（本文編譯自Semiconductor Engineering）

由于芯片復(fù)雜度不斷提升，芯片制造商從單片芯片轉(zhuǎn)向多芯片組件，需要進行更多次迭代，而且定制化程度不斷提高使得設(shè)計和驗證工作更加耗時，因此芯片首次流片成功率正急劇下降。

一項新的功能驗證調(diào)查中的細節(jié)凸顯出，開發(fā)既具備功能性又可靠的先進芯片，難度日益增大。在許多情況下，這些芯片尺寸比光罩大小的SoC更大，并且它們集成了多種組件和布線方案，這可能會降低其穩(wěn)定性。因此，它們需要進行更多的優(yōu)化和更多次的迭代。

這些芯片集成了更多邏輯電路，其中一些是在不同的工藝節(jié)點上開發(fā)的。它們擁有更多SRAM和更多互連線路，而這兩者的發(fā)展速度都與邏輯電路的發(fā)展速度不一致。此外，它們需要更多軟件支持，就大預(yù)言模型（LLM）和其他AI算法而言，軟件的發(fā)展速度比硬件要快得多。它們還需要復(fù)雜的散熱技術(shù)、新材料、經(jīng)過高度工程化和定制化的封裝，以及更精確的、與工作負載相關(guān)的模型。更糟糕的是，它們需要的驗證比計劃允許的要多。

所有這些因素的綜合影響在最新數(shù)據(jù)中得到了證實。西門子EDA首席驗證科學家Harry Foster表示：“整個行業(yè)在實現(xiàn)首次流片成功方面已處于有史以來最低點。從歷史上看，成功率一直在30%左右。兩年前，從2023年到2024年間，這一比例下降到24%。現(xiàn)在下降至14%。這是一個數(shù)據(jù)點。另一個數(shù)據(jù)點是，從歷史上看，我們發(fā)現(xiàn)大約三分之二的項目會延期，現(xiàn)在，項目延期的比例已經(jīng)上升到75%。”

圖1：功能正確且可制造的設(shè)計數(shù)量正在下降。

（圖源：西門子EDA/Wilson研究小組2024年功能驗證研究/DVCon）

在日益復(fù)雜和多層的設(shè)計流程中，每一步都需要提高生產(chǎn)效率。通常，這意味著要雇傭更多的工程師。而且現(xiàn)在工程師所需接受的廣泛培訓遠遠超出了過去的要求，所以這是不太現(xiàn)實的。這就是為什么EDA供應(yīng)商如此專注于將AI融入到他們的工具中，基本上是通過強化學習來將相關(guān)知識進行編碼。但這種轉(zhuǎn)變?nèi)孕钑r間。

“我們的做法沒有起到作用，”Foster表示，“我們需要大幅提高生產(chǎn)效率，但這并不是很多人喜歡談?wù)摰闹笜耍驗樗茈y衡量。相對容易說的是，‘這個比那個快10%’。此外，許多公司缺乏制造非常復(fù)雜芯片的技能，或者這對他們來說是新領(lǐng)域。在1990年代后期，每個人都在談?wù)撋a(chǎn)效率差距。現(xiàn)在這是生產(chǎn)效率差距2.0版本。現(xiàn)在的問題與20年前不同，但也有一些共同的主題。我們需要從孤立的工具集轉(zhuǎn)向更加互聯(lián)和集成的工具集。”

圖2：復(fù)雜度增加，加上生產(chǎn)效率差距，導致芯片的制造時間變慢。

（圖源：西門子EDA/Wilson研究小組/DVCon）

然而，生產(chǎn)效率問題不能完全歸咎于復(fù)雜度。即便主流芯片制造商生產(chǎn)芯片的速度也比過去更快。

Cadence驗證軟件高級集團總監(jiān)Matt Graham表示。“之前我們似乎都對首次流片成功有著某種程度的擔憂。但在過去的一年到一年半里，突然間每個人都在制造更多的芯片。即使是那些不以消費市場為中心的公司，比如那些為測試人員制造芯片的公司，現(xiàn)在對芯片數(shù)量的需求也達到了原來的四倍。他們從每18個月生產(chǎn)一款芯片，發(fā)展到現(xiàn)在每年生產(chǎn)四到五款芯片。這是因為一切都突然變得更加專業(yè)化了。”

這種情況經(jīng)常發(fā)生在重大技術(shù)變革時期，因為此時工藝、工具和標準都需要跟上變革的步伐。“我們經(jīng)常從更專業(yè)化走向更通用化，然后再回到專業(yè)化，我們似乎處于那些特定應(yīng)用的周期之一，”Graham表示，“這導致每個人生產(chǎn)的芯片數(shù)量增加了四到五倍，但卻沒有人增加相應(yīng)的人手來完成四倍數(shù)量的芯片流片工作。如果你處于技術(shù)前沿，擁有3D-IC或基于小芯片的設(shè)計，其中一個晶圓可能需要稍微改進一下。”

在前沿技術(shù)領(lǐng)域，變化深刻且繁多，有時還因設(shè)計而異，因此很難找出問題所在。很多這樣的設(shè)計都是為大型系統(tǒng)供應(yīng)商內(nèi)部使用而專門定制的，這些供應(yīng)商試圖為特定的應(yīng)用或數(shù)據(jù)類型突破性能極限。在這種情況下，重新流片的成本是預(yù)算過程的一部分，這也讓相關(guān)數(shù)據(jù)變得有些模糊。

新思科技系統(tǒng)設(shè)計集團戰(zhàn)略項目和系統(tǒng)解決方案執(zhí)行總監(jiān)Frank Schirrmeister表示：“對于重新流片的情況，邏輯功能仍然是最突出的問題。根據(jù)西門子EDA/Wilson研究集團的調(diào)查顯示，70%的重新流片是由于規(guī)格變更而導致的設(shè)計錯誤。這意味著有人誤解了規(guī)格要求并敲響了警鐘，因此50%的設(shè)計會進行第二輪設(shè)計。一些大型芯片制造商實際上計劃進行多達四次重新流片。所以歸根結(jié)底，這只是復(fù)雜度的問題。”

這也為EDA公司創(chuàng)造了巨大的潛在機會，特別是那些將某種類型的AI融入其工具和設(shè)計流程的公司。

“在生成式人工智能中，你有一個‘副駕駛’來協(xié)助和創(chuàng)作，”新思科技首席執(zhí)行官Sassine Ghazi在新思科技用戶大會的主題演講中表示。“借助我們與Microsoft合作開發(fā)的‘副駕駛’技術(shù)，你擁有了一個工作流程助手、知識助手和調(diào)試助手。你可以以更快的方式培養(yǎng)一名初級工程師和專家工程師。他們可以以更現(xiàn)代化、更有效、更高效的方式與我們的產(chǎn)品交互。然后就是創(chuàng)造性部分。我們與客戶很早就展開了合作，從RTL代碼生成、測試臺生成到測試斷言等方面，你可以擁有一個‘副駕駛’來幫助你創(chuàng)建RTL的一部分、測試臺文檔和測試斷言。”

在某些情況下，生產(chǎn)效率已經(jīng)從過去需要數(shù)天時間縮短到現(xiàn)在只需幾分鐘。但隨著智能代理式人工智能的推出，最大的好處還在后面，它從根本上提高了整個設(shè)計和驗證流程的抽象層次。

“隨著人工智能的不斷發(fā)展，工作流程也將隨之改變，”Ghazi說道，“我們的利益相關(guān)者經(jīng)常問我，我們何時才能看到人工智能給EDA市場帶來變化。我認為，除非工作流程發(fā)生變化，否則這種情況不會發(fā)生。只有當你能夠以截然不同的方式去做某些事情，從而以更快、更有效、更高效的方式交付產(chǎn)品時，才會看到變化。現(xiàn)在，在智能代理式人工智能時代，代理工程師將與人類工程師協(xié)作，以應(yīng)對這種復(fù)雜性并改變工作流程。”

圖3：從生成式AI到代理式AI的演變。

（圖源：新思科技）

抽象問題

工程師在進行先進設(shè)計時面臨的一些最大挑戰(zhàn)在于理解設(shè)計中數(shù)百甚至數(shù)千個不同元素之間的依存關(guān)系。過去，其中一個關(guān)鍵的解決手段是實現(xiàn)硬件與軟件更緊密的集成。如今的協(xié)同設(shè)計可能包括數(shù)十甚至數(shù)百個需要獨立工作、有時需要協(xié)同工作的小芯片。為了理解所有可能的相互作用，需要進行多物理場模擬，而不僅僅是硬件與軟件的協(xié)同設(shè)計，并且協(xié)同設(shè)計現(xiàn)在還包括各種類型的互連、封裝、光子學，在某些情況下還包括更大規(guī)模的系統(tǒng)體系。

此外，所有設(shè)計都需要具備可測試性（DFT）、可制造性（DFM），并要有足夠的良品率（DFY），并且還需要有足夠的內(nèi)部控制，以防止過熱。如果運行過熱且老化速度比預(yù)期的要快，則需要有重新路由信號的機制，這主要是由軟件驅(qū)動的。

“在驗證領(lǐng)域，我們看到軟件正越來越多地成為完整解決方案的一部分，”Cadence的Graham說道，“這不僅僅是‘我們要制造一個芯片’。現(xiàn)在的芯片是特定用途的芯片。芯片的終端市場和最終應(yīng)用場景是明確的。運行于芯片上的軟件堆棧是已知的，機并且對于要搭載芯片的機器人、汽車或其他設(shè)備也有清晰的認識。而且我們需要從各個方面來考慮這些因素，我們需要考慮軟件驗證、芯片制造前的驗證，甚至可能在將其放入仿真器或原型平臺之前，就需要加快軟件方面的工作。”

一開始，到底有多少功能應(yīng)歸入軟件設(shè)計，又有多少應(yīng)歸入硬件設(shè)計，并不總是很明確。在復(fù)雜的設(shè)計中，微調(diào)這兩者之間的平衡是一個耗時的過程，很容易導致多次重新設(shè)計。

“軟件引入了大量的功能和特性，”Axiomise首席執(zhí)行官Ashish Darbari表示，“如果硬件團隊不完全了解這些功能特性，尤其是驗證團隊不了解的話，那么在測試內(nèi)容與定義及規(guī)劃的內(nèi)容之間就會存在很大的差距。這正是許多錯誤被遺漏的原因。我們進行所有這些虛擬原型設(shè)計，并盡早啟動軟件測試，以獲得一萬或十萬個模擬向量。但是，誰會關(guān)注邊界條件的呢？在一個又一個項目中，我們在最初的兩三周就發(fā)現(xiàn)所有這些錯誤案例問題，因為設(shè)計師已經(jīng)沒有時間了。”

新市場，不同的關(guān)注點

這些問題遠遠超出了功能驗證和調(diào)試的范疇，而在芯片制造之前，功能驗證和調(diào)試一直占據(jù)著芯片開發(fā)時間和資源的絕大部分。在汽車、軍事/航空等安全關(guān)鍵型應(yīng)用中采用更復(fù)雜的芯片，對設(shè)計提出了全新的要求。過去，這些市場都不允許使用先進制程的芯片，因為它們被認為不可靠。但隨著來自中國比亞迪和蔚來等初創(chuàng)公司，以及美國Rivian和Lucid等電動汽車初創(chuàng)公司的競爭日益激烈，老牌汽車制造商正爭相將更多功能轉(zhuǎn)移到軟件上。而這只有使用更先進的芯片和高度定制化的封裝才能實現(xiàn)，并且隨著汽車制造商朝著更高水平的自動化水平邁進，這將變得越來越必要。

在這些系統(tǒng)中，安全性是一項必備要求，但任何系統(tǒng)出現(xiàn)故障都會增加安全漏洞。因此，芯片的設(shè)計需要考慮更多極端情況，從炎熱氣候下的環(huán)境熱量導致的加速老化，到真實道路狀況等。雖然其中大部分情況可以通過模擬來測試，但芯片也需要進行道路測試。如果某些問題無法通過軟件充分解決，芯片就需要重新設(shè)計。

“功能驗證會耗費你大部分時間，”Axiomise的Darbari表示，“但簡單的功耗優(yōu)化，比如將‘無關(guān)項’（X）引入設(shè)計中，很容易使某個模塊容易受到特洛伊木馬的攻擊，因為這些X現(xiàn)在在執(zhí)行框架中提供了選擇。所以在芯片中，一個X實際上要么是0要么是1。你實際上看不到X，但從模擬和行為的角度來看，這些X現(xiàn)在為終端用戶增加了綜合選擇，使他們能夠使用你不應(yīng)該訪問的設(shè)計區(qū)域。所以一方面，你要進行功能驗證。另一方面，從功耗的角度來看，這些X問題被引入，然后就產(chǎn)生了冗余區(qū)域。在安全方面，芯片上的區(qū)域越大，暴露的風險就越高。”

整合各個部分

芯片內(nèi)需要額外的芯片面積來容納更多的處理元件和更多功能，或者在某些類型的先進封裝中容納多個小芯片。但這也使得首次流片的成功變得更加困難。

“你要處理的加速器具有非常復(fù)雜的工作負載，”西門子的Foster表示，“這會在設(shè)計中引入許多非確定性，我們甚至不知道如何從語義上進行描述，因此驗證變得非常困難。其中一個挑戰(zhàn)是，我們構(gòu)建了許多以工具為中心的流程，而沒有考慮到優(yōu)化所有這些流程所需的反饋回路。未來，我們需要更多具有關(guān)聯(lián)性的流程。這樣我們才能利用人工智能。一個明顯的例子是，當我在進行可測試性設(shè)計（DFT）時，發(fā)現(xiàn)‘哎呀，我無法達到故障覆蓋率要求’。所以現(xiàn)在我需要手動返回到工具流程的早期階段。所有這些回路都需要閉合。但你要去哪里找到做這件事的人呢？”

根據(jù)EDA公司以及一些領(lǐng)先的代工廠和OSAT的說法，答案在于新的工具、方法論，可能還包括更嚴格的設(shè)計規(guī)則和更有限的封裝選擇。但現(xiàn)在判斷這一切最終會如何發(fā)展還為時過早。變化的速度比幾年前任何人預(yù)測的都要快得多，而數(shù)據(jù)就是證明。