Siemens EDA以生成式AI技术 解决芯片设计最后一里的需求 智能应用 影音
D Book
236
Digikey microsite
member

Siemens EDA以生成式AI技术 解决芯片设计最后一里的需求

  • 吴冠仪台北

西门子EDA部门负责AI/ML创新的资深经理Dan Yu。DIGITIMES摄
西门子EDA部门负责AI/ML创新的资深经理Dan Yu。DIGITIMES摄

芯片设计验证技术领域的DVCon Taiwan 2025高峰论坛日前在新竹青草湖畔的烟波饭店隆重举行,这是第三次在台湾招开的年度盛会,聚焦于人工智能与机器学习(AI/ML)技术在DV(Design Verification)设计验证领域上的快速发展,尤其在生成式人工智能(Gen AI)与代理式AI(Agentic AI)技术正引爆新一波在EDA领域的创新应用之际,这个DVCon高峰论坛提供深入的技术交流与经验分享,深具启发的意义。

相较于大型芯片设计与验证的挑战以指数型的成长幅度不断水涨船高,芯片设计产业面对设计人才的短缺的重大短版,而善用AI技术成为一个万众瞩目的解方,EDA解决方案大厂西门子工业软件旗下Siemens EDA部门在2025年6月间一举推出系列AI驱动的解决方案上市,当中在DV领域的产品线则以Questa One智能验证软件产品组合成为亮点。

西门子EDA部门负责AI/ML创新的资深经理Dan Yu先生在这次DVCon Taiwan会场接受专访,他是西门子EDA的DVT(设计验证技术)部门中专责探究AI技术应用与未来的发展,主要着眼于利用数据科学在即有的EDA产品线中找寻最佳化的解决方案,同时也从不间断的客户需求中,找寻帮助产业界导入AI应用的终南捷径。

Questa One智能验证软件产品组合激励验证流程生产力快速提升

Siemens EDA推出Questa One产品线,一共包含Questa One Sim、Questa One Stimulus Free Verification、Questa One Verification IQ与Questa One Avery Verification IP等重要的产品,其将连接性、数据驱动方法、可扩充性与AI技术相结合,突破传统IC电路验证流程的限制,协助DV工程团队提高工作效率,整合AI/ML技术驱动自动化、预测分析与工作流程无缝接轨能力,更大幅加速芯片设计验证流程,快速提升生产力的解决方案。

Yu的另一个工作重心是以客户的角度出发,利用生成式AI技术解决客户的最后一里的问题,产业界对AI的导入有不同的声音,这次在DVCon Taiwan 2025中也听到两个主要的疑虑,首先就是DV工程师(人类)加上AI工具的组合团队在技术与流程上的磨合,其次就是文化上的挑战,DV领域过去对于基于设计规则为主的验证流程相比,客户对于AI的黑箱似的逻辑与不透明的程序,许多IC设计公司仍处于花时间在小心翼翼地确认阶段中沉浮。

Yu在DVCon Taiwan 2025专题座谈特别提醒现场与会者,对于AI所需要的数据来源的重要性,除了数据来源的法遵要求之外,因为训练生成式AI做为设计验证的数据集或是硬件的程序码非常稀有,只能从内部历史数据获得,再者这个数据要能够让其他AI工具来串联使用,所以数据打通的工作成为重中之重的关键。

目前这些不同EDA工具将数据分开存放在不同的独立空间(Data Silo)里,这些EDA产业长达数十年累积的数据集格式互异、定义不同,克服数据整合是关键挑战,西门子目前的计划是搭建一个系统平台,并暂时命名为EDA AI系统,一举这些数据孤岛加以串联与打通。

EDA AI系统平台诞生  为芯片设计的数码孪生预作铺路

目前西门子EDA产品面对需要支持从IP到系统单芯片(SoC)再到大型系统的大规模复杂设计的现实。Yu强调,要达成最后一里解方的使命,首先需要把所有的西门子旗下EDA产品加以串联,透过EDA AI系统平台让上一个DV流程所生成的AI内容,让下一个AI代理也能够理解,目前Questa One的内部已经整合这个数据平台的功能,但是下一个挑战在于进一步让Questa One向上整合其他的西门子EDA产品,例如让Questa One与Veloce可以对接合起来使用,而物理验证与签核可以接上Calibre的功能整合。

剖析EDA AI系统的内部,其将包含一个Data Lake架构,将存放西门子EDA的每一个产品的知识数据库,并提供API模块可以互相连结,再者,还进一步再串连到AI问答机器人,例如想要整合FPGA硬件模拟器工具时,透过这个平台就可以快速解决应用软件在这个新的芯片下执行的验证,让生成式AI与代理式AI都可以在这个平台上执行。

Yu揭露一个更大的Siemens EDA的下一个阶段的技术规划,也就是透过EDA AI系统整合上、下游设计规格数据后,再透过物理验证工具将实际Tape Out芯片的物理数据整合后,就可以发挥数码孪生技术的应用,举例来说,当做到从规格到实际制造芯片的模拟与比较时,一旦从后端流程中所看到的设计上的错误时,可以透过数码孪生技术看到设计规格上的Bug的原因,让芯片设计的流程有更大的创新突破。

Yu认为无论是生成式AI与代理式AI的发展都是产业界积极部署的AI产品线路图,虽然潜在的问题待解,但是AI能帮助EDA产业提供生产力的效益仍高度受到期待,AI工具可以帮助系统公司或是新创企业来开发芯片,尤其是一些后进者当自家芯片设计的团队还仍在兵荒马乱之际,使用AI工具可以加速整体设计流程,一旦掌握AI所擅长的快速迭代的设计流程,将可以进一步协助芯片设计与验证的效率,创造AI协助芯片设计做到更大的飞越的机会。

了解更多Siemens EDA如何以AI驱动电子设计的未来