从数字孪生模型到量子计算，EDA继续向云计算进行迁移，可见2020年是芯片开发的关键一年。

你是否还记得“工程工作站”。这些高成本、高性能的机器供不应求，它被用来运行最前沿的电子设计自动化(EDA)工具。

但是工作站也驱动芯片和图形架构。如：Silicon Graphics驱动MIPS架构(现在并入克雷和惠普企业), Sun Microsystems在被甲骨文收购之前有自己的Sparc架构，而数字设备公司(DEC和RIP)有基于arm的Alpha芯片，该芯片由一个团队开发，后来被苹果公司收购，据传为最新的Macbook配备了M1芯片。

然而，这些强大的机器被网络取代了。客户机-服务器架构允许性能更高的服务器运行EDA工具。

这些服务器被整合到服务器群中，并在现场放置处理器架，现在我们看到了向云的发展的下一个阶段。

“三大”EDA供应商已经将云计算纳入其战略路线，今年这项工作已经小有成效。本月早些时候，ARM展示了云计算的重要性。

Arm的thee IP Group总裁Rene Haas表示:“随着我们完成向AWS的迁移，Arm将把大部分EDA工作负载转移到AWS，目的是将我们的全球数据中心占用面积减少到至少45%，将我们的本地计算能力减少80%。我们已经意识到在AWS上EDA工作流的性能时间提高了6倍，并看到了将吞吐量提高10倍的潜力。”

AWS、ARM展示了云中规模型生产的工具

作为这一举措的一部分，AWS使用了Synopsys的VCS细粒度并行(FGP)技术，该技术运行在基于arm的Graviton2服务器上。这使得突破性的连接技术和soc能够加速开发和验证。

VCS与Synopsys Verification IP和Verdi advanced debug解决方案的本机集成，使设计团队能够实现更高的生产力，以更高的硬件价格/性能加速验证关闭。

亚马逊ECS副总裁David Brown表示:“AWS一直是Synopsys功能验证解决方案的早期采用者，这加速了我们下一代数据中心芯片的开发。“在AWS Graviton2上使用Synopsys验证工具，使我们能够以更低的成本进行全芯片模拟。”

Synopsys验证组工程副总裁Sandeep Mehrotra表示:“随着SoC设计复杂性的增加，它们所需的模拟周期也在增加，这就增加了对计算能力的需求。“我们的验证技术合作使AWS能够对其数据中心soc进行全芯片模拟，并更快地发现漏洞。VCS针对多核和基于arm的多核CPU平台进行了优化，用户可以将模拟工作负载转移到云上，加快上市时间。”

Cadence使用Cloudburst技术完全重新设计了它的模拟和分析工具。

Cadence® CloudBurst™ 平台专为混合云设计环境而开发。借助 CloudBurst 平台，可以轻松快捷地满足在云中的设计资源高峰需求。客户仅需使用标准的 Web 浏览器，即可连接到自己的私有云设计环境，快速上传下载设计文件，使用预安装的Cadence设计工具套件，启动和监视工程作业，分析并下载结果。通过 CloudBurst 平台可以轻松访问到所有用于传输数据、提供安全性以及调用设计工具的软件界面，而无需客户自行安装维护任何软件。初始置备通常可以在收到订单后的几天之内完成，此后，客户可以立即按需扩大或缩小其设计工作负载，不会遇到任何延迟和障碍。

远场EM工具（EM Tool）可模拟整个汽车

Mentor，现在作为西门子EDA，也在向云移动，以便将EDA工具与之结合。它正在与ST合作，加速函数库的特性，扩大其云处理的规模，将花费的时间从几周减少到几个小时。

Mentor、ST的芯片工艺特性

但是，正如Mentor/ST项目所展示的那样，向云的迁移还涉及到新功能，特别是机器学习。

这种添加其他功能(如机器学习)的能力意味着混合云将按照工作站的方式运行。但仍然需要本地处理，特别是对于低延迟的设计流，如FPGA上的物理仿真，但即使这样也正在进入云计算。

数字孪生

云不仅仅作为EDA流程中加速点工具。西门子一直在推动数字孪生理念，将它作为从芯片到软件再到终端系统的整个设计过程的核心。

西门子EDA的Joe Sawicki表示：“当我们开始谈论数字孪生时，大家的反应是我们一直在模拟设计。这是实现数字化的部分原因，它还包括制造过程和设备使用方式，以提供反馈。”

英飞凌将数字孪生技术用于车规级芯片设计

英飞凌汽车系统集团高级副总裁Hans Adlkofer表示:“数字孪生可以让我们远离硬件电路板，很多事情都是通过在线工具进行模拟，让人们能够更快地进行早期原型制作。软件对开发者来说是最大的挑战。”

ARM已经使用这项技术来为整辆汽车建模。

ARM推动汽车数字孪生设计

Sawicki表示:“数字孪生技术不仅适用于自动驾驶汽车。“在5G领域，我们希望对边缘的行为进行建模，并将其与基站、通道和云端接口相结合，这样我们就可以对整个堆栈进行建模，并观察5G应用程序将如何执行。”

当然，这给工具链下一层带来了挑战，特别是在验证和验证方面

数字孪生和云计算的整合才刚刚开始。芯片设计的尺寸和复杂性随着2024年即将投产的3nm芯片逐步提高，加速单个工具的能力将加快验证和提高质量。同时，2nm制程将给工具带来更多的挑战。

组合工具来创建数字孪生的能力会更有潜力。为每一个新设计建立一个数字孪生是不划算的，因此无论是在开发和运行中，孪生会成为广泛的产品平台。数字孪生会在产品的整个生命周期内使用，支持软件升级的开发和测试，并监控性能，提供预测性维护，在问题出现之前指出问题所在。

Sawicki:“例如，当现场设备出现问题时，这些问题可以被捕获并反馈到数字孪生设备中。这也正是西门子收购UltraSoc和Moortec的原因，它们的目的是为这两家数字孪生公司提供芯片数据。

SYNOPSYS收购MOORTEC

Moortec传感器为 Synopsys 新的硅生命周期管理（SLM）平台提供了关键组件。这将使Synopsys能够利用来自先进制程复杂芯片的数据，提升市场竞争力。今年6月份，Mentor收购了总部位于剑桥的UltraSoC，该公司就具备芯片监控技术和IP。

Synopsys 首席运营官 Sassine Ghazi 表示："我们将继续提供创新路线图，提供硅生命周期优化解决方案，满足半导体行业不断变化的需求。"此次收购为我们的客户提供了全面的数据分析驱动解决方案，从而加速了 SLM 平台的扩展。该解决方案为采用最先进制程节点的器件提供了全面的数据分析驱动解决方案。

Moortec 的芯片内 PVT 传感和控制子系统已被数百个芯片设计用于所有流行的工艺节点，已经可以用于5nm工艺。除了提供实时芯片内反馈外，来自 Moortec 传感器的数据还将提取并反馈到平台的分析引擎，在整个生命周期中获取最大优化所需的丰富数据。

所有这些都意味着，创新的工具将是基于云计算而设计，但云通过互联为工具开辟了新方向。量子计算机基本上只能通过云访问，并得到云计算的支持。退火算法以及位置和路径探索设计空间，寻找局部极小值非常适合于量子计算。