AI 技术正在彻底改变它所涉及的每个领域，而在 EDA 中融入 AI 技术正在重塑整个汽车行业。随着 AI 技术在电子设计自动化（EDA）中的应用，汽车行业也正在经历深刻的变革。专家预计，2022 年到 2030 年，全球 AI 市场的复合年增长率（CAGR）将达到 39.4％，总规模达 207. 6 亿美元。这些变革正带来众多创新。

其中，AI 对高级驾驶辅助系统（ADAS）的开发已经产生深远影响。消费者不仅希望汽车能够提供交通服务，更希望汽车能够智能互联、自主驾驶、舒适安全。随着 AI 技术在电子设计自动化（EDA）工具研发中的应用，汽车正变得更加智能与自主。同时，AI 也在很大程度上改变了半导体行业，从片上系统（SoC）的设计、验证到封装莫不如此。

AI 技术在产品设计和开发团队中的广泛应用，有助于量身定制所有未来产品，以满足消费者的期望。嵌入到 Cadence 设计流程中的机器学习技术为设计团队提高了生产力，涵盖了从芯片设计、功能安全（FuSA）和计算流体动力学（CFD）的技术进步。在EDA中应用AI/ML技术，可以在边缘端（tinyML）快速且准确地做出决策。因此，可以说 EDA 中的 AI 技术就像汽车领域中的 AI 一样。

▏▏ AI 如何革新汽车行业？

随着半导体技术和消费者期望的提高，汽车行业正经历一场深刻的变革。预计到 2027 年，先进辅助驾驶系统（ADAS）、自动驾驶汽车、数字座舱等市场规模将达到 700 亿美元。此外，随着 AI 和边缘计算技术的普及，自动驾驶汽车已不再是幻想。深度学习的 AI 提高了准确性，有助于采用 ADAS 技术的汽车实现更高的自主性。同时，具备深度感知和全景视野的嵌入式 AI 视觉技术有助于事故预防、决策制定和车内辅助等。这些技术的进步使我们的汽车更安全、高效、舒适，带来更愉悦的出行体验。

虽然全自动乘用车辆（L5）尚未上路，但业界正密切关注着自主驾驶系统的发展。自动驾驶技术已经成功且安全地应用于最后一公里配送（LMD）。LMD 车辆以较低的速度行驶，因此对感知距离、制动距离和安全要求更低。此外，AI 技术的应用和自动驾驶的车辆有助于提高生产力，降低 LMD 的总体成本。

▏▏ EDA 中的 AI

SoCs 集成的功能越来越多，但预算却十分有限，这给设计者带来了很大压力。传统的 EDA 工具使用“经验法则”，需要设计人员根据直觉进行优化。这种建模和仿真技术存在以下一些问题：

1. 无法从以前的设计中汲取经验，导致生产力受限且设计不够准确

2. 多次迭代导致设计时间增加

3. HLS 通常需要更多的时间来完成综合

4. 布局和布线取决于设计师的预测/经验，会增加运行时间

5. 就时间和资源而言，制造成本高昂

为确保设计的正确性，我们必须在制造之前进行设计验证。传统的随机/自动测试模式生成（ATPG）方案无法提高故障覆盖率。人工智能（AI）已经彻底改变了 EDA 行业。AI 中使用的训练和推断提高了芯片设计师的生产力，有助于设计出能够处理计算和 EDA 工具的芯片，帮助设计人员更快地收敛和验证，同时降低成本并提高结果质量。

▏▏ AI/ML 如何改善设计空间？

AI/ML 非常适合 EDA 和汽车行业，可以加快设计速度，将其引入 EDA 工具无疑节省了设计人员的工作量。使用具有 AI 功能的 EDA 工具可以显著改变设计工作的轨迹，并有助于应对上述挑战。对设计团队的好处包括：

1. 提高准确性和效率

2. 前瞻可见性

3. 满足雄心勃勃的功耗、性能和面积（PPA）目标

4. 更出色的数据和芯片布局，更少的人为干预

5. 加快设计收敛

▏▏ EDA 中的 AI 与汽车中的AI有何相似之处？

在 EDA 和汽车行业中，提高生产力并更快地取得成果以及改善 PPA 都是主要目标。通过各种应用和创新，AI 有望彻底改变 EDA 和汽车行业。无论是自动驾驶汽车、ADAS 还是 EDA，AI 和 ML 算法为实现这场电子革命和创造新复兴提供了机会。将 AI 功能融入现有的 EDA 工具，有助于使 EDA 设计过程更加高效和富有成效。采用 AI 及其衍技术有助于汽车厂商利用多学科分析和优化（MDAO）技术提高整体设计，从而实现更快速、更优质的结果。同时，系统的精确行为建模提高了产品保真度和安全性。

电子设计辅助系统（EDAS）

● Cadence 产品...

Cadence 提供带有 AI/ML 功能的 EDA 工具，能够从手动到完全自动化不同等级产生更好、更可预测的结果，如下图所示。我们的工具提供针对常见问题的解决方案建议，而这些问题如果由设计团队评估可能需要数周甚至数月的时间。同时，我们还在推动 ML 和深度学习研究，旨在改进 IC 的设计和验证收敛，不断优化设计。

Cadence AI/ML 解决方案/技术

◆ Verisium AI-Driven Verification Platform

代表了 EDA 算法的一次革命性转变，从单次运行、单引擎算法转变为利用大数据和人工智能优化整个 SoC 设计和验证中多次运行多个引擎的算法。通过部署 Verisium 平台，所有验证数据，包括波形、覆盖率、报告和日志文件，都被整合到 Cadence  JedAI 平台。我们会基于这些数据建立 ML 模型，并挖掘其他专有指标，创建一系列新工具，从而显着提高验证效率。

◆ Cadence Joint Enterprise Data and AI (JedAI) Platform

可以加速基于 AI 的芯片设计。让设计团队从大量的芯片设计数据中获得有用信息，提高生产效率。工程师可以无缝管理结构化和非结构化数据。Cadence JedAI Platform 使设计人员更加轻松地应对新兴消费者、超大规模计算、5G 通信、汽车和移动应用等领域的设计复杂性。

◆ Optimality Intelligent Chip Explorer

是加快上市时间以保持竞争优势的关键。Optimality Explorer 的多学科分析和优化（MDAO）技术有助于通过探索完整的设计空间实现满意的电气设计，实现 10 倍的效率提升，并可用于 Level 3 及以上级别的汽车驾驶自动化。

◆ Cadence Cerebrus Intelligent Chip Explorer

是一种革命性的、基于机器学习的芯片设计流程优化方法。它可用于复杂且大型地 SoC 系统针对 3 级及以上地自动驾驶技术，使工程师能够同时为多个模块优化流程，这对于大型复杂 SoC 尤为重要。此外，Cadence Cerebrus 采用全流程强化学习技术，可以显著提高工程团队的效率。

◆ Xcelium ML

在整个仿真回归过程中迭代学习。内核引擎性能得到强化，通过匹配随机测试套件的覆盖率来减少仿真周期，从而加快验证吞吐量，非常适合 Level 3 及以上 SoC 设计。

◆ Cadence Tensilica 处理器 IP

支持用于 ADAS（L2）的激光雷达、雷达、自动驾驶摄像头等高性能数据处理。

◆ Cadence Design IP 和 Cadence AWR RF to mmWave 解决方案

可帮助实现高性能、低成本的汽车雷达前端和波束天线阵列技术。

ADAS 和传感器融合

◆ Cadence的其他工具

除此之外，Cadence 汽车创新平台为汽车制造商提供大力支持，推出了 Innovus ML, Allegro ML 和 Virtuoso ML 等工具，用于设计应用于 Level 2 和 Level 3 级自动驾驶的系统级芯片和 PCB。

另，利用 Cadence Allegro® 工具设计的 PCB 实现了体积微型化，细线多层基板、盲埋过孔、微孔、基板嵌入式无源和有源元件，以及刚柔结合基板可以折叠并置于车身内，贴合特定的车内空隙和空间。

Cadence PSpice® Advanced Analysis Option 可以使用烟雾分析来确定哪些部件压力过大，或使用蒙特卡洛分析来观察部件良率，从而防止电路板出现故障。

Cadence Sigrity™ 技术可对 PCB 进行信号和电源完整性分析，并进行包括 PHY、电缆、连接器和 ECU 在内的以太网通道仿真。

当然，Cadence所包含的工具不仅仅只有这些，如果您想了解其他更多详细信息，欢迎随时与我们联系~

文章引用自Cadence