摘要：当AI 技术渗透至各行各业，半导体行业的第三次演进浪潮已全面启幕。作为 AI 落地的 “硬件基石”，半导体产业展现出爆发式增长潜力。 根据International Business Strategies 在2025年2月发布的预测显示，到2030年，半导体产
当AI 技术渗透至各行各业，半导体行业的第三次演进浪潮已全面启幕。作为 AI 落地的 “硬件基石”，半导体产业展现出爆发式增长潜力。 根据International Business Strategies 在2025年2月发布的预测显示，到2030年，半导体产业的市场规模将超过1.2万亿美元，与此同时，采用3D异构集成的单芯片将实现万亿颗晶体管的集成。
图 | 半导体产业变革速度加快；来源：International Business Strategies (February 2025)
然而，在超越摩尔的芯片设计、制造、封测道路上却有重重困难横亘在前。比如，当芯片制程往2nm及以下发展时，芯片公司首次流片成功的概率也在不断下降。 根据Siemens EDA 和Wilson Research Group在2024 Functional Verification Study上发布的数据显示，过去几年半导体和系统复杂性呈爆炸式增长趋势，导致芯片再流片率显著提升，比如在ASIC项目中，2022年首次流片成功率在32%左右，而到2024年，该数据已经下降至14%；在FPGA项目中，2016年首次流片无bug逃逸的概率在22%左右，而到2024年，该数据也下降到了13%。
图 | 2024年：导致ASIC重新流片的缺陷类型；来源：Siemens EDA and Wilson Research Group, 2024 Functional Verification Study
仔细分析带来首次流片失败的原因有很多，包括逻辑/功能、模拟、可靠性、时钟、串扰、混合信号、时序路径过快、电压降、功耗、良率、安全性、时序路径过慢、固件、安全性等缺陷。 事实上，这些缺陷问题不是独立存在的，首次流片成功率的下降会大大增加相应产品推向市场的时间和总投资成本。 根据IBS在2024年9月发布的数据显示，随着制程工艺的不断微缩，半导体的设计成本与研发周期急剧攀升。比如，一颗28nm工艺的芯片设计成本为 4660 万美元，而一颗1nm 工艺芯片的设计成本则直接飙升至 11.045 亿美元，较 28nm 增长超 23 倍，与此同时整个研发周期也增长了10倍以上。 面对这些挑战，行业正在从多方面寻找解决方案。其中，EDA作为连接芯片设计理念与物理实现的关键桥梁，其价值愈发凸显。
图 | 西门子EDA全球副总裁兼中国区总经理凌琳；来源：Siemens EDA
对此，西门子EDA全球副总裁兼中国区总经理凌琳在“Siemens EDA Forum 2025”期间的媒体会上表示：“面对行业发展的必然趋势，传统EDA工具已无法完全满足需求，我们需要提供最全面、最完整的数字孪生方案来应对这些挑战。为此，西门子EDA拓展了方法论的边界，致力于构建覆盖全流程的完整解决方案。这一过程贯穿从软件定义、功能验证、物理实现与验证，到生产封装、3D IC集成，再到板级电子子系统调试及最终系统集成与测试的每一个环节。整个流程环环相扣，体现了多领域、高复杂度的技术融合，也彰显了以全面方法应对系统性挑战的决心。” 据悉，全面数字孪生的核心在于以跨域系统模型为基础，实现软硬件协同设计、验证与仿真，其覆盖范围已从电子系统扩展至机械设计与多物理场验证。只有将这些环节充分整合为统一的工程解决方案，才能突破传统EDA的局限，实现真正的一体化开发，从而增强设计者对产品达成预期目标的信心。 凌琳透露，西门子EDA正在通过Silicon Lifecycle 工具来实现全流程实时监控与闭环反馈，最终依托“软件定义、AI加持、芯片赋能”的理念，整合多方资产与数据，完成验证、测试与仿真，形成可交付的产品或系统——这正是全面数字孪生超越传统EDA的关键所在。 为此，西门子EDA坚持自主研发与战略并购并行的发展策略，确保技术整合与内生能力同步增强。这一路径已体现在资源分配中：2024年及2025年新增人力的90%均集中于研发领域。持续而大规模的研发投入，正是推动西门子EDA不断拓展技术边界、保持行业领先的关键动力。 此外，如果对比西门子去年“Siemens EDA Forum 2024”上提到的“软件定义、芯片赋能”理念，可以发现今年增加了“AI加持”这一关键项。 对此，凌琳表示：“过去几年，西门子在关键投资方面持续聚焦于先进制程、3D IC及面向系统的设计，与此同时，AI作为底层支撑战略占据关键地位，其应用已覆盖全平台并深度集成各项功能。” “西门子EDA自2017年收购Solido以来，整合了其二十多年的AI EDA技术积累，致力于发展能够直接输出可信芯片设计结果的工业级AI工具。与普通生成式AI不同，EDA领域的AI应用强调结果的可验证性，所有输出必须完全可靠且能够通过严格验证，才能用于实际芯片生产。基于这一目标，西门子EDA提出了可验证性、可用性、通用性、稳健性和准确性五大核心原则，确保AI工具不仅对工程师友好、适用于多类设计场景，还具备高度的稳定性和输出准确性。正是通过这些严格的要求，才构建起真正适用于高复杂度芯片及系统开发的工业级AI能力，与娱乐或办公文书用的 AI存在本质区别。”西门子 EDA 全球副总裁兼亚太区技术总经理 Lincoln Lee (李立基)补充道。
图 | 西门子 EDA 全球副总裁兼亚太区技术总经理 Lincoln Lee (李立基)；来源：Siemens EDA
在此背景下，在今年6月美国DAC大会上，西门子EDA正式发布了“EDA AI System”——这是一个基于平台化战略构建的AI系统，而非以往分散的独立工具。该系统以支持NVIDIA NIM为基础，旨在作为统一的AI底层平台，为后续工具开发和扩展提供支持。 关于数据安全和合规性问题，李立基强调：“在数据方面，‘EDA AI System’整合了西门子自有数据、示例、知识库及经客户授权使用的数据，并严格遵循客户数据权限管理，未经明确授权绝不使用客户数据，体现出对客户数据安全与隐私的高度尊重。” 据悉，西门子EDA正在通过构建统一的数据湖，为大型语言模型提供底层数据支撑，并开发了相应的辅助工具以完善AI基础设施。在此基础之上，各产品线（如Calibre、Solido等）将基于该EDA AI System开发具备AI能力的功能模块，并通过标准化指令调用平台数据库与服务。同时，系统也支持客户通过开放接口接入自有数据或AI模型，构建灵活可定制的混合AI系统，从而更好地适应不同客户的特定场景与需求。 基于 EDA AI System 平台，西门子EDA今年推出了四款集成AI能力的工具：验证工具 Questa One、布线布局工具 Aprisa AI、广泛应用的 Calibre Vision AI 以及融合生成式与代理AI的仿真工具 Solido。所有这些工具均嵌入了代理智能（Agentic AI），能够在实际操作中提供实时智能辅助。例如，Solido 可自动生成仿真脚本，Calibre Vision AI 则能主动识别如DLC错误等潜在问题，并提示检查路径，从而帮助工程师迅速定位和解决问题，全面提升工程效率。 李立基透露，这些工具在正式发布前已由客户试用，反馈表明其在相应领域显著提升了工作效率，比如Questa One 在中国台湾的联发科（MediaTek）取得了显著成效，其作为开发合作伙伴分享了诸多本地化应用经验。 事实上，相比另外两家国际头部EDA厂商对AI的宣发态度，西门子EDA是相对保守的，原因除了前面提到的工业级AI工具与普通生成式AI的差别外，还有一点很重要。那就是西门子EDA方面坚信：AI 的真正价值在于处理那些冗余、重复、缺乏创造性的工作，而涉及核心 IP 或差异化设计时，AI 并不能替代工程师的创新能力。 用凌琳和李立基的话来说，就是：每家 IC 公司都有自己的独特设计，如果完全依赖 AI 自动生成，每家公司生成的芯片可能趋于相同，失去竞争优势。因此，AI 可以辅助生成通用部分，但核心差异化设计仍需由工程师来完成。AI 能产生代码，但不能完全独立完成整个芯片设计。
来源：与非网
