1956年，人工智能（AI）概念刚刚萌芽之时，即便是最富想象力的预言家，恐怕也难以预见：到2022年，AI不仅能击败世界顶尖围棋棋手、精准预测天气、辅助疾病诊断，甚至已经开始深度重塑半导体这一“工业粮食”产业。

半导体制造工艺持续演进，先进制程下单片芯片集成的晶体管数量动辄高达数百亿颗，系统复杂度与设计挑战同步飙升。与此同时，终端应用的软件和算法正以月甚至周为单位加速迭代，传统以年计的芯片更新速度越发跟不上节奏，芯片设计周期亟待压缩。

将EDA工具与AI深度融合，既能设计出PPA（性能、功耗、面积）更优的芯片，也能大幅缩短设计周期。这不仅有望实现“更好、更快、更便宜”的芯片愿景，还能显著降低芯片设计门槛，让更多个人与企业有能力开发自己需要的芯片——这对整个芯片行业的影响可谓深远。

2020年，新思科技推出了业界首款专用于芯片设计的自主AI应用程序——DSO.ai（Design Space Optimization AI）。这一人工智能与推理引擎，能够在芯片设计的巨大求解空间中自动搜索并优化目标。

如今，英特尔、联发科、三星、索尼、瑞萨电子等全球顶级芯片设计公司均已采用DSO.ai。在不同工艺节点和多种类型的芯片设计中，设计效率普遍提升了4~5倍，甚至更高。

一经试用便赢得青睐的DSO.ai，还藏着一个“热启动”杀手锏。

各类芯片，皆可借助AI设计

将AI融入EDA工具，具有两大核心价值。第一，让EDA更智能，减少重复繁琐的操作，使工程师能用相同甚至更短时间设计出PPA更出色的芯片；第二，大幅降低使用门槛，有效缓解资深人才短缺的挑战。

DSO.ai的智能核心在于：它能在庞大的芯片设计解决方案空间中搜索优化目标，借助强化学习来优化功耗、性能与面积。

无论是x86架构、Arm架构还是传感器，无论是最先进工艺还是成熟工艺，DSO.ai都能实现PPA提升并缩短设计周期。当然，不同开发者的优化目标差异显著——手机芯片开发者侧重于CPU功耗优化，图像传感器开发者则更希望缩短上市周期——DSO.ai能够灵活应对这些差异化需求，并提供数倍于人工的效率飞跃。

DSO.ai之所以能在不同工艺节点与技术架构中普遍奏效，根本原因在于新思科技在EDA领域积累的多年经验。通过AI的自动化学习能力和底层算例，将以往需要工程师一遍遍手动尝试的重复工作，交由AI快速探索数以万亿计的设计方案，从而找到最优解。这决定了它具备广泛的适用性。

第二个核心价值是帮助传统芯片设计公司应对人才短缺难题，并大幅降低芯片设计门槛。在数字化转型浪潮下，大型系统级公司纷纷自研芯片，但往往缺乏丰富的芯片设计经验和资深人才。DSO.ai能完美应对这一困境——借助它，一名只有几年工作经验的开发者也能达到多年经验者的设计水准。

这两大优势将惠及几乎所有类型的芯片设计公司，典型的两大类是通用芯片公司和系统级客户。对通用芯片公司而言，DSO.ai的目标是通过仿真验证、快速原型等更快更易用的工具，让芯片在生产前就能模拟出实际性能与功耗表现，节约成本与周期；对系统级公司，DSO.ai通过IP模块和设计工具帮助它们解决芯片架构与工艺的选择问题。

性能数量级提升，门槛大幅降低

DSO.ai需要强大算力支撑，它的出现也得益于云计算的普及。新思科技通过与云服务商合作，提供DSO.ai解决方案。当然，正如云计算并非一夜普及一样，DSO.ai最初在芯片设计公司眼中也是新生事物。顶级公司起初态度谨慎，但在测试后发现，除了能获得PPA大幅提升，还能缩短设计周期，很快便赢得了广泛认可。

英特尔、联发科、三星、索尼、瑞萨电子都是典型案例。

英特尔面临诸多挑战：设计尺寸大、运行时间长，大尺寸设计的RTL到GDS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优化芯片设计周期和PPA，实现了设计结果质量提升约40%，运行时间加速约20%。通过将DSO.ai并入区块布局布线流程，缩短了芯片设计周期，减少了人工/ECO收敛中的扰动，并及时向RTL所有者反馈以修复严重违反时间路径的问题。英特尔的案例也充分说明DSO.ai易于定制，能很好地应对计时或功耗挑战，通过创建布局指标缓解拥塞点，以及应对库单元数量限制。

联发科和三星同样采用DSO.ai技术提升先进制程Arm架构移动CPU的性能和功耗。在三星的案例中，DSO.ai被成功用于开发Voptz和Ftarget优化应用程序，自动探索大量电压/目标频率空间，找出最高基准分数和最长电池时间的最佳组合。DSO.ai的强化学习模型通过分析之前运行中的选择，自动学习并生成更好的组合。结果显示，在4nm Arm Big CPU实验中，相同工作电压下频率提高13%~80%，相同工作频率下功耗最高降低25%。这充分展示了AI驱动解决方案能大幅提升生产力，助力开发者输出高质量结果。

与设计CPU不同，索尼在设计传感器时需要以最短时间满足各类终端需求，同样需要缩短设计周期、提高结果质量。索尼顺利采用DSO.ai并验证了其出色性能：与专家工程师人工操作相比，DSO.ai达成最佳结果仅需1/4的设计周期、1/5的设计工作量，并成功将功耗降低3%。索尼还发现，与冷启动相比，热启动具有显著优势——仅需1/2周期，并减少1/3的工作量。

热启动，正是新思科技DSO.ai的独门绝技。

热启动：DSO.ai的杀手锏

之所以称为“杀手锏”，是因为目前业界集成AI的EDA工具中，仅新思科技的DSO.ai提供了热启动模式。AI技术需要大量计算资源模拟人脑神经思考，计算资源的不足往往限制了其在高端应用或大型企业中的部署。DSO.ai能将每一次运行的学习经验保存到训练数据库中，之后利用该数据库提高设计探索效率，减少执行时间并降低对计算资源的要求。

DSO.ai设有热启动与冷启动两种模式。冷启动是无训练数据的模式，需要执行并创建训练数据，并选择使用“未训练”抽样来分配第一个参数。新设计引入DSO.ai时从冷启动开始，需执行大量训练工作，且必须在同一流程中执行多次。热启动则是将“冷/热启动”的结果用作进程模式，在有训练数据的情况下自动学习，寻求最优解。热启动的显著优势是减少工作量、缩短周期，同时降低算力需求。

英特尔在实践中发现，有了热启动，能用更少的开发者实现更好的设计结果。联发科也体会到，如果了解设计参数并实现了PPA提升，可利用热启动提高生产力，进而实现更复杂的计算与决策。

新思科技能率先推出热启动模式，与它五六年前就组建AI团队研发相关项目密不可分。不仅如此，新思还在尝试将热启动模式前移——通过与IP提供商合作，面向共同客户做针对性优化，进一步提升DSO.ai效率。

新思科技正不断提升DSO.ai的性能：易用性改进、更智能化（冷热模式自动切换）、适用性进一步扩大——这些也正是客户所期待的。DSO.ai正被越来越多芯片设计公司采用，新思也正在把AI与EDA的融合从数字芯片逻辑设计扩展到验证环节。未来，从芯片架构设计、制造到封装的全流程都将融入AI技术。作为拥有芯片设计全流程工具的公司，新思更容易在整个流程中运用AI，带来更显著的全面提升。芯片行业深刻的变革，已然拉开帷幕。

我们迎来了突破性的芯片设计新时代。