本教程将为您系统介绍新思科技DSO.ai——这款屡获殊荣的自主人工智能（AI）芯片设计解决方案。通过解析其核心能力、实际案例与关键成效，帮助您理解它如何助力半导体客户实现100次流片的里程碑，以及如何显著提升设计效率、性能和云端扩展性。
一、新思科技DSO.ai是什么？
新思科技DSO.ai（Design Space Optimization AI）是一款基于强化学习的自主AI设计工具。它能够在芯片设计过程中，自动探索巨大的求解空间，优化性能、功耗、面积（PPA），从而替代传统耗费数月的劳动密集型人工探索流程。
- 核心目标：帮助芯片设计团队更快找到理想的PPA解决方案。
- 工作方式：利用AI自主执行大量次要决策，在本地或云端大规模扩展设计选项的探索。
- 主要优势：设计效率提升3倍以上，总功耗最多降低25%，裸晶芯片尺寸显著缩减，同时减少总体计算资源消耗。
小提示：如果您是芯片设计工程师，DSO.ai可以帮您从繁琐的手动调优中解放出来，让团队集中精力开发差异化功能。
二、DSO.ai的实际成果：100次流片里程碑
2023年2月，新思科技宣布其自主AI设计解决方案DSO.ai已助力全球半导体客户完成100次流片。这些流片覆盖一系列前沿应用和不同先进工艺节点，标志着AI在芯片设计中的规模化应用实现新突破。
典型案例一：意法半导体（ST）
- 使用场景：在微软Azure上使用DSO.ai云端版本，结合新思科技Fusion Compiler™与IC Compiler™ II物理实现工具。
- 显著成效：将实现PPA目标的效率提升3倍以上，快速部署Arm内核并超越原定PPA目标。
- 客户评价：意法半导体片上系统硬件设计总监Philippe d’Audigier表示：“我们非常期待加快与新思科技和微软的合作，为包括工业MPU在内的诸多关键项目探索更多行业领先的芯片设计机会。”
典型案例二：SK海力士
- 使用场景：先进工艺节点的存储产品设计。
- 显著成效：
- 单元面积减小15%
- 裸晶芯片尺寸缩减高达5%
- 大幅提升设计效率，使开发者能专注于新产品差异化功能。
- 客户评价：SK海力士片上系统负责人Junhyun Chun表示：“DSO.ai极大提高了我们团队的设计效率，给我们带来了惊人的成效。”
常见问题1：DSO.ai只能在云端使用吗？
答案：不是。DSO.ai同时支持本地、云端以及混合部署方式。意法半导体使用了云端版本，而SK海力士则可以在本地部署。用户可根据自身IT架构和数据安全需求灵活选择。
三、DSO.ai如何将人工智能融入设计流程？
传统的设计空间探索高度依赖人工经验，通常需要数月反复试验。DSO.ai通过以下方式碘伏这一流程：
- 大规模扩展探索：利用强化学习算法，自动评估数百万种设计配置。
- 自主执行次要决策：AI承担重复性、低层次的调优工作，工程师只需关注关键决策和创新。
- 持续学习与进步：每次设计任务的结果都会被DSO.ai学习，后续项目可以更快、更准地找到最优解。
新思科技EDA事业部总经理Shankar Krishnamoorthy表示：“人工智能自主探索更广泛设计空间的能力，加速了客户对更佳PPA目标和更高设计效率的不懈追求。”
小提示：如果您所在团队正在评估DSO.ai，建议先从一个小型模块或已有设计进行试用，对比传统方法与AI优化之间的PPA差异，直观感受效率提升。
四、DSO.ai带来的关键收益汇总
根据多家客户的实践数据，DSO.ai的典型收益包括：
- 设计效率提升3倍以上
- 总功耗最多降低25%
- 裸晶芯片尺寸缩减（如SK海力士实现5%缩减）
- 总体计算资源量下降
- 减少人工工作量数月
五、云端部署带来的新机遇
微软Azure硬件与基础设施工程副总裁Jean Boufarhat指出：“在Azure上使用由AI驱动的芯片设计，客户能够利用云端的可扩展性来提高设计效率，并自动优化高性能计算等芯片设计中巨大的求解空间。” 云端的DSO.ai特别适合需要弹性计算资源的大型项目，例如意法半导体在Azure上运行DSO.ai，快速完成了复杂的Arm内核部署。
常见问题2：DSO.ai是否需要额外的硬件或软件环境？
答案：DSO.ai作为新思科技EDA套件的一部分，通常与Fusion Compiler、IC Compiler II等工具配合使用。运行环境支持本地服务器或云平台（如Azure），硬件要求建议配备足够CPU/GPU和内存以满足强化学习训练需求。具体配置可咨询新思科技技术支持团队。
通过以上内容，您可以看到DSO.ai如何将人工智能与芯片设计深度融合，帮助意法半导体、SK海力士等行业领导者取得实际突破。未来，随着更多客户采用DSO.ai进行本地与云端设计，AI驱动的芯片设计将引领全球开发者迈入一个全新的设计时代。