芯片行业即将迎来一个创新之年，这种创新程度是几十年来前所未有的。然而，真正使这一进步时期独一无二的是，需要专注于物理学和真正的设计技能。
系统级芯片（SoC）的平面缩放使设计和验证工具及方法得以在相对线性的路径上成熟发展，但过去几年创造了一个比EDA行业诞生以来更具激烈变革的环境。在过去，关注点通常涉及新工艺技术，这有时会在整个流程中产生连锁反应。设计本质上是渐进式的，尽可能多地借鉴以前的设计。
但缩放不再像以前那样在功耗、性能和面积（PPA）方面带来巨大改进。未来越来越多地涉及异构和垂直缩放——通常称为3D-IC，但也包括2.5D——这种技术已在一些最先进的数据中心内得到验证。除了这些设计之外，人工智能（AI）将充当推动者，从内部影响工具、方法到流程。此外，功耗和热性能将成为主要的优化目标，多物理场不再仅用于混合信号设计组件。
需求方面也发生了变化。人工智能需要大幅提高计算能力。业界不再满足于性能的渐进式改进，而是专注于根本性的架构变革，以实现数量级的提升。计算能力的提升还需要适当提高内存性能和通信带宽，但芯片和封装受到其散热能力的制约。
Semiconductor Engineering认为，2025年可能是几十年来最令人兴奋的一年。在功耗和散热对计算能力的无限需求的推动下，新的工具、方法和流程将会出现。设计团队将进行重大重组，以应对系统和硅片之间不断扩展的流程，以及对安全和保障（包括数据安全）需求日益增长的担忧。
数据中心驱动
数据中心是当今许多创新的核心，其驱动力来自对与人工智能相关的计算能力的无尽需求。
人工智能创新周期正在超越典型的设计迭代时间。是德科技（Keysight Technologies）设计和验证业务部总经理Nilesh Kamdar表示：“传统电子解决方案正在失去动力，而即将出现的第一个突破是硅光子学和更多光通信技术。光通信在一定程度上已经很普遍，但随着硅光子的出现，它将开始取代短距离传输。到2025年，光子学解决方案将成为主流，并推动该领域的投资和招聘。半导体代工厂将通过升级的工艺变体进行创新，并帮助推动整个生态系统向前发展。”
其他形式的通信也在被考虑之中。Point2 Technology产品营销和业务开发副总裁David Kuo表示：“人工智能/机器学习（AI/ML）工作负载正在突破数据速率的极限，每秒要处理数万亿次计算。通信带宽和互连必须跟上步伐，以支持增长。这需要从铜和光学技术向新形式的通信进行革命性转变，例如使用毫米波射频信号通过塑料介质波导传输和接收数据。”
过去，设计团队并不太关心数据中心芯片的功耗。“如今，讨论的焦点是数据中心对功耗的意外影响，这已经超出了与手机和电池续航相关的预测。”Ansys总监Rich Goldman表示，“讨论表明，人们的注意力转向了数据中心巨大的电力需求，以及新建核电站以满足这些需求的潜在必要性。”
这将对为数据中心设计的芯片和供应链产生重大影响。“大型IP供应商悄悄进入小芯片（Chiplet）的销售市场，并向上游进军销售硅片的传闻已经开始传播。”Quadric首席营销官Steve Roddy表示，“2025年很可能是一家或多家IP供应商正式宣布进军Chiplet市场的一年。如果Chiplet成功将SoC分解为系统级的Chiplet，我们可以期待看到CPU子系统Chiplet、连接Chiplet、GPU处理Chiplet和AI/ML子系统Chiplet。最有可能率先参与这一演变的细分市场是大数据中心计算细分市场。该细分市场的大型半导体公司已经开始出货封闭的专有Chiplet系统。随着UCle等标准化工作取得进展，我们将首先在数据中心看到其对IP供应商的影响，随后在汽车等销量更大的细分市场，并最终在未来几年影响移动手机等领域。”
虽然数据中心整合一直在进行，但这种情况可能会改变。Ampere Computing首席产品官Jeff Wittich表示：“部署灵活性变得至关重要。随着人工智能工作负载扩展到不同的环境（本地、边缘和隔离托管设施），低延迟应用将要求基础设施更靠近用户，部署在现有的数据中心和PoP（接入点）中。此外，推理不再是独立的工作负载。支持检索增强型生成（RAG）和应用程序集成等任务将需要强大的通用计算能力以及人工智能专用资源，强调效率和可扩展性。”
我们还可能看到量子成为商业计算平台。“光子学之后的最后一个前沿是量子计算。”Keysight（是德科技）的Kamdar说，“这是一个令人兴奋的研究领域，我们已经拥有可以处理一千多个量子比特的量子计算机。随着研究和创新的步伐前进，拥有一万个量子比特的量子计算机只需几年时间。量子研究将扩展到更多国家/地区，尤其是亚洲，因为没有哪个地区愿意将计算优势拱手让给另一个地区。”
人工智能驱动
过去几年，许多工具都因AI而得到增强，但迄今为止，很少有工具或方法被AI从根本上改变。这种情况很可能在2025年发生变化。
“我们可以看到人工智能嵌入到诸如布局、布线和优化等工具中，”Arteris产品管理和营销副总裁Andy Nightingale表示。“这将减少手动迭代。我们还可以期待看到生成式人工智能在设计探索、系统架构建议和管理IP重用方面的初步采用。在验证过程中，人工智能将优先进行边缘案例测试，加速漏洞检测，并分析大型数据集，以进行功能和形式验证。”
2025年很可能是人工智能代理之年。“高度专业化的人工智能代理可以聚集在一起，分析涵盖软件架构、工作负载、制造规则、数据流、时间和其他参数的大量信息，”Synopsys GenAI中心杰出架构师兼执行董事Stelios Diamantidis表示。“这种人工智能之间的协作将有助于识别以前未见过的模式和相关性，为持续存在的挑战开发新的解决方案，并为优化芯片设计和性能提供详细的建议。”
AI也可能扩展到更多工具领域。“在工程和设计领域，AI/ML解决方案将从数字转向模拟，对射频/模拟设计师产生更大的影响，”Kamdar说。“生成式AI将影响设计界，基于ML的综合解决方案将有助于创造新颖独特的设计。企业将聘请数据专家并指派首席数据官专注于推动所有AI/ML工作的动力——数据。由于AI/ML的进步，对生产力的影响将在所有功能中得到改善。”
聊天机器人已被证明能提高设计人员的工作效率。“虽然过去的一年主要关注聊天机器人的使用案例，主要使用公共数据，但未来在于将生成式人工智能应用于私有、安全的数据集，以创造更有价值的工具，”Ampere的Wittich说。“金融、保险和电子商务等行业的企业将采用这些技术，从专有数据中提取有意义的见解。”
这将开始成为一个竞争差异化因素。Altair电子设计和仿真高级副总裁Sarmad Khemmoro表示：“创新速度是成功的秘诀。随着市场对人工智能芯片的需求持续激增，半导体公司将意识到新兴技术在设计过程中发挥的关键作用。通过将人工智能与仿真软件相结合，工程师可以用比传统方法快1000倍速度测试新概念并做出设计决策，从而大大加快产品上市时间并降低成本。这种方法对于更高效地生产高性能芯片并在快速发展的半导体行业中保持竞争力至关重要。”
然而，许可方式需要改变。Driver联合创始人兼首席执行官Adam Tilton表示：“企业将以两种截然不同的方式部署人工智能，一种是通过结构良好的输出自动执行高度受限的任务，另一种是为开放式任务提供协作工具，两者都旨在提高员工效率。”然而，定价模式将反映这些不同的用例，结构化输出的定价基于消费，而协作工具的定价基于每个席位。”
人们常说数据是新的石油，但业界才刚刚开始意识到，保存和保护数据比储存石油更困难。数据必须不断验证和清理。“人工智能代理的不断发展强化了透明度的必要性，”Synopsys的Diamantidis说。“换句话说，我们需要清楚地了解每个人工智能代理。它们是如何开发和训练的？它们的运营目标是什么？它们如何与其他人工智能代理交互？它们利用了哪些数据集？”
数据主权和安全将极大地影响2025年的AI部署战略。“企业越来越意识到其专有数据集的价值，将其视为竞争资产，”Wittich说。“这种转变意味着AI推理工作负载不仅在公共超大规模云上运行，而且还在更安全的环境中运行，例如私有云、本地数据中心或私人托管设施。数据泄露和篡改AI算法的风险凸显了对安全、隔离基础设施的需求。随着企业在AI驱动的创新方面展开竞争，保护知识产权和敏感信息的能力将成为成功的基石。此外，这一趋势将扩大企业拥有的计算资源的作用，创造一个更加分散且安全的AI生态系统。”
当工具和数据来自不同的地方时，就需要创造性的解决方案。Cadence系统验证组产品营销总监Paul Graykowski表示：“EDA供应商一直在寻找训练模型和隔离专有数据的最佳方法。解决方案即将出现。虽然我们现在还看不到由GenAI设计和验证的复杂SoC，但一些更普通的文档、编码模板和自动化脚本工作即将出现。AI技术将成为验证下一代芯片所需的倍增器。”
如今，人们很少考虑使用人工智能的成本效益。Driver的Tilton表示：“公司将通过构建人工智能产品而不是仅仅通过包装LLM来取得成功。”“这意味着混合技术堆栈包括传统软件处理、算法，以及有针对性地使用LLM。人工智能解决方案需要展示具体的指标，例如成本节约、生产力提高或收入增长，以证明其实施成本的合理性。”
NPU（神经网络处理器）也将经历大洗牌。Quadric的Roddy表示：“在1998年至2001年的繁荣时期，我们看到行业中出现了50多种不同的RISC CPU架构和25多种DSP架构。就像观看一部关于物种数量繁荣和不可避免衰退的自然纪录片一样，NPU的过度繁殖也会导致种类数量减少。那些认为构建矩阵加速器是一种差异化手段的公司将逐渐认识到，授权IP模块比重新发明现成的东西更便宜、更好。竞争的现实是，市场无法维持10到15家授权公司。我们已经在2024年看到这一领域的峰值，许多较弱的NPU IP公司已经倒闭。随着公司关闭内部NPU项目开发，即使交易量增加，这种趋势也会在2025年加速。”
物理限制
在过去，技术和设计的自由度相对较高，物理条件对设计的限制较少。现在许多设计都面临着掩模版尺寸极限，尽管功耗长期以来一直是需要考虑的因素，但散热现在正成为许多设计的限制因素。
Ansys的Swinnen表示：“功耗始终是一个软性目标。设计必须满足一定的频率，如果达不到，那么你就得回去推迟产品发布，直到满足该频率。但功耗一直是‘我们尽力而为’的问题。现在，它正在变成‘你必须针对功耗而设计’。你不能将一个功耗很大的设计变成低功耗设计。这必须是你从一开始就要做的事情。公司很早就开始考虑散热问题，他们将其视为设计的核心限制上限。为此，原型开发变得非常重要。当我们首次开始涉足3D-IC市场时，这让我们感到很意外。”
它需要新型工具。“这是一个电热协同设计问题，”Arteris的Nightingale说。“它需要能够解决功耗、散热和结构力学协同仿真的工具。这对于管理堆叠架构中的散热和功耗传输尤其重要。在极端情况下，它需要将实时热仿真与设计和验证工作流程集成在一起，重点关注紧凑和主动散热解决方案。”
数据中心人工智能对电力的无尽需求给电网和地理电力限制带来了压力。“为了避免在短期内启用新的不可再生能源或延长其使用寿命，硬件优化将在降低电力需求方面发挥关键作用，”Wittich说。“用现代高效处理器取代老旧的、耗电的系统可以大幅减少能源消耗，使现有基础设施更加可持续。这种效率转变对于平衡对更多能源的需求与负责任的环境管理至关重要。”
3D-IC技术（包括2.5D）已经在解决其中一些问题。“Chiplet和3D-IC解决方案将变得更加主流，”Kamdar说。“你可以期待更多封装公司加入Chiplet生态系统，并帮助标准化设计和协作的许多方面。包括异构集成（HI）在内的先进封装技术将为系统公司带来技术和业务优势，这将继续吸引该领域的投资。创建3D-IC/HI设计的设计解决方案将日趋成熟，系统设计人员将能够更轻松地进行前期设计和权衡。”
这可能会对IP市场产生重大影响。Quadric的Roddy说：“Synopsys和Cadence在物理IP领域占据市场主导地位。这源于将复杂的高速模拟接口移植到每个晶圆厂的每个新工艺变体上的工程密集型特性。但是当Chiplet成为主流时会发生什么？SoC设计团队不再需要在同一工艺中处理所有IO。如果您可以利用Chiplet和3D-IC封装在5nm Chiplet中使用现有的接口IP，那么移植所有物理IP的必要性就会大大减少。随着越来越多的IP被重新使用，现有的物理IP玩家可能会看到许可收入的上升，但对一次性工程（NRE）移植费用的需求会减少。新的物理IP供应商将更有信心进入市场，因为他们知道自己的工作成果可以有更长的使用寿命。预计在2025年不会看到前三名的排名发生变化，但2025年将为未来的变革播下种子。”
EDA领域的新变化
新的技术节点将继续增加设计压力。Atomera先进逻辑节点和电源业务负责人Shawn Thomas表示：“对于高度缩放的晶体管，例如2nm节点，随机掺杂波动等效应会对晶体管的特性（例如Vt或迁移率）产生很大影响。Vt的变化会导致开关速度的差异，这在GAA（环绕栅极）结构中这种差异会被放大。GAA晶体管中的每个通道可能具有不同的Vt，这种差异会聚合到整个器件的Vt中。这导致电路级的失配增加，并缩小电路设计人员可以使用的设计裕度。Vt的变化还会增加晶体管的漏电，从而增加晶体管和后续电路元件的关闭状态功耗。”
先进封装技术需要新工具。“封装技术需要大变革，”Ansys的Swinnen说。“组装多个芯片和进行键合的方法有无数种，但并非所有方法都有足够的投资来实现全面生产。推动这一趋势的原因是每个人都希望能够销售Chiplet，每个从事3D工作的人都需要Chiplet，因此标准化的推动力很强。整个行业都在努力确保为此制定标准。实现这一目标需要一年多的时间，但之后你就会看到该领域的进步。”
在标准制定过程中，合作变得至关重要。Altair的Khemmoro表示：“半导体公司将越来越重视与系统公司建立牢固的合作伙伴关系。这些合作至关重要，因为许多芯片制造商并不完全了解其产品是如何集成到最终设备中的。未来几年，这种团队合作将变得更加重要，尤其是当系统设计师面临着创造更小、更高效产品的持续压力时。紧跟这些变化并做出相应的调整对于保持竞争力和推动创新至关重要。”
在EDA中，与AI相关的很多话题都集中在验证领域。Cadence的Graykowski表示：“过去几年，我们看到AI在验证领域取得了许多进展，这有助于优化回归测试并缩小调试验证失败的范围。由于业界有时间对这些解决方案进行原型设计和改进，我预计我们将获得更优化的功能集，并看到更多采用者将这项技术引入主流验证流程。明年最有可能取得最大进步的领域不仅仅是回归优化，还包括帮助填补覆盖率缺口，并在更短的时间内发现更多漏洞。自动化流程在分类和缩小调试范围以及确定可能的故障源方面具有很大的潜力。验证工程师将利用该技术筛选大量数据，使他们能够跟上当今设计规模的步伐。预计GenAI将在明年得到更多应用。”
AI还将增强设计流程。
“印刷电路板（PCB）设计需要多种学科和技能，”Khemmoro说。“因此，越来越多的公司开始在整个工作流程中采用自动化，从初始需求和逻辑设计到制造和组装。通过在设计过程中将AI与仿真相结合，可以加速设计决策，并显著缩短开发周期。为了进一步增强这一过程，现在在汽车、航空航天和国防等产品寿命较长的行业正在部署监测系统，以跟踪PCB实际性能，并对组件进行降额处理，将潜在问题直接传达给开发团队。然后可以将这些见解纳入PCB设计流程，以提高效率和可靠性。”
设计团队必须涵盖越来越多的学科。“许多设计的范围正在扩大，这意味着仿真也必须扩展到涵盖光学、流体和机械效应，特别是在复杂封装中，”Arteris的Nightingale表示。“一些市场增加了其他要求，例如检测硬件级安全性的新方法，包括加密验证和抗攻击能力，以及芯片级符合ISO 21434网络安全风险管理标准。而可靠性则需要针对老化、电迁移和其他长期故障模式的预测工具。”
结论
总体而言，这些领域仅是2025年行业巨变的冰山一角。部分技术的原型化进程及其在行业中的扩散速度正在显著加快，这一趋势前所未有，凸显了保持技术领先的至关重要性。整个行业正经历一场深刻的变革浪潮。（校对/孙乐）
文章来源：https://semiengineering.com/2025-so-many-possibilities/
