Cadence运用代理式AI应对智能系统设计挑战

发布时间：2026-07-10 10:03:54 来源：深圳市联城运发物流有限公司 作者：焦点

数字化时代，运用代应对AI（人工智能）正以前所未有的理式速度重塑全球科技格局。从生成式 AI 的系统爆发，到辅助驾驶汽车的设计快速落地，从药物研发的挑战效率跃迁，到工业生产的运用代应对智能升级，AI 技术的理式触角已深入社会各个角落，成为推动各行业变革的系统关键力量。与此同时，设计我们也不得不正视，挑战AI 芯片和系统设计的运用代应对复杂度正显著提升，如何借助 AI 解决这一挑战，理式正是系统CadenceLIVE China 2025 中国用户大会的热点话题。

在 CadenceLIVE China 2025主峰会上，设计Cadence 资深副总裁兼系统验证事业部总经理 Paul Cunningham 博士分享了《运用代理式 AI 应对智能系统设计挑战》的挑战演讲，向与会观众介绍了 AI 需求爆发带来的芯片设计挑战，AI 技术在 EDA领域的落地机遇以及 Cadence 在 EDA+AI 领域的落地案例。

Paul Cunningham 博士表示，在数据中心AI 计算、边缘计算的推动下，计算芯片的需求正呈现前所未有的增长态势。据 IDC最新预测数据，到 2030 年，全球半导体市场规模将达到 1.2 万亿美元。这一增长主要得益于 AI 技术在多个领域的广泛应用，包括基础设施、大数据与云、Agentic AI、AI 智能体（汽车、无人机、机器人）和虚拟现实等。

他指出，AI 潜力的释放将分为三个不同阶段：

基础设施 AI 阶段：未来 1-3+ 年期间；

物理 AI 阶段：未来 2-7+ 年期间；

科学 AI 阶段：未来 5-10+ 年期间。

与此同时，AI 带来的挑战也不容忽视。当前，数据中心和人工智能领域的领军企业正通过晶圆厂建设、工艺开发、EDA 工具创新及 IP 研发等方式，不断突破半导体的极限，最前沿的 AI 芯片设计已极为复杂，包含超过 2000 亿个晶体管。

芯片复杂性的提升正推动芯片技术向 “超摩尔定律” 演进：一方面，晶体管数量持续突破，预计 2030 年将出现集成 1 万亿晶体管的芯片，先进制程（如 FinFET 及更先进架构）面临功耗、热管理、电磁兼容等挑战；另一方面，系统级设计转向 3D-IC、Chiplet 等异构集成技术，2.5D/3D 封装、硅光子学成为提升系统性能的核心路径。

Paul Cunningham 博士强调，从商业角度看，我们不能将视角仅局限于芯片，还需考虑芯片会被集成到先进封装中，而封装又会将被安装到 PCB板、机架及系统里。也就是说，我们必须要足够重视系统的仿真和优化。

数字孪生重塑系统设计

综上所述，当单芯片性能逼近物理极限时，设计范式从单一优化转向系统级协同。Paul Cunningham 博士指出，在半导体设计领域，制造前仿真覆盖率达 99%，因此在如此复杂的工艺和设备上，第一次流片就能成功。然而，从芯片到系统应用还有距离，如此高覆盖率的模拟仿真尚未完全进入物理世界。比如，在机器人、无人机等系统领域，仿真覆盖率仅 20%，另外 80% 则必须通过实际制造、测试来不断改进模型和方法；在药物发现领域，仿真覆盖率更是极低，这使得一种药物从概念提出到获得 FDA 批准并投入市场，成本可能高达百亿美元。

因此，将设计自动化技术引入半导体之外的领域，如医药、化学、材料学等，潜力巨大。Paul Cunningham 博士坚信，在未来 20-30 年里，在 AI 计算技术的推动下，这一定会实现。过去很多年里，Cadence 一直在这一战略方向上进行投资，并通过收购相关公司加强布局——利用数字孪生技术，包括物理孪生和功能孪生，来提升系统仿真的覆盖率和效率。

在物理孪生方面，Cadence 此前收购了 Beta CAE Systems。通过使用 CFD（计算流体动力学）和 CAE（计算机辅助工程）技术，Cadence 的工具能够创建高保真的物理模型，加速设计和验证过程。物理孪生的一个典型应用领域是汽车，可以对整辆车进行仿真，如碰撞测试等。能够做到这些，离不开背后的硬件支持，Paul Cunningham 博士在此提到了一款名为 Millennium M2000 的超级计算机，由 NVIDIA Blackwell 提供动力，可以进行非常丰富的数值运算，包括 IR Drop 压降分析、SPICE 仿真、单元特征化、电磁、热、计算流体动力学等，且计算效率是非常惊人的。

在功能孪生方面，Cadence 此前收购了 VLAB Works。通过 VLAB 虚拟开发设备，Cadence 的工具支持软件定义车辆（SDV）的开发，通过虚拟平台或虚拟模型来模拟汽车功能，进而加速软件开发和持续集成。Cadence 的 Palladium Z3 和 Protium X3 等工具提供了高性能的仿真和原型设计，为功能孪生加速，加快芯片和软件的协同验证。

Cadence 也在大力投入仿生计算生物学，为此公司收购了 OpenEye，该公司是这一新兴领域的领导者之一，与全球前 20 大制药公司中的 19 家合作。对于 Cadence 而言，这是更加长远的计划，可能成为公司业务增长的主要引擎之一。

从工具到平台全面拥抱 AI

在数字设计实现方案上，Cadence 正处于行业领先地位，通过集成数字设计、模拟/定制、调试和验证、3D-IC/PCB、多物理场等技术，提供全面的系统设计和分析解决方案。

面向复杂的 AI 芯片设计，Cadence 提供高带宽内存（HBM）、LPDDR、PCIe 7.0 等高速接口IP，适配先进制程（如 TSMC N2P、Intel18A）。同时，Cadence 3D-IC 解决方案支持数字——模拟——封装——系统统一分析，解决 Chiplet 互连、热管理、电磁干扰等问题，帮助提升芯片开发效率。Paul Cunningham 博士举例说，Cadence 3D-IC 解决方案可以在一夜之间对一个非常复杂的先进 2.5D 封装 Multi-Die 设计进行完整的功耗仿真，而传统方式可能需要 1-2 周。

Cadence 也提供大量由 AI 驱动的设计工具，包括 Cadence Cerebrus、Virtuoso Studio、Verisium Al Studio，实现了从数字设计到系统设计的自动化，显著提升了生产力和性能。Paul Cunningham 博士称，在 IP、工具和平台等方面，Cadence 正全面拥抱 AI。

谈到代理式 AI 在 EDA 领域的落地，Paul Cunningham 博士将其分为 5 个等级：L1 为优化式 AI，实现自动化布局布线、功耗优化等功能；L5 则是全自主设计，Cadence 的 JedAI 平台便是这一水平的平台——JedAI 平台支持多云环境，整合多种工具和 LLM API，可与客户 AI 平台结合，具备数据推理、嵌入优化等功能，支持从设计到验证的全流程自动化。

代理式 AI 和 EDA 的融合正在加速，也正帮助芯片和系统设计的生产力重回数量级跃升时代。目前，市场上大概有超过 50% 的先进芯片由 AI 驱动设计，随着 EDA 公司产品组合的完善，这一比例将很容易超过 80%。从 Cadence 公司自身来讲，预计到 2025 年底，设计工程师将能够在公司的产品页面上直接与工具聊天，并获取所有文档和专业知识。

Cadence 有一个宏大的愿景，致力于通过融合前端 Agent、模拟自动化、Cerebrus AI Studio、Verisium AI Studio 等帮助 IC 设计公司构建自己的AI Agent，实现通过提示就能完成芯片设计的全过程，包括生成网表、运行流程、修复错误、收敛时序、DRC 检查等。这一愿景的实现可能需要几年时间，但最终会实现。

Paul Cunningham 博士总结说，当前我们正处于 AI 技术驱动芯片设计的历史拐点，最先进的芯片现在都使用 AI 辅助工具进行设计，未来代理式 AI 赋能的芯片数量将继续攀升并持续缩短芯片的设计周期。Cadence 致力于提供全面的智能系统设计解决方案，支持多个行业的技术进步。

相关文章