DSO.ai热启动让AI芯片设计效率加倍 EDA+AI引领新纪元

来源：新思科技

1956年人工智能（AI）概念刚刚诞生时，哪怕是最富有想象力的预言家，恐怕也难以预料到2022年的AI已经能够击败全球顶尖围棋选手、精准预测天气、辅助疾病诊断，甚至悄然重塑着被誉为“工业粮食”的半导体行业。

半导体制造工艺持续演进，先进制程芯片单颗集成的晶体管数量动辄达到数百亿个，系统复杂性不断攀升，设计挑战也随之增加。但与此同时，终端应用的软件和算法迭代速度惊人，以月甚至年为更新周期的芯片越来越难以跟上需求——芯片设计周期必须加速缩短。

EDA工具与AI的深度融合，不仅能设计出PPA（性能、功耗、面积）更优的芯片，还能显著缩短设计周期。在实现“更好、更快、更便宜”芯片愿景的同时，也大幅降低了芯片设计的准入门槛，让更多企业和个人有能力设计自己所需的芯片——这对整个产业的影响深远。

2020年，新思科技推出了业界首款面向芯片设计的自主人工智能应用程序——DSO.ai (Design Space Optimization AI)。作为一款融合人工智能与推理引擎的解决方案，DSO.ai能够在芯片设计庞大的求解空间中高效搜索优化目标。

目前，全球顶级芯片设计公司——包括英特尔、联发科、三星、索尼、瑞萨电子等——均已采用DSO.ai。在不同工艺节点和多种类型的芯片设计中，普遍实现了4～5倍甚至更高的效率提升。

一经试用便让芯片公司爱不释手的DSO.ai，手中还握有一项“热启动”的独门绝技。

各类芯片，均可通过AI完成设计

将AI技术与EDA工具相结合，存在两大核心价值：一是让EDA更加智能，减少重复繁杂的工作，帮助使用者在相同甚至更短的时间内设计出PPA更优的芯片；二是大幅降低使用门槛，缓解芯片设计人才短缺的难题。

DSO.ai的智能体现在：在庞大的芯片设计解决方案空间中，它借助强化学习来搜索优化目标，在功耗、性能和面积之间取得最佳平衡。

无论是x86架构、Arm架构还是传感器，无论是最先进还是成熟工艺，都可以借助DSO.ai实现PPA的提升，同时缩短设计周期。

当然，实际应用中，不同开发者的优化目标千差万别：手机芯片开发者更关注CPU功耗优化，图像传感器开发者则倾向于缩短设计周期、加速产品上市。DSO.ai能够灵活应对这些差异化需求，带来数倍的效率提升。

DSO.ai之所以在不同工艺节点和技术架构中都能实现显著的效率提升，核心在于新思科技在EDA领域多年积累的行业经验，再借助AI的自动化学习能力和底层算力，将那些需要开发者一遍遍尝试的重复繁琐工作，交给AI快速探索数以万亿计的设计方案，找到最优解——因此具备普遍的适用性。

第二大核心价值，是帮助传统芯片设计公司应对人才短缺挑战，并大幅降低芯片设计门槛。

在数字化转型趋势下，大型系统级公司纷纷开始自研芯片，通过定制芯片优化应用或工作负载。但它们往往缺乏芯片设计经验以及经验丰富的设计人才。DSO.ai能够完美解决这一痛点。

借助DSO.ai，一名仅有几年工作经验的开发者，也能达到多年经验资深设计师的设计水准。

这两大优势，使得几乎所有类型的芯片设计公司都能从中受益——典型代表就是通用芯片公司和系统级公司这两大类。

对于通用芯片公司，DSO.ai的目标是通过仿真验证、快速原型等更快速、更易用的工具，让芯片在正式制造前就能模拟出实际性能和功耗表现，从而节约成本与周期。对于系统级公司，DSO.ai则借助各种IP模块和设计工具，帮助它们解决芯片架构与工艺的选择难题。

数量级性能提升，准入门槛大幅降低

DSO.ai的出现，在某种程度上得益于云计算的普及——它需要强大的算力支撑。新思科技也与云服务提供商合作，提供DSO.ai解决方案。

当然，云计算普及并非一蹴而就，DSO.ai在芯片设计公司眼中也是新生事物。起初，顶级芯片设计公司对DSO.ai的态度还比较谨慎，但经过测试后发现：PPA大幅提升的同时还能缩短设计周期。很快，DSO.ai便获得了全球顶尖芯片设计公司的认可。

英特尔、联发科、三星、索尼和瑞萨电子，都是典型的成功案例。

英特尔发现，面对优化高性能芯片PPA并缩短设计周期的目标，存在诸多关键挑战需要解决：设计尺寸大、运行时间长，从RTL到GDS的收敛循环更长，最后阶段执行多个手动ECO延长了设计关闭时间，跨多个设计向量优化PPA增加了实验数量等。

在实际案例中，英特尔采用DSO.ai技术优化芯片设计周期和PPA，实现了设计时间结果质量提升约40%，运行时间加速约20%。英特尔将DSO.ai集成到区块布局布线（PnR）流程后，不仅缩短了芯片设计周期、实现了最佳PPA，还减少了人工/ECO收敛工作中的波动，并能及时向RTL所有者反馈以修复严重违反时间路径的问题。

这个例子也充分说明了DSO.ai易于定制的特性：可以解决时序或功耗挑战，通过创建布局指标帮助缓解拥塞点，以及限制库单元数量。

联发科和三星也采用了DSO.ai技术，提高先进制程Arm架构移动CPU的性能和功耗。在三星的案例中，DSO.ai被成功应用于开发Voptz和Ftarget优化应用程序，通过自动探索大量电压（V）/目标频率（F）空间，找出最高基准分数和最长电池时间的最佳组合。DSO.ai的强化学习模型会分析先前运行中的选择，自动学习并生成更优的组合。

结果显示，在三星4nm Arm Big CPU的实验中，相同工作电压下，DSO.ai实现了频率提升13%～80%；相同工作频率下，最高可将功耗降低25%。

三星的实践充分展示了AI驱动的解决方案能够有效提高生产力，帮助开发者输出高质量的结果。

与设计CPU不同，索尼在设计传感器时需要在最短时间内满足各种终端需求，同样要求缩短设计周期、提高结果质量（PPA）。

索尼也在设计传感器过程中顺利采用DSO.ai，验证了其卓越性能——与资深工程师手动操作相比，DSO.ai实现最佳结果仅需1/4的设计周期、1/5的设计工作量，并成功将功耗降低了3%，进一步提升了设计结果质量。

索尼还发现，与冷启动相比，热启动具备显著优势：仅需1/2周期，减少1/3的工作量。

热启动，正是新思科技DSO.ai的核心绝技。

热启动——DSO.ai的独门绝技

之所以称之为绝技，是因为目前业界集成AI的EDA工具中，只有新思科技的DSO.ai提供了热启动模式。

众所周知，AI技术需要利用大量计算资源模拟人脑的神经思考过程，而计算资源不足往往限制了AI在高端应用或大型企业中的部署。DSO.ai能够将每一次运行的学习经验保存到训练数据库中，之后利用这些训练数据提高设计探索效率，减少执行时间并降低对计算资源的需求。

DSO.ai包含热启动与冷启动两种模式。

冷启动是指无训练数据的模式，需要执行并创建训练数据，选择使用自身的“未训练”抽样来分配第一个参数。新设计引入DSO.ai时均从冷启动开始，需要执行大量训练工作，且必须在同一流程中多次执行。

热启动模式则是将“冷/热启动”的结果用作一个进程的模式，在有训练数据的情况下自动学习，以寻求最优解。热启动的显著优势是减少工作量、缩短周期，同时降低对算力的要求。

英特尔在实践中发现，有了热启动模式，能够用更少的工程师实现更好的设计结果。联发科也体会到，如果了解设计的参数并实现了PPA提升，可以利用热启动提高生产力，进而也能实现复杂的计算和决策。

新思科技之所以能率先在业界推出热启动模式，与其早在五六年前就组建AI团队研发相关项目密不可分。

不仅如此，新思科技还在尝试将热启动模式前移，即通过与IP提供商合作，面向共同客户进行针对性优化，进一步提升DSO.ai的效率。

新思科技正持续提升DSO.ai的性能，例如改进易用性、增强智能化能力（冷热模式自动切换）、进一步扩大适用性——这些也正是客户所期待的。DSO.ai正在被越来越多的芯片设计公司采用，新思科技也正在将AI与EDA的融合从数字芯片逻辑设计扩展到验证环节。

未来，从芯片的架构设计、制造到封装的全流程，都将融入AI技术。新思科技作为拥有芯片设计全流程工具的企业，更容易让AI贯穿整个过程，带来更加显著的整体提升——芯片行业深刻的变革，已经拉开序幕。

我们正在迎来突破性的芯片设计新时代。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：DSO.ai热启动让AI芯片设计效率加倍 EDA+AI引领新纪元要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题