本文由半導體產業縱橫（ID：ICVIEWS）編譯自Semiconductor Engineering

這將是令人難以置信的創新之年，由人工智能驅動，并為人工智能而創新，并突破基礎物理學的極限。芯片行業即將迎來創新的一年，這是幾十年來從未有過的，但這一進步時期的真正獨特之處在于需要專注于物理學和真正的設計技能。

SoC 的平面擴展使設計和驗證工具和方法得以在相對線性的路徑上成熟，但過去幾年創造了一個自 EDA 行業誕生以來變化最為劇烈的環境。過去，重點通常涉及新工藝技術，有時會在整個流程中產生連鎖反應。設計本質上是漸進式的，盡可能多地借鑒以前的設計。

但微縮不再像以前那樣在功率、性能和面積方面帶來巨大改進。未來越來越多地涉及異構和垂直微縮——這里通常稱為 3D-IC，但也包括 2.5D——這已在一些最先進的數據中心內得到證實。除了這些設計之外，人工智能將充當推動者，從內部影響工具、方法和流程。此外，功率和熱性能將成為主要的優化目標，多物理不再僅限于混合信號設計組件。

需求方面也發生了變化。人工智能需要大幅提高計算能力。業界不再滿足于性能的漸進式改進，而是專注于根本性的架構變化，以實現數量級的提升。計算能力的提高還需要適當提高內存性能和通信帶寬，但芯片和封裝受到其散熱量的制約。

2025 年可能是幾十年來最令人興奮的一年。在功率和熱限制內對計算能力的無限需求的推動下，新的工具、方法和流程將會出現。設計團隊將進行重大重組，以處理系統和硅片之間不斷擴大的流程，以及對安全和保障（包括數據安全）日益增長的擔憂。

由數據中心驅動

數據中心是當今許多創新的核心，其驅動力來自于對與人工智能相關的計算能力的無限需求。

AI 創新周期正在超越典型的設計迭代時間。是德科技設計和驗證業務部總經理 Nilesh Kamdar 表示：“生成式 AI 解決方案的發展意味著傳統計算必須進行自我改造，并實現指數級的吞吐量。傳統電子解決方案正在失去動力，而即將出現的第一個突破是硅光子學和更多的光通信。某種程度的光通信如今已經很普遍，但隨著硅光子的出現，它將開始取代短途傳輸。到 2025 年，光子學解決方案將成為主流，并推動該領域的投資和招聘。半導體代工廠將通過更新的工藝變體進行創新，并幫助推動生態系統向前發展。”

其他形式的通信也在考慮之中。Point2 Technology 產品營銷和業務開發副總裁 David Kuo 表示：“AI/ML 工作負載正在突破數據速率的極限，每秒要處理數萬億次計算。通信帶寬和互連必須跟上步伐，以支持增長。這需要從銅和光學技術向新形式的通信進行革命性轉變，例如使用毫米波射頻信號通過塑料介電波導傳輸和接收數據。”

過去，設計團隊并不太關心數據中心芯片的功耗。“如今，討論的焦點是數據中心對功耗的意外影響，這已經超出了與手機和電池壽命相關的預測，”Ansys 總監 Rich Goldman 說。“討論表明，人們的注意力已經轉向數據中心巨大的電力需求，以及新建核電站以滿足這些需求的潛在必要性。”

這將對數據中心設計的芯片和供應鏈產生重大影響。Quadric 首席營銷官 Steve Roddy 表示：“大型 IP 供應商悄悄進入銷售小芯片市場，并向上游進軍銷售硅片的傳聞已經在媒體上流傳。2025年很可能會有一家或多家 IP 供應商正式宣布進軍小芯片市場。如果小芯片成功將 SoC 分解為小芯片系統，我們可以期待看到 CPU 子系統小芯片、連接小芯片、GPU 處理小芯片和 AI/ML 子系統小芯片。最有可能率先參與這一演變的細分市場是大型數據中心計算領域。該領域的大型半導體公司已經開始出貨封閉的專有小芯片系統。隨著 UCIe 等標準化工作取得進展，我們將首先看到這種影響在數據中心等 IP 供應商中產生，未來幾年將影響汽車等銷量更大的細分市場，并最終影響移動手機。”

雖然數據中心整合在過去幾年一直在進行，但這種情況可能會改變。Ampere Computing 首席產品官 Jeff Wittich 表示：“部署靈活性變得至關重要。隨著人工智能工作負載擴展到不同的環境（本地、邊緣和隔離托管設施），對延遲敏感的應用程序將需要更靠近用戶的基礎設施，部署在現有的數據中心和 PoP（接入點）中。此外，推理不再是獨立的工作負載。支持檢索增強生成 (RAG) 和應用程序集成等任務將需要強大的通用計算以及人工智能專用資源，強調效率和可擴展性。”

我們還可以看到量子成為商業計算平臺。“光子學之后的最后一個前沿是量子計算，”Keysight 的 Kamdar 說。“這是一個令人興奮的研究領域，我們已經擁有可以處理一千多個量子比特的量子計算機。隨著研究和創新的步伐，10,000 個量子比特只需幾年時間。量子研究將傳播到更多國家，尤其是亞洲，因為沒有哪個地區愿意將任何計算優勢拱手讓給另一個地區。”

由 AI 驅動

過去幾年中，許多工具都因 AI 而得到了增強，但到目前為止，很少有工具或方法被 AI 從根本上改變。這種情況可能會在 2025 年發生變化。Arteris 產品管理和營銷副總裁 Andy Nightingale 表示：“我們可以期待看到 AI 嵌入到布局、布線和優化等工具中。這將減少手動迭代。我們還可以期待看到生成式 AI 最初用于設計探索、系統架構建議和管理IP重用。在驗證過程中，AI 將優先考慮極端情況測試、加速錯誤檢測并分析大型數據集以進行功能和形式驗證。”

2025 年很可能是人工智能代理之年。“高度專業化的人工智能代理可以聚集在一起，分析大量信息，涵蓋軟件架構、工作負載、制造規則、數據流、時間和其他參數，”Synopsys GenAI 中心杰出架構師兼執行董事 Stelios Diamantidis 表示。“這種人工智能之間的協作將有助于識別以前未見過的模式和相關性，為持續存在的挑戰開發新的解決方案，并為優化芯片設計和性能提供詳細的建議。”

AI 也可能擴展到更多工具領域。“在工程和設計領域，AI/ML 解決方案將從數字轉向模擬，對 RF/模擬設計師產生更大的影響，”Kamdar 說。“生成式 AI 將影響設計界，基于 ML 的綜合解決方案將有助于創造新穎獨特的設計。企業將聘請數據專家并指派首席數據官專注于推動所有 AI/ML 工作的動力——數據。由于 AI/ML 的進步，所有職能部門對生產力的影響都將得到改善。”

事實證明，聊天機器人有助于提高設計師的工作效率。“盡管過去的一年主要關注聊天機器人的使用案例，主要使用公共數據，但未來在于將生成式人工智能應用于私有的安全數據集，以創建更有價值的工具，”Ampere 的 Wittich 說。“金融、保險和電子商務等行業的企業準備采用這些技術，從專有數據中提取有意義的見解。”

這將開始成為競爭優勢。Altair 技術戰略、電子設計和仿真高級副總裁 Sarmad Khemmoro 表示：“創新速度是制勝法寶。隨著對 AI 芯片的需求持續激增，半導體公司將意識到新興技術在設計過程中發揮的關鍵作用。通過將 AI 與仿真軟件相結合，工程師可以測試新概念并做出設計決策，速度比傳統方法快 1,000 倍，從而大大加快上市時間并降低成本。這種方法將是更高效地生產高性能芯片并在快速發展的半導體行業中保持競爭力的關鍵。”

不過，許可證方面需要做出改變。Driver 聯合創始人兼首席執行官 Adam Tilton 表示：“企業將以兩種不同的方式部署人工智能，一種是通過結構良好的輸出自動執行高度受限的任務，另一種是為開放式任務提供協作工具——兩者都旨在提高員工效率。不過，定價模型將反映這些不同的用例，結構化輸出采用基于消費的定價，而協作工具采用按席位許可定價。”

人們常說數據是新的石油，但業界才剛剛開始意識到，保存和保護數據比儲存石油更困難。數據必須不斷驗證和清理。“人工智能代理的不斷發展強化了透明度的需求，”Synopsys 的 Diamantidis 說。“換句話說，我們需要清楚地了解每個人工智能代理。他們是如何開發和訓練的？他們的運營目標是什么？他們如何與其他人工智能代理互動？他們利用了哪些數據集？”

數據主權和安全將極大地影響 2025 年的 AI 部署戰略。“企業越來越意識到其專有數據集的價值，將其視為競爭資產，”Wittich 說。“這種轉變意味著 AI 推理工作負載不僅在公共超大規模云上運行，而且還在更安全的環境中運行，例如私有云、本地數據中心或私人托管設施。數據泄露和篡改 AI 算法的風險凸顯了對安全、隔離基礎設施的需求。隨著企業在 AI 驅動的創新方面展開競爭，保護知識產權和敏感信息的能力將成為成功的基石。此外，這一趨勢將擴大企業擁有的計算資源的作用，創造一個更加分散和安全的 AI 生態系統。”

當工具和數據來自不同的地方時，就需要創造性的解決方案。Cadence 系統驗證組產品營銷總監 Paul Graykowski 表示：“EDA 供應商一直在尋找訓練模型和隔離專有數據的最佳方法。解決方案即將問世。雖然我們暫時還看不到由 GenAI 設計和驗證的復雜 SoC，但一些更平凡的文檔、編碼模板和自動化腳本工作即將出現。人工智能技術將成為驗證下一代芯片所需的力量倍增器。”

如今，很少有人考慮使用人工智能的成本效益。Driver 的 Tilton 表示：“公司將通過構建人工智能產品而不是僅僅包裝 LLM 來取得成功。”“這意味著混合技術堆棧包括傳統軟件處理、算法，然后是 LLM 的精確使用。人工智能解決方案需要展示具體的指標，例如成本節約、生產力提高或收入增長，以證明其實施成本是合理的。”

NPU 也將經歷大洗牌。Quadric 的 Roddy 表示：“在 1998 年至 2001 年的繁榮時期，我們看到行業中出現了 50 多種不同的 RISC CPU 架構和 25 多種 DSP 架構。就像觀看一部關于物種數量繁榮和不可避免的衰退的自然紀錄片一樣，NPU 的過度繁殖也會導致物種數量減少。那些認為構建矩陣加速器是差異化來源的公司將會發現，授權 IP 塊比重新發明已經準備好的東西更便宜、更好。競爭的現實是，市場無法維持 10 或 15 家授權公司。我們已經看到 2024 年的人口峰值，許多實力較弱的 NPU IP 公司已經關閉。隨著公司關閉內部 NPU 開發，即使交易量增加，這種趨勢也會在 2025 年加速。”

物理限制

直到最近，對于可以做什么，物理限制很少。許多設計現在都面臨著光罩極限，雖然功率長期以來一直是考慮因素，但熱現在正成為許多設計的限制因素。

Ansys 產品營銷總監 Marc Swinnen 表示：“功耗始終有一個軟目標。設計必須滿足一定的頻率，如果達不到，那么你就得回頭再來，推遲產品生產，直到滿足該頻率。但功耗一直是‘我們已盡了最大努力’的問題。現在，功耗正在變成‘你必須設計功耗’。你不能將一個功耗很大的設計變成低功耗設計。這必須從一開始就做到。公司很早就開始考慮散熱問題，他們將其視為設計的核心限制。為此，原型設計變得非常重要。當我們首次開始涉足 3D-IC 市場時，這讓我們感到意外。”

它需要新型工具。“這是一個電熱協同設計問題，”Arteris 的 Nightingale 說。“它需要能夠解決功率、散熱和結構力學協同仿真的工具。這對于管理堆疊架構中的熱量和功率傳輸尤其重要。在極端情況下，它需要與設計和驗證工作流程集成的實時熱仿真，重點關注緊湊和主動冷卻解決方案。”

人工智能對數據中心電力的無止境的需求給電網和地理電力限制帶來了壓力。“為了避免在短期內引入新的不可再生能源或延長其使用壽命，硬件優化將在降低電力需求方面發揮關鍵作用，”Wittich 說。“用現代高效處理器取代舊的耗電系統可以大幅減少能源使用，使現有基礎設施更加可持續。這種效率轉變對于平衡對更多能源的需求與負責任的環境管理至關重要。”

3D-IC 技術（包括 2.5D）已用于解決其中一些問題。“Chiplet 和 3D-IC 解決方案將繼續成為主流，”Kamdar 說。“您可以期待更多封裝公司加入 Chiplet 生態系統，并幫助標準化設計和協作的許多方面。包括異構集成 (HI) 在內的先進封裝技術將為系統公司帶來技術和業務優勢，這將繼續吸引該領域的投資。創建 3D-IC/HI 設計的設計解決方案將日趨成熟，系統設計人員將能夠更輕松地進行前期設計和權衡。”

這可能會對 IP 市場產生重大影響。Quadric 的 Roddy 說：“Synopsys 和 Cadence 在物理 IP 領域占據市場主導地位。這源于將復雜的高速模擬接口移植到每個晶圓廠的每個新工藝變體的工程密集型性質。但是當芯片成為主流時會發生什么？SoC 設計團隊不再需要在同一工藝中擁有所有 IO。如果您可以利用芯片和 3D-IC 封裝在 5nm 芯片中使用現有的接口 IP，那么移植所有物理 IP 的需要就會大大減少。隨著更多 IP 被重復使用，現有的物理 IP 參與者可能會看到許可收入上升，但對 NRE 移植費用的需求會減少。有抱負的新物理 IP 參與者將有勇氣進入市場，因為他們知道他們的作品可以有更長的使用壽命。不要指望 2025 年前三名的排名會發生變化，但未來變化的種子將在 2025 年播下。”

在EDA內部

新技術節點不斷增加設計壓力。Atomera 先進邏輯節點和電源業務負責人 Shawn Thomas 表示：“對于高度擴展的晶體管，例如 2nm 節點，諸如隨機摻雜波動之類的效應會對晶體管特性（例如 Vt 或遷移率）產生很大影響。Vt 的變化會導致開關速度的差異，這在 GAA 結構中會加劇。GAA 晶體管中的每個通道可能具有不同的 Vt，然后聚合到器件的整體 Vt。這會導致電路級不匹配增加，并縮小電路設計人員必須使用的設計余量（即更保守的設計以考慮增加的可變性）。Vt 的變化還會導致晶體管的泄漏增加，從而增加晶體管和后續電路元件的關斷狀態功耗。”

先進封裝技術需要新工具。“封裝技術需要大變革，”Ansys 的 Swinnen 說。“組裝多個芯片并進行鍵合的方法有無數種，但并非所有方法都有足夠的投資來實現在整個市場上的全面生產可行性。推動這一趨勢的原因是每個人都希望能夠銷售芯片，每個從事 3D 工作的人都需要芯片，因此對標準化的需求非常強烈。業界的利益一致，以確保為此制定標準。實現這一目標需要一年多的時間，但之后你就會看到該領域的進步。”

在制定標準的同時，合作也變得非常重要。Altair 的 Khemmoro 表示：“半導體公司將越來越重視與系統公司建立牢固的合作伙伴關系。這些合作至關重要，因為許多芯片制造商對其產品如何集成到最終設備中缺乏完整的了解。在未來幾年，這種團隊合作將變得更加重要，尤其是當系統設計師面臨著創造更小、更高效產品的持續壓力時。緊跟這些變化并做出相應的調整對于保持競爭力和推動創新至關重要。”

在 EDA 中，與 AI 相關的很多話題都集中在驗證領域。Cadence 的 Graykowski 表示：“過去幾年，我們看到 AI 驗證領域取得了許多進展，這有助于優化回歸并縮小調試驗證失敗的范圍。由于業界有時間對這些解決方案進行原型設計和改進，我預計我們將獲得更優化的功能集，并看到更多采用者將這項技術引入主流驗證流程。明年最有可能取得最大進步的領域不僅僅是回歸優化，還包括幫助縮小覆蓋范圍并在更短的時間內找出更多錯誤。自動化流程在分類和縮小調試范圍以及確定可能的故障源方面具有很大的潛力。驗證工程師將利用該技術篩選數據量，使他們能夠跟上當今設計的規模。我還預計 GenAI 將在明年得到更多應用。”

AI 還將增強設計流程。“印刷電路板 (PCB) 設計需要多種學科和技能，”Khemmoro 說。“因此，公司越來越多地在整個工作流程中采用自動化，從初始需求和邏輯設計到制造和組裝。通過在設計過程中將 AI 與仿真相結合，可以加速設計決策，并顯著縮短開發周期。為了進一步增強這一過程，現在汽車、航空航天和國防等產品壽命較長的行業正在現場使用監控系統，以跟蹤 PCB 性能，以及降低組件的額定值以將潛在問題直接傳達給開發團隊。然后可以將這些見解納入 PCB 設計流程，以提高效率和可靠性。”

設計團隊必須跨越越來越多的學科。Arteris 的 Nightingale 表示：“許多設計的范圍正在擴大，這意味著模擬也必須擴展到涵蓋光學、流體和機械效應，尤其是在復雜封裝中。”“一些市場增加了其他要求，例如硬件級安全性的新方法，包括加密驗證和抗攻擊性，以及芯片級符合 ISO 21434 網絡安全風險管理標準。而可靠性需要針對老化、電遷移和其他長期故障模式的預測工具。”

結論

總的來說，這些只是行業在 2025 年將發生重大變化的幾個領域。其中一些技術被原型化并發布到行業的速度正在加快。這是前所未有的，它說明了保持領先地位的重要性。整個行業正處于巨大的變革之中。