“AI加持”的西門子EDA：更務實的AI，能為芯片設計帶來什么？

從去年下半年開始，陸續有越來越多半導體產業鏈上的企業明確了行業的復蘇。從西門子集團FY2024（截至2024年9月30日）年報來看，其財務整體狀況反映出了全球經濟大環境的不確定性，但其PLM和EDA業務表現還是相當亮眼的。

年報中特別提到就數字化工業（digital industries）業務來看，雖然FY2024財年的市場環境仍有挑戰，訂單量和營收受到全球多個地區需求萎靡的影響；但“PLM和EDA業務都贏得了多個更大的訂單”，甚至“PLM和EDA業務，同時在軟件營收方面呈現兩位數增長”。

“數字化工業服務的軟件市場由于諸如數字化等長期趨勢，以及半導體設計和AI的強勢需求，發生了增長。”“2024財年期間，半導體行業復蘇，尤其在財年的下半年回到長期趨勢增長狀態；由于半導體設計更復雜，及AI方面的需求，EDA軟件表現出市場增長。”年報對2025財年的預期也很樂觀：軟件市場會明確增長。

這一點也對應了最近Siemens EDA Forum 2025媒體溝通會上，凌琳（西門子EDA全球副總裁兼中國區總經理，西門子數字化工業軟件）提到的2024年是西門子EDA有史以來，員工人數增加最多的一年；2025則成為員工人數增加第二多的年份；與此同時，增員中的90%都是研發崗。

去年同期，西門子EDA在媒體活動上就談過未來5年的市場熱點和行業邏輯。當時宣傳的大方向是面向千行百業實踐“軟件定義”和“芯片賦能”。今年則在這兩個基礎上新增了“AI加持”——AI是近兩年主流EDA及芯片設計企業都在談的技術方向：不單是AI應用的需求為芯片行業創造了市場機會，更在于芯片設計本身能夠受惠于AI技術。

在西門子EDA的語境中，軟件定義、芯片賦能、AI加持這三點形成的市場機會及對應策略又是什么樣的？

著眼4個領域 + AI底座

“軟件定義”與“芯片賦能”本身不需要多談：我們的簡單理解是，一方面強調“芯片”作為系統核心的重要性；另一方面由于不同系統走向“軟件定義”——像是軟件定義汽車、軟件定義通信，乃至“軟件正在吞噬世界（software is eating the world）”——這一點也強調了系統設計的重要性，以及芯片作為系統中的一環，其設計過程需要與系統其他組成部分協同進行的當代趨勢。

這兩個趨勢或特點，也很大程度上決定了半導體行業預計將在2030年超過萬億美元市場規模，并且可能會在2035年快速躍進到2萬億美元：從應用角度來看，這是因為更多行業的數字化，令芯片在消費電子、數據中心、汽車、工業、健康醫療、航空航天等行業的更多具體應用中成為關鍵；

并且芯片設計日益復雜化：不僅是半導體先進制造工藝仍在帶動單位面積容納更多晶體管，而且以3DIC為代表的先進封裝也讓單個封裝內的晶體管數量有望在2030年之前達到萬億規模。凌琳在會上援引了一組來自IBS去年12月份的數據，≤4nm的先進工藝節點采用量接下來幾年將呈現出幾乎線性增長；且基于chiplet技術的處理器核心數2021-2030年的CAGR增長率為44%。

除了從28nm之后的工藝節點上，半導體設計與制造的成本與研發周期大幅攀升，另一個能夠表現半導體和系統復雜性“爆炸式增長”的數字是，來自西門子EDA和Wilson Research Group的數據，所謂的1st Silicon Success，對于ASIC和FPGA而言分別在2024年降到了14%和13%（對于ASIC芯片而言應該是指首次流片的成功率——即僅有14%的ASIC項目達到了預期，對FPGA而言則是指關鍵bug影響到生產與部署），相較2020年大幅下降。

“我們需要更新的方法論、工具鏈。”“前景是光明的，但挑戰和困難特別多。”凌琳列舉的具體挑戰，包括多域系統設計、異構集成的壁壘、生態系統緊密合作的必要性；另外還有傳統意義上的包括芯片設計相關的PPA優化問題、系統可靠性、碎片化的工作流等。

所以從芯片到板級，到系統乃至應用，西門子EDA近兩年的思路始終是“全面、完整的數字孿生方案”，而不單是作為芯片設計數字孿生的EDA工具。“我們做了很多的工作、提出了不少新的方法論：從軟件、功能驗證，到物理實現、驗證，再到生產制造、封裝，以及板級調試、電子系統，子系統在系統中的測試，一整條鏈路。”

“不再是基于單點做芯片就行，而需要基于全面的數字孿生。”上面這張圖呈現了，在這個所謂的“全面數字孿生”理念下，從跨域系統模型開始，到軟硬協同做設計、驗證、仿真，覆蓋不同環節，還“需要硅生命周期工具來監測每個點是否達到目標”；“超越傳統認知中的EDA集合”。

現階段西門子EDA基于上述挑戰和要求，主要投資在4個大方向：加速系統設計——支持系統架構設計、驗證；基于先進工藝節點的設計——這是主流EDA公司的長項；先進3DIC集成——基于先進封裝、chiplet、異構集成技術的大方向；以及復雜系統實施——涵蓋更完整的電子系統，得以實現功能、成本、規劃的可預測性，更好地實踐各行各業的數字化。

這些我們在去年的文章里基本都有提過：包括集合西門子EDA與西門子數字化工業軟件部門的其他系統級能力，跨部門“產生協同效應”——比如這次特別介紹的Calibre 3DThermal、Calibre 3DStress，據凌琳所說這些提供3DIC支持的產品，現在并不完全歸屬西門子EDA業務，體現的正是部門協同；

還有PAVE360，作為完整數字孿生閉環解決方案，就是西門子EDA現如今強調“全面數字孿生”的重要構成，也是4個關鍵投資方向之中“加速系統設計”和軟件開發左移的典型代表，更能體現西門子數字化工業軟件的跨部門、超越EDA的協作——今年有關PAVE360可做更新的是，現在已經支持Arm Zena Compute Subsystems（CSS）；同時也支持了在微軟Azure云上運行的AMD GPU......

但有所不同的是，如前文所述，“軟件定義”與“芯片賦能”之外新增了“AI加持”新理念。不意外的是，目前AI已經成為西門子整個公司著力的技術方向，不單是西門子EDA——據說目前西門子專門的AI團隊成員已經有1500人。對上述4個關鍵投資方向而言，“工業級AI”作為它們的平臺級底座存在。

“基于2017年底我們收購的Solido，基于其AI引擎，實現了整個AI底座的加強。”所以在西門子EDA當前的發展策略中，所謂的“AI加持”是跨所有產品組合的“AI加持”，是“AI for chip & system”。

從兩款新品看3DIC發展階段

針對西門子EDA的這些策略，本文著重談談其中的兩個關鍵組成部分：3DIC與AI。從2.5D/3D先進封裝成為熱詞至今，也不過短短2、3年，基于2.5D/3D先進封裝和chiplet技術的芯片就已經進入到了消費電子、數據中心等垂直領域。前兩年我們還在談chiplet芯片設計的種種難點和挑戰，現在它幾乎已經成為后摩爾時代很多芯片的標配。

西門子EDA自然也在此期間推出了不少3DIC解決方案。最近西門子EDA發布了3款Innovator3D系列新工具——“Innovator3D IC Integrator”被Lincoln Lee（李立基，西門子EDA全球副總裁兼亞太區技術總經理，西門子數字化工業軟件）稱作3DIC的“座艙”：分別是i3D Layout（用于做substrate與interposer的layout物理設計）、i3D Protocol Analyzer（仿真信號完整性的工具），以及可連接西門子Teamcenter做數據管理的系統（尤其在整個芯片包含大量chiplet的時候，電子數據模型、數據管理非常重要）。

除了Innovator 3D，Lincoln特別介紹了在多物理場流程中的Calibre 3DThermal和3DStress——這兩者應當也是西門子EDA發布沒多久的新工具。了解新工具有利于我們明確當代3DIC設計工具所處的發展階段，所以這里特別花一點筆墨談一談。

3DThermal顯然是用于3DIC熱分析的。Lincoln表示當代采用先進制造與封裝工藝的芯片構成密度越來越高，“包括pin密度、bond密度都很高——因為提高帶寬以后，速度就會變快。”與此同時“功耗密度（power density）就會很高，發熱控制不好會影響到芯片的工作”。

“傳統的熱分析工具一般是芯片級、單die的。而對于3DIC而言，一定需要讀入metal fill（金屬填充）和TSV（硅過孔）。”他舉例提到dummy fin雖然對電沒有影響，但會影響到散熱，“就thermal path（熱路徑）的角度，如果沒有讀進去就會影響到熱分析的精確度”。

所以3DThermal“把包括metal fill在內的full GDS都讀進去”。由于讀入數據量巨大，“傳統工具承受不了”；而“我們有領先的Flotherm引擎，經過優化之后放進3DThermal之中就能用于熱分析了。所以多die封裝的熱分析能力是3DThermal所特有的。”

另一方面，功耗密度提高帶來的發熱在影響芯片正常工作之前，“還會引發膨脹：在interposer（2.5D/3D先進封裝用到的中介層）如此之薄的情況下，熱就會造成warpage（翹曲），產生壓力也影響到晶體管的性能，繼而影響到timing（時序）。”

而3DStress則用于熱分析仿真完成之后做應力仿真，“很多人可能會誤以為3DStress主要是發現mechanical warpage（機械翹曲），但實際上在warpage產生影響致斷開之前，還要考慮timing的影響。”對于3DStress而言，“重點是它抽取了數據之后，會back-annotate（回標注）到SPICE netlist（網表）里面，就可以在SPICE仿真器里重新仿真，了解對電路的影響。”

當然在力推先進封裝發展的過程中，西門子EDA自然也需要和合作伙伴合作，攜手臺積電、Intel Foundry共同支持3DIC（包括Calibre 3DSTACK通過臺積電3Dblox標準認證、Innovator3D IC支持多層級3Dblox格式、面向COUPE工藝提供設計解決方案；以及Intel EMIB+TSV技術認證工作流、EMIB原型工作流實施方案、支持Intel最新的封裝生產項目；當然也包含了各種工具、工藝認證），同時與包括日月光、三星等在內的更多OSAT、晶圓廠打造生態也是常規操作。

據說西門子EDA目前也正積極與國內的OSAT廠就設計工具與流程形成合作關系，只是官方暫未對外公布任何信息。

貫穿全流程的“AI加持”

最后必然要談的就是AI了——這也是過去1年，主流EDA廠商必談的話題。凌琳在演講中援引黃仁勛（NVIDIA CEO）的話：“軟件正在吞噬世界（software is eating the world），但AI將吞噬軟件（but AI is going to eat software）。”

也就是說“以人工智能驅動的軟件是未來趨勢”，“也是EDA發展的趨勢”，尤其在芯片與電子系統設計越來越有挑戰性的當下，“必須要更先進的解決方案，更強大、易用的設計、驗證、生產系統”來解決問題。于是在軟件定義和芯片賦能之外，“AI加持”就成了個中關鍵。

不過相較更多市場參與者在AI技術應用上的激進，西門子EDA雖然開始做AI的時間很早（如2017年就收購了做AI EDA的Solido），但在將AI技術應用到EDA及電子設計系統之上的態度還是相對謹慎的。相較其他EDA企業樂觀預計AI未來有機會自動生成具體實施方案，Lincoln認為“自動產生設計并不是短期就能看到的”。

所謂“AI加持”，其中的“AI”是“工業級AI（industrial-grade AI）”，“將AI添加到EDA工具流要考慮很多問題”。西門子EDA對EDA AI的態度是，AI技術至少需要滿足5個條件：可驗證性（verifiability）、易用性（usability）、通用性（generalist）、穩健性（robutsness）、準確性（accuracy）。畢竟這是需要用于生產的AI，而“不是娛樂或解決簡單的文字問題”。

今年6月份的DAC（設計自動化大會）上，西門子發布了EDA AI system。在NVIDIA硬件及NIM, Nemotron等服務的基礎上，這套系統“并非單一工具，而是個跨平臺產品。其他的工具都建立在這個平臺上”。這套系統的技術棧構成具體如下圖所示。

同為構建當代流行的generative/agentic AI工具方向，依托于西門子EDA的數據，或者設計客戶自有數據，面向不同的工具都有了對應的AI助手。這套方案也支持客戶構建自己的本地化AI，“有些大客戶選擇了接入自己的數據，藉由API構建起混合AI系統。”

具體的，基于EDA AI system平臺，西門子EDA今年發布了四款工具，“包括用于驗證的Questa One、做布線布局的Aprisa AI、最知名的Calibre Vision AI、和用來做仿真的Solido generative and agentic AI”。據說從客戶的反饋來看，這些AI工具已經提供了出色的效率提升。

我們目前不清楚在面向設計客戶時，這套方案具體長什么樣——如何體現generative/agentic AI，以及效率提升是怎么達成的。不過有兩個基本理念可做分享：（1）媒體問答環節，Lincoln提到EDA AI system“跨不同應用”，“不是拆開的”，基于“大的data lake，客戶可以連接到工具上”；

（2）西門子EDA將工具分成generative AI和agentic AI兩個方向（雖然外部暫時看不出來兩者的切分依據）：generative AI應用的代表是Questa One和Aprisa AI；而Calibre Vision AI和Solido Agentic AI體現的都是agentic AI技術方向。

從給出的PPT來看，如Questa One的驗證自動化能力，包括生成SVA斷言條件（SystemVerilog Assertions properties）、自動修正Lint問題、預測并優先排序可能失敗的測試、生成用于覆蓋率收斂的測試用例、基于規格生成驗證計劃、優化回歸測試策略、生成無激勵的（stimulus-free）驗證場景、提供協議感知（protocal-aware）的覆蓋率分析等。

而在agentic AI方面，“會有agent陪伴工程師一起工作。比如對Solido agentic AI說要做什么樣的仿真、產生腳本；或者提出需求要做這樣的Monte Carlo，考慮因素有哪些等等。再比如Calibre Vision AI，當DRC出現錯誤、LVS不通過，就可以問具體是什么問題、該去哪里做檢查。”聽起來，這是常規意義上更形似某些競品提供的對話型AI助手。

PPT上列出Calibre Vision AI的典型能力包括自動識別設計違規、通過聚類（clustering）整理錯誤、按重要性對問題進行優先級排序、讓設計人員優先處理關鍵問題；而Solido Agentic AI的能力有自動化設計工作流程、搭建并分析仿真、優化電路設計空間、做工藝變化感知（variation-aware）的決策等...

凌琳（西門子EDA全球副總裁兼中國區總經理，西門子數字化工業軟件）與Lincoln Lee（西門子EDA全球副總裁兼亞太區技術總經理，西門子數字化工業軟件）

這些應該都是能夠具體體現協助設計的“AI加持”的。總的來說，西門子EDA對于AI的態度更為務實：除了工業級AI要求，及著眼于“提高工程師的效率”，“將一些重復性工作交由AI完成”；真正要在技術和產品上，產生差異化、要求創新的事情，“仍然要交給工程師”；這大概也是西門子EDA近兩年在企業內擴員的依托之一：人才資源仍然是重要的。

Lincoln對AI談到的有一個觀點在我們看來，是相當值得行業參考的：有沒有用AI技術本身并沒有那么重要，重要的是“在IC設計流程上，創造了什么樣的價值”。他說當年Solido剛剛成立之時就已經在做機器學習，只不過彼時還沒有多少人真正理解AI技術，所以Solido對外宣傳時基本只提自家的仿真速度相比競品快很多，同樣受到了客戶的青睞。

尤其在面向工業生產、EDA設計這樣的嚴肅生產力領域時，這種在技術應用上明顯更務實的態度也顯得更為可貴。無論是AI，還是其他技術創新，以及西門子EDA這兩年始終在提的全面完整的數字孿生生態與工具鏈，構成閉環系統，“幫助客戶針對紛繁復雜的系統，做設計與驗證”，都旨在解決前文提到的各行各業數字化轉型過程中面臨的諸多挑戰，而AI只是達成這一目標的方法之一。