2025年，AI將顛覆半導體

芯片行業即將迎來一個創新之年，這種創新程度是幾十年來前所未有的。然而，真正使這一進步時期獨一無二的是，需要專注於物理學和真正的設計技能。

系統級芯片（SoC）的平面縮放使設計和驗證工具及方法得以在相對線性的路徑上成熟發展，但過去幾年創造了一個比EDA行業誕生以來更具激烈變革的環境。在過去，關注點通常涉及新工藝技術，這有時會在整個流程中產生連鎖反應。設計本質上是漸進式的，儘可能多地借鑑以前的設計。

但縮放不再像以前那樣在功耗、性能和麪積（PPA）方面帶來巨大改進。未來越來越多地涉及異構和垂直縮放——通常稱為3D-IC，但也包括2.5D——這種技術已在一些最先進的數據中心內得到驗證。除了這些設計之外，人工智能（AI）將充當推動者，從內部影響工具、方法到流程。此外，功耗和熱性能將成為主要的優化目標，多物理場不再僅用於混合信號設計組件。

需求方面也發生了變化。人工智能需要大幅提高計算能力。業界不再滿足於性能的漸進式改進，而是專注於根本性的架構變革，以實現數量級的提升。計算能力的提升還需要適當提高內存性能和通信帶寬，但芯片和封裝受到其散熱能力的制約。

Semiconductor Engineering認為，2025年可能是幾十年來最令人興奮的一年。在功耗和散熱對計算能力的無限需求的推動下，新的工具、方法和流程將會出現。設計團隊將進行重大重組，以應對系統和硅片之間不斷擴展的流程，以及對安全和保障（包括數據安全）需求日益增長的擔憂。

數據中心驅動

數據中心是當今許多創新的核心，其驅動力來自對與人工智能相關的計算能力的無盡需求。

人工智能創新周期正在超越典型的設計迭代時間。是德科技（Keysight Technologies）設計和驗證業務部總經理Nilesh Kamdar表示：「傳統電子解決方案正在失去動力，而即將出現的第一個突破是硅光子學和更多光通信技術。光通信在一定程度上已經很普遍，但隨着硅光子的出現，它將開始取代短距離傳輸。到2025年，光子學解決方案將成為主流，並推動該領域的投資和招聘。半導體代工廠將通過升級的工藝變體進行創新，並幫助推動整個生態系統向前發展。」

其他形式的通信也在被考慮之中。Point2 Technology產品營銷和業務開發副總裁David Kuo表示：「人工智能/機器學習（AI/ML）工作負載正在突破數據速率的極限，每秒要處理數萬億次計算。通信帶寬和互連必須跟上步伐，以支持增長。這需要從銅和光學技術向新形式的通信進行革命性轉變，例如使用毫米波射頻信號通過塑料介質波導傳輸和接收數據。」

過去，設計團隊並不太關心數據中心芯片的功耗。「如今，討論的焦點是數據中心對功耗的意外影響，這已經超出了與手機和電池續航相關的預測。」Ansys總監Rich Goldman表示，「討論表明，人們的注意力轉向了數據中心巨大的電力需求，以及新建核電站以滿足這些需求的潛在必要性。」

這將對為數據中心設計的芯片和供應鏈產生重大影響。「大型IP供應商悄悄進入小芯片（Chiplet）的銷售市場，並向上遊進軍銷售硅片的傳聞已經開始傳播。」Quadric首席營銷官Steve Roddy表示，「2025年很可能是一家或多家IP供應商正式宣佈進軍Chiplet市場的一年。如果Chiplet成功將SoC分解為系統級的Chiplet，我們可以期待看到CPU子系統Chiplet、連接Chiplet、GPU處理Chiplet和AI/ML子系統Chiplet。最有可能率先參與這一演變的細分市場是大數據中心計算細分市場。該細分市場的大型半導體公司已經開始出貨封閉的專有Chiplet系統。隨着UCle等標準化工作取得進展，我們將首先在數據中心看到其對IP供應商的影響，隨后在汽車等銷量更大的細分市場，並最終在未來幾年影響移動手機等領域。」

雖然數據中心整合一直在進行，但這種情況可能會改變。Ampere Computing首席產品官Jeff Wittich表示：「部署靈活性變得至關重要。隨着人工智能工作負載擴展到不同的環境（本地、邊緣和隔離託管設施），低延迟應用將要求基礎設施更靠近用户，部署在現有的數據中心和PoP（接入點）中。此外，推理不再是獨立的工作負載。支持檢索增強型生成（RAG）和應用程序集成等任務將需要強大的通用計算能力以及人工智能專用資源，強調效率和可擴展性。」

我們還可能看到量子成為商業計算平臺。「光子學之后的最后一個前沿是量子計算。」Keysight（是德科技）的Kamdar説，「這是一個令人興奮的研究領域，我們已經擁有可以處理一千多個量子比特的量子計算機。隨着研究和創新的步伐前進，擁有一萬個量子比特的量子計算機只需幾年時間。量子研究將擴展到更多國家/地區，尤其是亞洲，因為沒有哪個地區願意將計算優勢拱手讓給另一個地區。」

人工智能驅動

過去幾年，許多工具都因AI而得到增強，但迄今為止，很少有工具或方法被AI從根本上改變。這種情況很可能在2025年發生變化。

「我們可以看到人工智能嵌入到諸如佈局、佈線和優化等工具中，」Arteris產品管理和營銷副總裁Andy Nightingale表示。「這將減少手動迭代。我們還可以期待看到生成式人工智能在設計探索、系統架構建議和管理IP重用方面的初步採用。在驗證過程中，人工智能將優先進行邊緣案例測試，加速漏洞檢測，並分析大型數據集，以進行功能和形式驗證。」

2025年很可能是人工智能代理之年。「高度專業化的人工智能代理可以聚集在一起，分析涵蓋軟件架構、工作負載、製造規則、數據流、時間和其他參數的大量信息，」Synopsys GenAI中心傑出架構師兼執行董事Stelios Diamantidis表示。「這種人工智能之間的協作將有助於識別以前未見過的模式和相關性，為持續存在的挑戰開發新的解決方案，併爲優化芯片設計和性能提供詳細的建議。」

AI也可能擴展到更多工具領域。「在工程和設計領域，AI/ML解決方案將從數字轉向模擬，對射頻/模擬設計師產生更大的影響，」Kamdar説。「生成式AI將影響設計界，基於ML的綜合解決方案將有助於創造新穎獨特的設計。企業將聘請數據專家並指派首席數據官專注於推動所有AI/ML工作的動力——數據。由於AI/ML的進步，對生產力的影響將在所有功能中得到改善。」

聊天機器人已被證明能提高設計人員的工作效率。「雖然過去的一年主要關注聊天機器人的使用案例，主要使用公共數據，但未來在於將生成式人工智能應用於私有、安全的數據集，以創造更有價值的工具，」Ampere的Wittich説。「金融、保險和電子商務等行業的企業將採用這些技術，從專有數據中提取有意義的見解。」

這將開始成為一個競爭差異化因素。Altair電子設計和仿真高級副總裁Sarmad Khemmoro表示：「創新速度是成功的祕訣。隨着市場對人工智能芯片的需求持續激增，半導體公司將意識到新興技術在設計過程中發揮的關鍵作用。通過將人工智能與仿真軟件相結合，工程師可以用比傳統方法快1000倍速度測試新概念並做出設計決策，從而大大加快產品上市時間並降低成本。這種方法對於更高效地生產高性能芯片並在快速發展的半導體行業中保持競爭力至關重要。」

然而，許可方式需要改變。Driver聯合創始人兼首席執行官Adam Tilton表示：「企業將以兩種截然不同的方式部署人工智能，一種是通過結構良好的輸出自動執行高度受限的任務，另一種是為開放式任務提供協作工具，兩者都旨在提高員工效率。」然而，定價模式將反映這些不同的用例，結構化輸出的定價基於消費，而協作工具的定價基於每個席位。」

人們常説數據是新的石油，但業界纔剛剛開始意識到，保存和保護數據比儲存石油更困難。數據必須不斷驗證和清理。「人工智能代理的不斷發展強化了透明度的必要性，」Synopsys的Diamantidis説。「換句話説，我們需要清楚地瞭解每個人工智能代理。它們是如何開發和訓練的？它們的運營目標是什麼？它們如何與其他人工智能代理交互？它們利用了哪些數據集？」

數據主權和安全將極大地影響2025年的AI部署戰略。「企業越來越意識到其專有數據集的價值，將其視為競爭資產，」Wittich説。「這種轉變意味着AI推理工作負載不僅在公共超大規模雲上運行，而且還在更安全的環境中運行，例如私有云、本地數據中心或私人託管設施。數據泄露和篡改AI算法的風險凸顯了對安全、隔離基礎設施的需求。隨着企業在AI驅動的創新方面展開競爭，保護知識產權和敏感信息的能力將成為成功的基石。此外，這一趨勢將擴大企業擁有的計算資源的作用，創造一個更加分散且安全的AI生態系統。」

當工具和數據來自不同的地方時，就需要創造性的解決方案。Cadence系統驗證組產品營銷總監Paul Graykowski表示：「EDA供應商一直在尋找訓練模型和隔離專有數據的最佳方法。解決方案即將出現。雖然我們現在還看不到由GenAI設計和驗證的複雜SoC，但一些更普通的文檔、編碼模板和自動化腳本工作即將出現。AI技術將成為驗證下一代芯片所需的倍增器。」

如今，人們很少考慮使用人工智能的成本效益。Driver的Tilton表示：「公司將通過構建人工智能產品而不是僅僅通過包裝LLM來取得成功。」「這意味着混合技術堆棧包括傳統軟件處理、算法，以及有針對性地使用LLM。人工智能解決方案需要展示具體的指標，例如成本節約、生產力提高或收入增長，以證明其實施成本的合理性。」

NPU（神經網絡處理器）也將經歷大洗牌。Quadric的Roddy表示：「在1998年至2001年的繁榮時期，我們看到行業中出現了50多種不同的RISC CPU架構和25多種DSP架構。就像觀看一部關於物種數量繁榮和不可避免衰退的自然紀錄片一樣，NPU的過度繁殖也會導致種類數量減少。那些認為構建矩陣加速器是一種差異化手段的公司將逐漸認識到，授權IP模塊比重新發明現成的東西更便宜、更好。競爭的現實是，市場無法維持10到15家授權公司。我們已經在2024年看到這一領域的峰值，許多較弱的NPU IP公司已經倒閉。隨着公司關閉內部NPU項目開發，即使交易量增加，這種趨勢也會在2025年加速。」

物理限制

在過去，技術和設計的自由度相對較高，物理條件對設計的限制較少。現在許多設計都面臨着掩模版尺寸極限，儘管功耗長期以來一直是需要考慮的因素，但散熱現在正成為許多設計的限制因素。

Ansys的Swinnen表示：「功耗始終是一個軟性目標。設計必須滿足一定的頻率，如果達不到，那麼你就得回去推迟產品發佈，直到滿足該頻率。但功耗一直是‘我們盡力而爲’的問題。現在，它正在變成‘你必須針對功耗而設計’。你不能將一個功耗很大的設計變成低功耗設計。這必須是你從一開始就要做的事情。公司很早就開始考慮散熱問題，他們將其視為設計的核心限制上限。為此，原型開發變得非常重要。當我們首次開始涉足3D-IC市場時，這讓我們感到很意外。」

它需要新型工具。「這是一個電熱協同設計問題，」Arteris的Nightingale説。「它需要能夠解決功耗、散熱和結構力學協同仿真的工具。這對於管理堆疊架構中的散熱和功耗傳輸尤其重要。在極端情況下，它需要將實時熱仿真與設計和驗證工作流程集成在一起，重點關注緊湊和主動散熱解決方案。」

數據中心人工智能對電力的無盡需求給電網和地理電力限制帶來了壓力。「爲了避免在短期內啟用新的不可再生能源或延長其使用壽命，硬件優化將在降低電力需求方面發揮關鍵作用，」Wittich説。「用現代高效處理器取代老舊的、耗電的系統可以大幅減少能源消耗，使現有基礎設施更加可持續。這種效率轉變對於平衡對更多能源的需求與負責任的環境管理至關重要。」

3D-IC技術（包括2.5D）已經在解決其中一些問題。「Chiplet和3D-IC解決方案將變得更加主流，」Kamdar説。「你可以期待更多封裝公司加入Chiplet生態系統，並幫助標準化設計和協作的許多方面。包括異構集成（HI）在內的先進封裝技術將為系統公司帶來技術和業務優勢，這將繼續吸引該領域的投資。創建3D-IC/HI設計的設計解決方案將日趨成熟，系統設計人員將能夠更輕松地進行前期設計和權衡。」

這可能會對IP市場產生重大影響。Quadric的Roddy説：「Synopsys和Cadence在物理IP領域佔據市場主導地位。這源於將複雜的高速模擬接口移植到每個晶圓廠的每個新工藝變體上的工程密集型特性。但是當Chiplet成為主流時會發生什麼？SoC設計團隊不再需要在同一工藝中處理所有IO。如果您可以利用Chiplet和3D-IC封裝在5nm Chiplet中使用現有的接口IP，那麼移植所有物理IP的必要性就會大大減少。隨着越來越多的IP被重新使用，現有的物理IP玩家可能會看到許可收入的上升，但對一次性工程（NRE）移植費用的需求會減少。新的物理IP供應商將更有信心進入市場，因為他們知道自己的工作成果可以有更長的使用壽命。預計在2025年不會看到前三名的排名發生變化，但2025年將為未來的變革播下種子。」

EDA領域的新變化

新的技術節點將繼續增加設計壓力。Atomera先進邏輯節點和電源業務負責人Shawn Thomas表示：「對於高度縮放的晶體管，例如2nm節點，隨機摻雜波動等效應會對晶體管的特性（例如Vt或遷移率）產生很大影響。Vt的變化會導致開關速度的差異，這在GAA（環繞柵極）結構中這種差異會被放大。GAA晶體管中的每個通道可能具有不同的Vt，這種差異會聚合到整個器件的Vt中。這導致電路級的失配增加，並縮小電路設計人員可以使用的設計裕度。Vt的變化還會增加晶體管的漏電，從而增加晶體管和后續電路元件的關閉狀態功耗。」

先進封裝技術需要新工具。「封裝技術需要大變革，」Ansys的Swinnen説。「組裝多個芯片和進行鍵合的方法有無數種，但並非所有方法都有足夠的投資來實現全面生產。推動這一趨勢的原因是每個人都希望能夠銷售Chiplet，每個從事3D工作的人都需要Chiplet，因此標準化的推動力很強。整個行業都在努力確保為此制定標準。實現這一目標需要一年多的時間，但之后你就會看到該領域的進步。」

在標準制定過程中，合作變得至關重要。Altair的Khemmoro表示：「半導體公司將越來越重視與系統公司建立牢固的合作伙伴關係。這些合作至關重要，因為許多芯片製造商並不完全瞭解其產品是如何集成到最終設備中的。未來幾年，這種團隊合作將變得更加重要，尤其是當系統設計師面臨着創造更小、更高效產品的持續壓力時。緊跟這些變化並做出相應的調整對於保持競爭力和推動創新至關重要。」

在EDA中，與AI相關的很多話題都集中在驗證領域。Cadence的Graykowski表示：「過去幾年，我們看到AI在驗證領域取得了許多進展，這有助於優化迴歸測試並縮小調試驗證失敗的範圍。由於業界有時間對這些解決方案進行原型設計和改進，我預計我們將獲得更優化的功能集，並看到更多采用者將這項技術引入主流驗證流程。明年最有可能取得最大進步的領域不僅僅是迴歸優化，還包括幫助填補覆蓋率缺口，並在更短的時間內發現更多漏洞。自動化流程在分類和縮小調試範圍以及確定可能的故障源方面具有很大的潛力。驗證工程師將利用該技術篩選大量數據，使他們能夠跟上當今設計規模的步伐。預計GenAI將在明年得到更多應用。」

AI還將增強設計流程。

「印刷電路板（PCB）設計需要多種學科和技能，」Khemmoro説。「因此，越來越多的公司開始在整個工作流程中採用自動化，從初始需求和邏輯設計到製造和組裝。通過在設計過程中將AI與仿真相結合，可以加速設計決策，並顯著縮短開發周期。爲了進一步增強這一過程，現在在汽車、航空航天和國防等產品壽命較長的行業正在部署監測系統，以跟蹤PCB實際性能，並對組件進行降額處理，將潛在問題直接傳達給開發團隊。然后可以將這些見解納入PCB設計流程，以提高效率和可靠性。」

設計團隊必須涵蓋越來越多的學科。「許多設計的範圍正在擴大，這意味着仿真也必須擴展到涵蓋光學、流體和機械效應，特別是在複雜封裝中，」Arteris的Nightingale表示。「一些市場增加了其他要求，例如檢測硬件級安全性的新方法，包括加密驗證和抗攻擊能力，以及芯片級符合ISO 21434網絡安全風險管理標準。而可靠性則需要針對老化、電遷移和其他長期故障模式的預測工具。」

結論

總體而言，這些領域僅是2025年行業鉅變的冰山一角。部分技術的原型化進程及其在行業中的擴散速度正在顯著加快，這一趨勢前所未有，凸顯了保持技術領先的至關重要性。整個行業正經歷一場深刻的變革浪潮。（校對/孫樂）