专访Cadence高级副总裁：AI如何推动EDA走向虚拟工程师时代

过去两年，AI 和半导体几乎成了最炙手可热的两个话题：大模型带动算力需求暴涨，AI 芯片企业频频登上头条，数据中心扩张、自动驾驶落地、智能终端升级……无一不在消耗着芯片的性能与能效极限。

表面上，半导体行业迎来了属于自己的“黄金时代”；但在背后，摩尔定律的放缓让晶体管微缩不再轻松，安全性、实时性和可靠性也被推到了前所未有的高度，芯片设计正在变得越来越复杂、越来越昂贵。

与此同时，先进封装、Chiplet 以及系统级验证的快速演进，也让传统的设计方法捉襟见肘，难以跟上技术与市场的双重节奏。

正是在这样的背景下，Cadence高级副总裁兼系统验证事业部总经理Paul Cunningham博士，通过CadenceLIVE China 2025上的交流，向我们描绘了一个令人振奋的前景：代理式 AI 将把芯片设计从单纯的“工具使用”带入“智能协作”的时代。这不仅是一次设计方式的升级，更可能成为未来半导体创新的关键拐点。

“如今万物皆由芯片驱动。毫不夸张地说，计算机芯片正彻底改变我们感知世界、与世界互动的方式。”Paul Cunningham在CadenceLIVE China 2025的演讲中开门见山地指出了当前时代的特征。

在他看来，当今芯片设计的一个重要趋势是“软件定义的用户体验”驱动着“软件定义芯片”。许多传统上不涉足芯片领域的企业，如小米、阿里巴巴、字节跳动、滴滴等，都已成为颇具规模的芯片制造商。“放在20年前，没人会想到它们能成为芯片制造商。所以我认为，这对我们所有人而言都是绝佳的机遇。”

数据印证了这一趋势的迅猛发展。仅在过去一年中，行业对AI相关产业规模的官方预测就从9500亿美元大幅上调至1.2万亿美元。这种增长不仅源于数据中心AI计算的爆发，更重要的是正逐步向边缘端延伸。

这对于EDA行业而言，无疑是一场莫大的机遇和挑战，一方面，客户数量飞速增长，另一方面，传统的EDA软件愈发难以适应各类变化。

面对芯片复杂度的飙升，Paul Cunningham提出了“3D维度”整合技术的理念：

在“横向维度”上，需要跳出单一芯片的局限，考虑先进封装中的验证流程——如何对整个系统进行仿真优化，从芯片到物理层面的机电、热学、流体仿真，甚至整个数据中心的模拟。

在“技术维度”上，则要突破传统的“原理性仿真与优化”，利用AI提供的新计算技术路径。"AI为我们提供了新的计算技术路径，能解决许多传统方法难以攻克的难题。"Paul强调。

而支撑这一切的是“计算层”：Cadence的复杂软件产品不再局限于传统x86 CPU，还能运行在ARM架构、GPU上，甚至在开发专属加速器。

“原理性方法+加速计算+AI这三层技术的结合，正是我们应对挑战、抓住机遇的关键。”Paul将这种架构形象地称为"三层蛋糕"。

当谈及AI在EDA工具中的演进时，Paul的眼中闪烁着兴奋的光芒。他回忆道：“Cadence的AI探索始于2016年，当年DeepMind推出AlphaFold，展示了强化学习、卷积循环神经网络等技术的潜力——它们能解决传统算法长期无法攻克的难题。”

这让Cadence意识到可以将机器学习融入工具中，让工具更快、结果质量更高、更易发现漏洞——这被称为“AI优化”。如今，Cadence所有产品都在以不同方式应用AI优化技术。

但更令人兴奋的是AI应用的第二个方向——“人机交互的变革”。Paul解释说：“如今你可以与计算机软件‘对话’，软件也能‘回应’并自主执行任务。这一变革的意义非凡。”

在接受采访时，Paul进一步阐述了这种转变：“我们正处于从优化AI向虚拟工程师转型的过渡期。今天，你已经可以开始与软件聊天。每个Cadence工具都支持聊天功能，你不需要成为专家用户，不需要理解所有高级脚本和高级命令。你只需要说话，工具就能理解你的自然语言问题并帮助你。”

在Paul所描绘的未来中，Cadence所推出的模式不是“授权工具”，而是“授权虚拟人员”——用户可以拥有来自Cadence的“虚拟物理设计师”、“虚拟验证团队”、“虚拟布局团队”等。

“我真正相信，在未来，你只需要从Cadence许可虚拟工程师，你将像与人类一样与Cadence软件交流。你可以说话，可以提供文档和图表，它甚至可以参加会议。这就是我们的愿景。”Paul在采访中表现出了对未来的憧憬。

但他也坦诚地承认：“说我们今天已经实现了这个愿景是不准确的。但我看到了足够多的可能性，这是Cadence的重要努力方向。你可以看到这是可能实现的。”

目前，超过50%的Cadence工具用户已在使用AI优化功能。更令人振奋的是，到今年年底，所有Cadence产品都将支持"直接与工具对话"的功能。

对于代理式AI而言，一个足够好用的平台显然是吸引更多人体验的关键。

为了实现真正的“虚拟工程师”或“虚拟团队”，Cadence开发了“JedAI平台”。Paul介绍说：“如果客户想体验Cadence的代理式AI，只需在网络中部署JedAI：你可以自主选择要启用的功能模块，连接本地数据，且所有数据都存储在本地服务器，Cadence无法访问或控制你的网络，确保数据安全。”

JedAI还支持“自定义代理构建”。“就像传统设计中你会用脚本整合工具链一样，未来在代理式AI时代，你也需要‘整合代理’——JedAI提供了这样的框架。”Paul解释道。

在谈及为什么不专注于模型微调时，Paul坦率地说：“我们的重点目前不是做任何模型优化。我们非常专注于构建快速系统，使用提示工程和推理与我们的工具交互。大语言模型的发展变化太迅速了，每3到6个月就有新版本。我认为更重要的是我们有一个很好的系统，当新模型出现时，我们可以将它们与我们的JedAI平台集成。”

他还举了一个有趣的例子：“一年前我们遇到一些难题，打算用内部模型微调来解决。但几个月后，新一代 LLM 已经自带解决方案了。对我们来说，更重要的价值在于 如何把 LLM 和 Cadence 的引擎结合，而不是重复做大模型的训练。”

在采访中，当被问及如何处理 AI 的幻觉问题时，Paul 给出了颇为实用的思路。他指出，幻觉往往源于上下文窗口的限制，当模型需要处理过多信息时，输出就会失真。“有时候幻觉可以通过在提示中给出更多信息来修复——比如引入我们文档中的更多内容，或者在提示里加入更明确的指令。”

他补充说，若 LLM 对同一个问题给出多个不同答案，可以通过 Cadence 的 formal verification 工具进行比对，“问同样的问题五次，得到五个不同的答案，如果这些答案不等价，那就说明存在问题。”在他看来，检索增强生成（RAG）技术之所以关键，正是因为它能确保模型只基于相关信息来回答，从而降低幻觉风险。

而谈到未来的全自动化，Paul 展现了谨慎的乐观。他认为，虽然完全由 AI 接管设计的场景还需要时间，但数字化正使我们逐步接近这一目标。“也许很难准确预测，但当用户使用 Cadence 软件的体验像与人交流时——当你不再把它视为工具，而是像另一个人——这种转变会在未来两年内发生。

接下来的两到三年，它会发展得相当快。但要让那个‘人’完全有能力完成整个 SoC，我认为还需要更长时间。”他同时强调，放眼未来二三十年，全流程数字化仿真将是巨大的机遇，它不仅会在半导体领域发挥作用，还将延伸到物理、化学、生物学等更广阔的学科，其背后的驱动力正是仿真技术迭代的加速。

Paul 还谈到了数字孪生与 AI 的结合，他以神经图形学为例：“你可以先渲染低分辨率图像，再用 AI 上采样提升清晰度；或者只渲染部分视频帧，中间帧交给 AI 生成。这其实就是更高效的仿真。”类似的理念同样适用于物理仿真和生物仿真，能够大幅缩短传统方法需要数周乃至数月的计算时间。

在Paul看来，数字孪生的核心就是用仿真映射现实状态，而 AI 的介入能加速这一过程。他特别提到了 AlphaFold 的突破：“我们曾长期尝试用传统算法解决蛋白质折叠问题，但 AlphaFold 展现了 AI 的另一种解题路径。它让我们看到，AI 不仅能加速仿真，更能提供全新的科学突破。”

当谈及不同垂直行业对代理式AI的需求时，Paul观察到：“所有域的Cadence客户对Cadence AI都有同等的兴趣。每个人都在个人生活中看到和使用AI。所以每个CEO、每个工程副总裁都在寻求用AI提高生产力。”

但他特别提到了超大规模云服务提供商：“一些大型超大规模客户拥有自己的LLM，所以他们对使用自己的LLM更感兴趣。”

对于AI是否会取代芯片设计工程师的担忧，Paul给出了明确的回答：“我经常被问到这个问题。我认为增加工程师人数的需求如此之大，我不认为会有任何减少。AI只是解决我们没有足够工程师的问题。”

他引用了一个在美国很流行的观点：“你不会因为AI失去工作，你会因为有人使用AI比你高效10倍而失去工作。所以我认为这就是真相——我们有很多人类的需求，我们只是需要人类与AI结合得到放大。”

Paul进一步解释道：“特别是在中国，对人才的需求可能是现有人数的十倍。我们与不同领域、不同国家的客户交流，每个人都有人员短缺危机。这很常见，无论哪个行业哪个国家，我们都需要AI，这真的很重要。”

在采访的最后，Paul总结道：“这是一个不可思议的时代：计算机芯片正在改变世界，而这一机遇也伴随着巨大的挑战。我们需要携手探索——如何借助AI、加速计算与仿真技术，从芯片延伸到封装、PCB乃至整个系统；如何让设计更智能。”

从他的分享中，我们看到了一个清晰的愿景：在不远的将来，每一个EDA工程师都将成为“代理管理者”，一个人类工程师或许能拥有几十乃至上百个虚拟工程师为其工作。

对于半导体而言，这不仅仅是技术的进步，更是整个行业生产力的革命性提升。

点这里👆加关注，锁定更多原创内容

*免责声明：文章内容系作者个人观点，半导体芯闻转载仅为了传达一种不同的观点，不代表半导体芯闻对该观点赞同或支持，如果有任何异议，欢迎联系我们。