集成电路产业是一个涉及设计、制造、封测、材料和设备的产业链，而EDA/IP 是随着实现电子信息系统的超大规模电路集成、片上系统集成和封装3D 集成发展起来的，并成为了集成电路产业发展重要支撑的工业软件！本书汇集国内EDA 产教研各界英才的心血之作，全面地介绍了国内EDA/IP产业在数/模集成电路的设计、制造、设备及工艺方面的进展与突破，以及它们的EDA/IP 工具在国际市场应用的前景。AI 和ToP 的高速发展给数据、算法和算力带来巨大的压力，也增加了对工业软件EDA/IP 的需求。但归根到底是对EDA/IP 人才的需求，走“产教研”的EDA/IP 的人才培养之路势在必行！

前 言 为自主可控的国产EDA软件而努力 EDA，即电子设计自动化（Electronics Design Automation）的缩写。通常EDA设计工具的形态是一套计算机软件，所以在电子信息产业中，无论是设计集成电路，还是设计PCB（印刷电路板）系统，都离不开EDA工具。 观察二十世纪七八十年代集成电路带动信息产业飞速地发展，印证了摩尔对集成电路每18个月特征尺寸缩小一半而集成度和性能（速度、功耗和面积）成倍改善，而集成电路造价不变的预言。 实际上集成电路产业处在信息产业的上游，它要把行业标准（自有知识产权（IP）的规范和协议）映射到一个可实现电路与系统的架构上；信息产业的中游提供一个信息产品（软、硬件）可实现的解决方案；而信息产业下游的制造业，生产出的产品除了元器件和加工成本，还要为使用的IP付出知识产权的费用。 集成电路产业是一个包括设计业、制造业、封测业、材料和装备在内的完整产业链，它不同于半导体器件产业（受工艺和材料的制约)仅由半导体专业人士为主，而集成电路设计业是整个产业链的龙头，即使是IDM（集成器件制造商），如英特尔也是大量的人才集中于前端的设计。 二十世纪九十年代，我国集成电路产业在一批半导体“大咖”（1956年北大半导体专业）指导下，虽然做了“907”“908”等工程，引进了一批工艺制造线，但设计业跟不上，等于是“无米之炊”，也难见到投资的效果。直到2000年国务院出台《国务院关于印发鼓励软件产业和集成电路产业发展若干政策的通知》（国发〔2000〕18号）（即通常所说的“18号文件”），明确集成电路设计业是产业链的龙头，还在全国建了8个产业化 IC 设计中心，情况才有所转变。因此在中国，所谓“集成”应该说是集“政府、资本和产学研”之大成，即中国政府主导（产业政策和土地与财政的支持），民间资本的投资紧跟，再加上产（集成电路厂商）、教（高等院校）和研（研究所）的通力协作。 人才和EDA工具——集成电路设计业的两大要素！ 人才，对集成电路产业而言不仅仅是科技、工艺人才，还包括经营与管理人才。改革开放以来，教育部门在人才培养上基本上满足了制造产业的需求，集成电路产业对人才需求的缺口却很大，高端人才不足，特别是领军人物奇缺！ 王阳元院士曾对集成电路人才的培养支招，指出“一是微电子专业培养；二是支持电子设计工程师跨界进入集成电路设计业；三是引进高端集成电路领军的海外归国人才”，这都极具建设性。后来建设示范性微电子学院，设立“集成电路科学与工程”一级学科，都是在人才培养上下功夫。 集成电路产业除了人才，EDA工具也是IC研发的拳头，“工欲善其事，必先利其器”！尽管二十世纪八十年代就集中力量在北京组织了“熊猫系统”的研发，但30多年过去了，国内EDA市场仍然被国外三大厂商（Synopsys、Cadence、Mentor Graphics）所垄断。究其原因是研发的方针：如果只是“仿”，仿得连界面都差不多，但用户习惯了三大外商的EDA工具，他也不想换国产的EDA工具。三大厂商还在大学开展“大学计划”，习惯了用三大厂商EDA工具的大学生就业也有优势；另一方面是和国外三大厂商争后端EDA工具的研发，别人已经有了固定的优势（三大厂商和主流集成电路制造商工艺协同，在技术储备和服务上都占有优势）。所以，要发展国内的EDA产业，只能换道，走集成电路设计前端的设计智能化的路。例如针对AI的巨大市场和各AI领域专有的IP包，开发将AI的IP包转换成集成电路可实现的电路架构的产品，实现电子设计的智能化（EDI，Electronics Design Intelligence)，可能是一个值得关注的发展方向！ 如果说解决电路与系统向集成电路后端的工艺映射（Layout），主要在解决电子设计自动化（Automation）的问题。那么EDA工具映射IP包到集成电路的架构的设计，开辟了另一个方向。即在设计的前端开发大量的IP，用高层次的综合解决电子设计智能化。 集成电路产业是建立在市场对集成电路产品量的需求的基础上的，移动通信的平台已为集成电路的发展提供了一个巨大的平台（数以几十亿计的手机），但无论从4G到5G，还是在现有的移动平台上，集成电路产品的量不会有实质性的变化，只能瞄准下一个市场——AI（人工智能）是下一个巨大的集成电路市场，车载移动平台对集成电路的需求远远超过手机，还有万物互联、智能制造，基于声音和图像的智能处理和机器人……都会对集成电路提出产业化的需求。我说过“AI is Chip”一点也不过分，AI的各种IP，通过EDI映射到电路与系统的架构，然后通过EDA映射到芯片制造。反过来，实现了AI需求的芯片又支持AI的产业化。总之，需要更多更好的IP，芯片才能上市快、成本低。IP会成为EDA公司的重要创利点（IP年营业额已达5亿美元）。 芯片系统该怎么验证？只有芯片设计人员才知道从芯片实现的功能提出验证的方案；如果采用软硬件协同验证，一款有100万行软件代码的芯片，就要求芯片设计厂商准备100万行的RTL代码。芯片中的软件比硬件更复杂时，芯片设计厂商必须自己做芯片中的软件。在EDA工具从自动化向智能化发展的过程中，电子设计逐渐“软化”，即“软件定义的芯片”，越来越有利于解决“可重构”和“异构并存”的架构定义。就像过去我们在FPGA平台上做电路与系统设计，因为硬件是可编程的，所以设计主要在编程，实现不同设计规范的算法到FPGA架构的映射，为此还去开发在FPGA架构上运行的各种IP包！同理，在多核的CPU、GPU和NPU的架构上开发电路与系统也是做编程，实现软件定义的硬件设计。只不过现在我们从专用集成电路设计的角度，实现“算法到架构的映射”，需要一个更高层次的编译平台（我们姑且把它称为AI Compiler）。那么，这个平台的普惠性、时效性和安全性都是我们十分关注的！ “近几年人工智能、机器学习的快速发展，加上量子运算等更为先进的技术，对于解决已有的问题带来了全新的视野。”新思科技（原）AI研究室主任廖仁亿表示，“一旦大家对人工智能的期望越来越高，加上海量数据的持续增长和无处不在的场景应用，人工智能加上人类智能的赋能，帮助我们用更智能的工具，来设计日益复杂且更为强大的人工智能芯片，给芯片设计带来全新的挑战和机会。” 全球三大EDA软件巨头眼里的芯片设计挑战，EDA云平台（云-边缘-终端）、IDEA（全自动芯片版图生成器）、POSH（针对开源硬件项目）；以及DARPA关注的软件定义架构SDH（Software Defined Hardware）和domain-specific片上系统。RISC-V很可能是第一个进行软硬件协同设计的架构，OpenAI平台Sutskever最初研究的序列建模应用于语音、文本和视频，非常实际的应用就是机器翻译等专业技术介绍。所以关注EDA专业人才将是IC设计最重要的事。随着IC设计复杂度的提升，新工艺的发展，EDA行业将有非常大的发展空间。虽然EDA行业需求人才（工具软件开发人才、工艺及器件背景的工程师、熟悉IC设计流程的工程师、数学专业人才、应用及技术支持人才和销售类人才）的就业面相对窄，但稳定性非常高。从某种意义上讲，从事EDA这种小众行业的人，坚持都是靠理想，而有理想才称得上人才！ EDA还是信息产业的一个重要的工业软件：推动了集成电路的封装测试业从二维转向三维（从“时间摩尔”到“空间摩尔”）；推动了PCB板级信息产品在硅片上的连接，为终端产品的“高密集”和“整机微型化”开了先河；还延伸到信息产品面板和外观的“工业设计”并支持着柔性屏和可折叠产品的EDA工业软件的开发。所以把EDA仅仅看成是一个集成电路设计工具的时代已经过去了，应该承认它是信息产业重要的“工业软件”。 二十一世纪的一个变化是信息产业处理对象从数码“信息”转向了物理“信号”，尤其是未来不得不面临从“互联网+”转向以“物联网（IoT）”为主。说得白一点，以人（语音、文字、视频和虚拟场景）为主的信息获取和传输（4G+互联网），转向了以物理对象（声、光、热、力和电）为主的信号处理和物物互联（5G传输的高带宽、大容量和满足可靠前提下的低时延）；继而进入社会管理和生活服务的方方面面的智能，都将给工业软件EDA带来机遇和挑战。 继工业自动化之后的智能化，已经从“省力”为主转向高效和“省心”，也给工业软件EDA带来空前的挑战。首先，服务面的扩展要将人工智能（AI）各行各业（规范、协议和标准）建立成自有知识产权（IP）；其次是将这些IP的算法在一个特定域（或通用域）用算力做结构化转换和高效调度；这些都是设计方法学创新和设计智能化需求对工业软件EDA的挑战。最后，工业软件EDA将促成“算力”“算法”“数据”三者深层次的融合。 信息化之后必然的趋势是智能化，数据流转分享、算法成本下降、算力安全可靠，才能使AI普惠。这要求综合考虑多种因素，首先是数据本身的质量、成本；其次是算法设计和调参的人工成本；第三是计算的能力（用大量计算平台和AI芯片都有价格因素）！ 解决的途径： ? 数据方面除了量的膨胀还有质的变化，过去习惯的结构化数据（也就是定点、浮点数），在互联网时代变为准结构化的批数据处理；而人工智能又要处理大量的非结构化数据。数据靠流转和分享，大量无用、重复的数据只能浪费存储器的容量，消耗算力。 ? 在算力方面，不能把人工智能看成是一种“穷算”，仅靠算力解决的问题叫“机器学习”不是“深度学习”。深度学习的算法和把AI的各个领域（图像、语音、机器人……）的IP设计规范定义成的框架，是电子设计自动化（EDA）走向电子设计智能化（EDI）的关键。随着摩尔定律面临物理极限，芯片算力的发展会缓慢。所以，人工智能肯定有算力的制约。 ? 算法是需要EDA工具支持的，EDA工具把“算法映射到了架构”才能把“AI落实到IC”。 不管是数据、算力还是算法，都到了关键时间，都在向EDA靠近。5G也会和EDA关联，5G解决的是信息传输，那么先要把信号变成信息，很重要的是智能传感，还必须是低功耗的。5G实现大容量、高速度、高可靠性前提下的低时延，也离不开人工智能和集成电路设计的EDA的支持。 CPU、GPU和NPU与EDA的关系是去中心化，企业拥有的x86架构、Spac架构，以及RISC-V都有去中心化这个问题，核心的问题还是要用EDA促成开源。 台积电（南京）总经理罗镇球回顾台积电和新思科技十几年合作的方式的变化。直到65nm都是台积电把做出来的工艺交给新思科技，新思科技再去开发EDA的设计平台及一些IP，每出现一种新工艺，到用户设计用上，两个阶段是1.5+1.5=3年时间。但在做7nm工艺时就和新思科技一起做，一起研究工艺，一起建EDA和IP平台。只花了一年半的时间，满足新工艺的IP就提供给用户设计了，经济上还避免了重复投资。 所有新技术的发展，如果不和EDA结合就很难发展，因为你离不开EDA提供的方法学工具。 从2019年策划和约稿，到2020年1月至2021年5月每周在《电子报》上刊发EDA业界“大咖”的文章，我本人十分感谢作者们对EDA的厚爱和对我做这件事的支持！也感谢《电子报》和徐惠民总编提供的平台！ 征求这些“大咖”们的同意后，我把汇编出专集的想法，在2021年4月中国电子学会张宏图书记和王娟主任来家看望我时说了出来，张书记当即表示支持专集的出版，并让王娟联系了电子工业出版社。电子社肯定了出专集的重要性，并给具体运作提供了指导。此书得以出版以飨读者。我衷心地感谢业内提供文章的“大咖”，感谢学会和出版社的大力支持。 周祖成

第一章 EDA之我见 1 白话芯片EDA （傅勇）2 集成电路设计和制造的展望 （雷俊）11 提升EDA软件水平应从建立“工业软件意识”开始 （黄乐天）25 从EDA工具演变史看芯片创新之未来 （新思科技市场部）31 中国集成电路创新力来源探究—从“中国创芯者图鉴”谈起 （新思科技市场部）35 漫谈EDA产业投资 （李敬）40 EDA开源也有效？ （傅强）48 第二章 IP核 53 IP核：实现“十四五”规划目标的基石 （刘瑜）54 IP技术与市场同步变革 （杨毅）63 高起点、高质量、规模化创新发展我国IP产业 （曾克强 余成斌）73 大道至简的RISC-V （李珏）88 RISC-V生态促发展，国产CPU IP开放自主之路 （彭剑英）92 RISC-V发展研究报告 （芯来科技）95 第三章 EDA数字电路类 101 SystemC电子系统级设计方法在航天电子系统设计中的应用 （李挥 陈曦）102 数字集成电路的后端实现 （黄国勇）110 基于Innovus的数字IC的复杂层次化物理设计 （陈鹏 程智杰 马孝宇 韩雁）117 形式验证介绍 （袁军）126 集成电路物理设计面临的挑战 （吕志鹏）133 第四章 EDA模拟/混合信号/RF类 144 Empyrean ALPS-GT：首款商用模拟电路异构仿真系统 （吴涛 余涵 杨柳）145 混合信号SoC设计验证方法流程介绍 （邵亚利）151 射频模拟电路EDA的过去与将来 （费瑾文）171 第五章 EDA制造类 176 高端芯片制造工艺中的EDA工具——计算光刻 （施伟杰 韦亚一 周玉梅）177 人工智能赋能半导体制造业–从OPC说开去 （韩明）192 从DTCO、Shift Left到SLM，方法学如何促进芯片产业链合作 （新思科技）200 浅谈DTCO的意义和如何用DTCO助力中国半导体腾飞 （李严峰）205 集成电路成品率测试芯片的自动化设计 （杨慎知 史峥）213 第六章 EDA PCB类 222 无源结构建模与仿真的发展趋势 （孙冰 刘岩）223 三维全波电磁场仿真软件在 无源器件设计中的应用 （刘民庆）235 第七章 人工智能与云计算 241 浅析EDA与人工智能 （熊晓明）242 EDA云平台及实证 （张先军）249 第八章 EDA之人才培养 263 我国EDA人才培养的新启航与新趋势 （邸志雄）264 从个人EDA研发经历看EDA研发特点 （侯劲松）271 30年前清华大学“微波与数字通信国家重点实验室CAD中心”的EDA环境 （周祖成）278