設(shè)計(jì)的越來(lái)越復(fù)雜；

集成電路規(guī)模的不斷增長(zhǎng)是人類(lèi)對(duì)更復(fù)雜芯片永無(wú)止境的需求驅(qū)動(dòng)；

但是在技術(shù)層面：依靠三個(gè)方面的不斷演進(jìn)，人類(lèi)才能第一次制造基于復(fù)雜度和藝術(shù)性于一身的成果 —芯片

首先是工藝進(jìn)步：摩爾定律里面，18個(gè)月芯片集成度翻一倍，可以在更小的尺寸上集成更多的電路門(mén)；

其次是設(shè)計(jì)方法：IP 復(fù)用等SOC設(shè)計(jì)方法，不用從頭開(kāi)始設(shè)計(jì)每一個(gè)門(mén)，基于IP復(fù)用的設(shè)計(jì)可以讓設(shè)計(jì)者方便的集成更多的IP，不用所有廠商的都重復(fù)輪子，浪費(fèi)時(shí)間和精力；

最后是EDA工具：EDA工具支撐更復(fù)雜的設(shè)計(jì)的思想能夠得到實(shí)現(xiàn)；各種EDA工具伴隨芯片仿真，驗(yàn)證，調(diào)試，綜合，布局，布線，檢查，功耗評(píng)估等等；

芯片設(shè)計(jì)的每個(gè)環(huán)節(jié)都離不開(kāi)EDA工具的參與；

03

芯片規(guī)模越來(lái)越大，EDA工具的各個(gè)流程需要的時(shí)間變得更長(zhǎng)，目前的芯片設(shè)計(jì)出億門(mén)或者十億門(mén)級(jí)別規(guī)模的設(shè)計(jì)也不鮮見(jiàn)；如果設(shè)計(jì)十億億門(mén)級(jí)別的SOC，做時(shí)序的布局布線后時(shí)序仿真的時(shí)間就非常的長(zhǎng)；同時(shí)如果做后端的仿真，同時(shí)讓這10億個(gè)門(mén)同時(shí)都運(yùn)行起來(lái)，還有每個(gè)時(shí)間（根據(jù)timescale，可以是1ns也可以是1ps）計(jì)算一次所有10億個(gè)門(mén)的狀態(tài)，這個(gè)所需要的計(jì)算資源，無(wú)論是CPU還是內(nèi)存等都是非常龐大的；這個(gè)仿真驗(yàn)證時(shí)間也是非常之長(zhǎng)，肯定會(huì)讓驗(yàn)證工程師等待到懷疑人生。

目前EDA工具主要部署在企業(yè)的的私有云上，畢竟放自己家里，心里安全。

將芯片項(xiàng)目移到公有云上來(lái)運(yùn)行，肯定能夠有效的加速這些應(yīng)用，云計(jì)算的可擴(kuò)展，彈性部署對(duì)于芯片設(shè)計(jì)流程中耗費(fèi)計(jì)算資源的任務(wù)非常適合，但是EDA上云面臨一個(gè)核心問(wèn)題就是—安全性；

中國(guó)芯片設(shè)計(jì)公司，很難把所有家當(dāng)都放到公有云上，原因顯而易見(jiàn)，所有公司都對(duì)公有云能否有效保護(hù)芯片公司的核心數(shù)據(jù)有一些擔(dān)心。

對(duì)于芯片設(shè)計(jì)流程中的非關(guān)鍵數(shù)據(jù)，但是對(duì)服務(wù)器性能要求較高的場(chǎng)景，可能是一個(gè)突破口。

例如前文所說(shuō)：芯片的后仿，大型芯片的后仿，需要帶SDF時(shí)序文件的反標(biāo)，EDA工具要計(jì)算每個(gè)門(mén)在每個(gè)時(shí)刻的當(dāng)時(shí)的狀態(tài)，要把這幾十億個(gè)門(mén)都計(jì)算一遍，非常耗費(fèi)處理器的資源。

后仿網(wǎng)表相比代碼等數(shù)據(jù)，其敏感級(jí)別下降了，因?yàn)榉治鲞@些門(mén)級(jí)的電路反推電路設(shè)計(jì)本身難度是很大的。

通過(guò)一些中間數(shù)據(jù)版本，可以是網(wǎng)表，SIMV等編譯程序放到服務(wù)器上，而不能倒推回設(shè)計(jì)源文件的中間形態(tài)，可能是芯片企業(yè)IC研發(fā)的部分流程上云的一個(gè)突破口。

所以這種企業(yè)云編譯，公有云來(lái)仿真運(yùn)行，是有云上EDA推廣的基礎(chǔ)；畢竟能夠縮短迭代的時(shí)間，降低對(duì)企業(yè)私有云IT業(yè)務(wù)的負(fù)載，可能是另一種“混合云”的方式。

完全的芯片業(yè)務(wù)上公有云，這個(gè)理念的推廣，難度還是很大的。

云上EDA，既有需求又有顧慮。

矛盾對(duì)立統(tǒng)一。

04

EDA工具，電子設(shè)計(jì)自動(dòng)化。

有人肯定會(huì)問(wèn)？電子設(shè)計(jì)都自動(dòng)化了，還那么要工程師干什么么？

難道那么多芯片打工人的996的時(shí)間都白耗費(fèi)在里面了。

實(shí)際真正的主宰是芯片打工人，而EDA只是輔助工具；

但是未來(lái)有了AI的加入，是不是還是這樣，那就不太好說(shuō)。

去年，google發(fā)布了一篇文章《Chip Placement with DeepReinforcement Learning》，用AI人工智能的方式，來(lái)做芯片的布局、

總體來(lái)看，谷歌這項(xiàng)新研究提出了一種基于深度強(qiáng)化學(xué)習(xí)的芯片布局方法，并且能在6小時(shí)內(nèi)完成人類(lèi)專(zhuān)家需要幾周才能完成的設(shè)計(jì)。

這項(xiàng)工作只是優(yōu)化領(lǐng)域自適應(yīng)策略的一個(gè)例子，可以擴(kuò)展到芯片設(shè)計(jì)過(guò)程的其他階段，如體系結(jié)構(gòu)和邏輯設(shè)計(jì)、綜合和設(shè)計(jì)驗(yàn)證等等。

google的這篇文章，毫無(wú)疑問(wèn)，只是完成的芯片設(shè)計(jì)漫長(zhǎng)流程的一小步，placement。

和自媒體口中的人工智能可以自動(dòng)設(shè)計(jì)芯片不是一回事。

但是，誰(shuí)也不能否認(rèn)，這個(gè)研究打開(kāi)了這個(gè)領(lǐng)域的一扇窗口。

他證明了AI在某個(gè)方面可能做的比人工專(zhuān)家做的更好。

05

想象一下，未來(lái)AI參與到芯片設(shè)計(jì)后的場(chǎng)景。

基于AI的工具輸入網(wǎng)表后，是否可以網(wǎng)表直接交付到布局布線后的GDS？

直接提交代碼設(shè)計(jì)和參考模型后，基于AI的工具輸出代碼設(shè)計(jì)（DUT）和參考模型（reference model）的驗(yàn)證結(jié)果及覆蓋率報(bào)告？

這就是另外一些充滿(mǎn)想象力故事。

從技術(shù)角度看，卻不是僅僅是想象。

這些是有可能的技術(shù)實(shí)現(xiàn)途徑的。

只是這個(gè)時(shí)間是5年，還是10年，還是更長(zhǎng)的時(shí)間，就需要需要實(shí)踐來(lái)證明了。

但是使用未來(lái)EDA工具的IC打工人，會(huì)不會(huì)被AI替代？

目前來(lái)看，還言之甚早，大概率可以從普通繁重的工作中釋放出來(lái)，可以構(gòu)建更復(fù)雜的芯片。

就像EDA工具誕生時(shí)的使命，替代工程師手工來(lái)畫(huà)那些門(mén)級(jí)電路。

10年之后，這些EDA工具能否進(jìn)化出新的形式，值得期待；但是無(wú)論是上云，還是AI，都是能極大縮短芯片的迭代時(shí)間，縮短芯片的開(kāi)發(fā)周期，向軟件開(kāi)發(fā)靠齊。

但是對(duì)于芯片打工人來(lái)說(shuō)，續(xù)寫(xiě)和EDA工具那些愛(ài)恨交織的故事。

致力于PPA（power，performance，area）的追求。

使命從未改變。

參考文獻(xiàn)：

《Chip Placement with Deep ReinforcementLearning》

編輯：jq