打從3D IC問世的那一天起，EDA工具就被迫開始進行史上最大的升級工作，而方向只有一個，就是朝向「系統級的設計」。

「系統級」是什麼意思？意簡言賅的講，就是要跨出傳統只在單一元件上打轉的開發思維，往縱向橫向去擴大覆蓋的範圍，進而實現完整系統的開發與驗證能力。因此一個開發平台上不能只有邏輯電路的開發工具，還要有可以整合其他「異質元件」的布局功能，它可能是感測器，或者其他的類比元件，例如天線效能的模擬。

然而，要具備這些異質元件的整合和驗證能力，其涉及的領域已跳脫過往單純電路和邏輯開發的範圍，更多的是對於實體物理情境的模擬需求。

以3D IC的設計為例，光是晶片對晶片的堆疊，就必須要考量電路的連結和散熱的問題，若是封裝的元件還包含射頻的功能，則電磁波性能的驗證也要被考慮進來。尤其進入了物聯網和5G時代之後，幾乎所有的裝置和系統都具備網路與運算功能，因此訊號完整性的評估也成為必備。

基於這樣的設計考量與需求，EDA供應商不得展開一系列的新布局，除了成立新的系統部門外，同時也積極的收購物理模擬的公司，以擴大自身的服務能力，目的就是推出一個兼具電路虛擬與物理模擬的全面位開發平台。在此之前，工程師和開發團隊都必須在不同的開發平台上切換，效率與效能自然不彰。

從EDA跨入物理模擬 Cadence化身系統分析大廠

以Cadence Design Systems（益華電腦）為例，他們在2012年收購了一間電磁模擬軟體公司「Sigrity」，正式跨入了系統分析的市場。他們將Sigrity核心的訊號完整性與電源完整性（SI/PI）工具納入旗下，並花費數年對其進行一番的改良與整合，最終在2019年推出了「 Clarity 3D」電磁模擬求解器，讓設計與分析可以無縫連接，不僅簡化了開發的流程，同時也大幅降低了整體開發所需的時間。

圖一 : Cadence推出「 Clarity 3D」，從EDA跨入了物理模擬的市場。(source：Cadence)

而這個改進所帶來的益處有多大？從Cadence「 Clarity 3D」的營收不斷地擴大就可以看出，他們甚至把這個併購案譽為最成功的收購案之一。有了這個成功的經驗，Cadence也成立了系統分析部門，更專注在系統等級工具的開發上，該部門也從原先的150人不到，迅速的倍增至目前的500人以上，並成為Cadence最重要的成長驅力。

洞悉到系統分析的重要性及其市場規模的龐大，Cadence也持續強化他們在物理模擬的服務能力。於是在2020年3月，又收購了AWR和Integrand兩家公司，拓展在RF端的模擬能力，以因應5G時代的需求；今年（2021年）更收購了流體力學模擬（CFD）技術的領導商NUMECA International，再往多物理分析之路跨出關鍵的一大步，同時也讓他們的系統分析服務能力更加完整。

Cadence客製IC及PCB事業部多物理場系統分析產品線副總裁Ben Gu，就在一次媒體活動上公開表示，Cadence將會全面進軍多物理模擬市場，並跟安矽思（Ansys）等領先大廠展開全面的競爭。

Ben Gu強調，Cadence將會站在成功的EDA核心技術的基礎上，往創新的系統分析領域前進，並在各個專業的垂直市場上，運用人工智慧（AI）與先進的演算法技術，提供強大的軟體運算服務。

西門子收購Mentor 創建最全面的數位分身系統

然而，條條大路通羅馬。如果說，EDA跨入系統分析是不得不為的策略，那麼系統軟體業者取得EDA技術，也就是理所當為的事，而它的確也是。

2016年11月，原本在EDA市場排名第三的業者，明導國際 (Mentor Graphics)，便同意以每股37.25美元現金，總價約45億美元的價格，被德國科技大廠西門子（Siemens）所收購，成為旗下工業軟體的一員。

而今年（2021年）1月起，Mentor也正式更名為Siemens EDA，繼續以西門子數位化工業軟體的業務進行運營。

圖二 : Mentor更名為Siemens EDA，與西門子相結合，形成最廣泛、最深入的工業軟體組合。（source：Siemens EDA）

西門子在新聞稿上表示，將全面的把EDA軟體與西門子科技相結合，形成最廣泛、最深入的工業軟體組合，深度運用於模擬、機械設計、製造業、雲端運算、物聯網以及低程式碼領域，幫助客戶實踐電晶體設計和系統設計的加速融合。

回顧當年雙方同意收購時，西門子PLM軟體總裁兼執行長Tony Hemmelgarn就指出，西門子的願景是擴大客戶基礎，為他們提供打造「數位化企業」所需要的世界級完整軟體解決方案組合。而Mentor的EDA產品對於實現這一願景至關重要。

他強調，電氣和線束設計、電子系統設計軟體工具是對西門子現有解決方案的完美補全，而IC設計、驗證、測試和製造工具更將西門子的產品和專業知識擴展到了相應的專業領域，為新客戶帶來了巨大價值。

而西門子也為這個完整的軟體套件擘畫了一個遠大願景，就是要協助客戶為其產品和生產線，創造最全面、最精確的數位分身（Digital Twin）系統。而那就是目前發展工業4.0的核心技術，要用數位模擬技術來操控一座廠房，甚至是一顆IC元件。

運用雲端平台 滿足EDA系統級算力需求

然而隨著晶片的設計愈加複雜與龐大，其電路的結構和所整合的異質元件的模擬與驗證，都需要龐大的算力，一般的電腦已完全無法負擔。若再加上系統分析與裝置模擬驗證的需求，則整體的運算力更是遠遠超過一般公司所能夠負擔，對工程人員更是相當巨大的壓力。

因此，在當今這種系統級設計的趨勢下，使用AI技術來輔助開發工作，同時結合可彈性擴展算力的雲端服務，也成為EDA供應商的重要發展趨勢。尤其是在新冠肺炎（COVID-19）出現後，數位應用的迅速增加，帶動了PCB和晶片的需求成長，以及系統級設計模擬的增加，更進一步推動這個市場的蓬勃發展。

基於雲端解決方案可以從任何地點進行存取，不受交通或區域的限制，並可以依據不斷變化的要求，進行簡單而快速的更新。因此幾乎所有的EDA業者都積極與雲端技術供應商合作，開發出具有雲端架構的EDA軟體。

另一方面，SoC設計日益複雜，為了在設計時可以增加更多的功能和運算能力，越來越多雲端解決方案被半導體產業應用於複雜電子系統的設計。

以AWS為例，他們就積極與各個EDA業者合作，共同發展雲端架構的EDA運算平台，以滿足客戶在大型晶片開發上的額外算力需求。近期，Arm就開始把半導體設計和驗證轉移到AWS的Graviton2的Instance上運作，目的就是要降低新專案的成本和進度上的風險(Scheduling Risk)，進而提高10倍的傳送量，使工程師能夠專注於創新與設計。

為了使驗證更加有效，Arm將利用雲端來運算進行模擬，利用AWS幾乎無限的儲存和高性能平台，來擴充其進行模擬運算的數量。自從開始轉移到AWS雲端平臺後，Arm已經能夠將其EDA工作流程的時間效率提高6倍。

此外，透過在AWS上遙測和分析，Arm能夠強化工程、業務和運營洞察力，提高工作流程效率，優化成本和資源。Arm計畫在完全轉移移到AWS後，其全球資料中心的占地面積將減少45%以上，內部運算負擔將減少80%。

然而要把EDA工作轉移到AWS雲端，也不是一蹴可及，Arm必須克服傳統管理EDA工作流程的作業問題，透過大規模可擴展的運算能力來獲得靈活性，並利用平行模擬、遙測和簡化分析，來降低半導體設計中的往返作業時間，達到在不影響出貨時間下，增加測試週期。

除了成本優勢外，Arm還利用AWS Graviton2 Instance的高性能來提高工程輸送量，與上一代基於x86處理器的M5實例相比，每美元的輸送量提高了40%以上。

圖三 : AWS的雲端EDA工作流程示意圖。（Source：AWS）

AI協助系統晶片設計 提升IC運算效能

有雲端平台輔助算力的需求，但系統級晶片開發本身仍舊是一項巨大且難以想像的複雜工作，一般工程師要從中理出頭緒，並能隨著晶片製程的縮小還能不斷改良設計，幾乎就是件不可能的事。尤其是每一代的製程改良，電晶體的數量也會隨著大幅增加。因此使用機器學習這種人工智慧的技術，也成為EDA供應商的重要任務。

以Cadence為例，他們的Cerebrus就是一款種基於機器學習的新產品，它利用人工智慧能力來簡化設計並提高設計品質。與傳統方法相比，Cerebrus可將設計生產率提高10倍，將晶片的「PPA （功耗：Power、性能：Performance、面積：Area）」提高20%。

Cadence指出，Cerebrus能夠自動化處理特定的開發作業，工程師只需按下按鈕就可以完成這些動作。過去工程師需要自己去處理的各種電路工作，但Cerebrus可反覆運算優化電路，透過改變工具選項、時序(Timing Constraints)、改變平面圖形狀和調整資料庫，來實現目標PPA。

在5奈米Mobile CPU設計實例中，一位元工程師利用不到10天的時間使用Cerebrus，所獲得的結果是優於多位元工程師歷時數月的設計結果。在另一個CPU設計案例中，Cerebrus被應用於平面配置(Floor planning)，也超過了原來的目標性能。

圖四 : 工程師可透過EDA自動化工具改善目標PPA。（Source：Cadence；CTIMES製圖）

Siemens EDA同樣也正積極把人工智慧技術導入半導體開發中。他們一方面開發更多工具，以快速地設計AI加速器；另一方面，他們則利用機器學習演算法來改進EDA，以便提供更好的研發結果。

Siemens EDA指出，為特定的應用開發人工智慧架構，會要求EDA工具能夠讓工程師在更高的抽象層面(Abstraction level)上工作。因此Siemens EDA發現，愈來愈多工程師採用了Catapult HLS（高級合成）技術來開發AI IP加速器。在幫助工程師開發數學代碼後，再翻譯成C或System C，並可預先看演算法的哪些部分，應該在硬體和軟體中實現，進而協助工程師更早整合到理想的架構上。

Siemens EDA旗下採用機器學習的Calibre OPC方案，就能在IC設計流程中大大減少計算需求。例如在7奈米的關鍵層(Critical Layer)中，使用了多達8,000個CPU，來進行12到24小時為一週期的單次運轉。而透過使用機器學習，已經能夠將其降低三倍，並限制生產未來每個高級節點所需的時間增加。

結語

電子系統的開發已進入了嶄新的世代，無論是單一晶片的設計，或者一塊PCB電路的布局，只從一個2D的平面來下手，早已不符合時代的需求，必須要能整合3D的面向，考量更多物理層次的狀態，才能迎來更佳的運作效能和使用體驗。因此一個同時具備電路虛擬設計和系統模擬分析的全方位軟體平台，將是時代所需。

另一方面，隨著晶片設計的複雜度不斷提升，再加以多物理性能模擬的需求，已對工程人員與電腦算力帶來龐大的負擔，因此我們將會看到人工智慧和雲端運算迅速地在EDA領域崛起，並為未來工程人員的開發環境與流程帶來全新的面貌。