1956年人工智能（AI）当概念被提出时，即使是想象力最丰富的预言家也应该很难预测到2022年AI，能够预测天气，诊断和治疗疾病，甚至，AI被称为工业粮食的半导体产业仍在发生变化。

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

随着半导体制造技术的不断发展，单芯片集成的晶体管数百亿，系统越来越复杂，设计挑战越来越大。但与此同时，终端应用的软件和算法加速迭代，以月或年为周期更新的芯片越来越难以满足终端需求，芯片设计周期迫切需要缩短。

EDA工具与AI技术的结合不仅可以设计PPA更好的芯片（性能、功耗和面积）也可以显著缩短芯片设计周期。在实现更好、更快、更便宜的芯片愿景的同时，也将大大降低芯片设计的门槛，使更多的人和企业能够设计所需的芯片，这将对芯片行业产生深远的影响。

2020年，新思科技推出了业内首个用于芯片设计的自主人工智能应用——DSO.ai (Design Space Optimization AI)。作为人工智能和推理引擎，DSO.ai在芯片设计的巨大解决空间中搜索优化目标。

目前，英特尔、联发科、三星、索尼、瑞萨电子等世界顶级芯片设计公司已被采用DSO.ai，在不同的芯片工艺节点和不同类型的芯片设计中，一般提高了4-5倍甚至更高的效率。

一旦尝试，芯片公司就会喜欢它DSO.ai，还有一个热启动的绝招。

各种芯片各种芯片AI设计

将AI技术与EDA工具结合有两个核心价值。首先，我们试图让步EDA更智能，减少重复和复杂的工作，让用户设计相同甚至更短的时间PPA更好的芯片；二是大大降低用户门槛，解决人才短缺的挑战。

DSO.ai更智能的核心价值是在巨大的芯片设计解决方案空间中搜索优化目标，利用强化学习优化功耗、性能和面积。

无论是x86架构、Arm架构或传感器，无论是最先进的工艺，还是成熟的工艺，都可以使用DSO.ai实现PPA同时缩短设计周期。

当然，在实际使用中DSO.ai在设计芯片时，不同的开发者会有不同的优化目标。例如，手机芯片开发者专注于CPU图像传感器开发者更愿意缩短设计周期，加快产品上市，DSO.ai能灵活解决差异化需求，提高效率几倍。

DSO.ai新思科技之所以能在不同的工艺节点和不同的技术架构中实现显著的效率提升，核心原因是基于新思科技EDA该领域积累了多年丰富的行业经验AI自动化学习能力和底层算例将需要开发者反复尝试的重复和复杂的工作移交给开发者AI快速探索万亿计的设计方法，找到最优解，具有普遍的适用性。

DSO.ai第二大核心价值可以帮助传统芯片设计公司解决人才短缺的挑战，大大降低芯片设计的门槛。

在数字化趋势下，大型系统级公司开始开发自己的芯片，通过定制芯片优化其应用或工作负荷。然而，大型系统级公司往往缺乏芯片设计经验和经验丰富的芯片设计人才，DSO.ai完美解决大型系统级公司面临的挑战。

借助DSO.ai，只有几年工作经验的开发人员，也能达到多年经验丰富的开发人员的设计水平。

DSO.ai这两个优势将惠及几乎各种类型的芯片设计公司，典型的是通用芯片公司和系统级客户。

对于通用芯片公司，DSO.ai目标是通过模拟验证、快速原型等更快、更容易使用的工具，模拟芯片生产前的实际性能和功耗，节省成本和设计周期。对于系统级公司，DSO.ai通过各种IP帮助他们解决芯片架构和工艺选择的模块和设计工具。

提高数量级性能，大大降低门槛

由于需要更强的计算能力作为支撑，DSO.ai由于云计算的普及，新思科技普及，新思科技也与云服务提供商合作提供DSO.ai解决方案。

当然，就像云计算的普及不是一蹴而就的，一开始，DSO.ai在芯片设计公司眼里，这也是一件新事。一开始，顶级芯片设计公司是为了DSO.ai态度也有点谨慎，但对DSO.ai测试结束后，他们发现他们得到了PPA在缩短设计周期的同时，大幅度提升。DSO.ai它很快得到了世界顶级芯片设计公司的认可。

典型的例子是英特尔、联发科、三星、索尼和瑞萨电子。

英特尔发现，面对优化高性能芯片PPA在缩短设计周期的目标时，有许多关键挑战需要解决，包括：设计尺寸大、运行时间长；对于大尺寸的设计，最终RTL到GDS收敛周期较长；在最后阶段实施多个手动ECO延长设计关闭时间；跨设计向量优化PPA增加实验数量等。

英特尔在实际情况下使用DSO.ai芯片设计周期和技术PPA优化设计时间结果质量提高约40%，运行时间加快约20%。英特尔通过将军DSO.ai并入区块布局布线（PnR）有助于缩短芯片设计周期，实现最佳流程PPA，减少人工//ECO收敛工作中的搅拌，及时向RTL业主提供反馈，以修复严重违反时间路径的问题。

英特尔的例子也充分说明了DSO.ai易于定制的特点可以很好地解决芯片设计中计时或功耗带来的挑战，通过创建布局指标来帮助缓解拥塞点和使用库单元数量的限制。

联发科和三星也被采用DSO.ai先进工艺技术改进Arm架构移动CPU性能和功耗。在三星的案例中，DSO.ai成功应用于技术开发Voptz和Ftarget通过自动探索大量电压，优化应用程序（V）/目标频率（F）找出最高基准分数和最长电池时间的最佳组合。此外，DSO.ai RL通过分析之前操作中的选择，自动学习并生成更好的组合。

结果显示，三星在4nm Arm Big CPU在相同的工作电压下，DSO.ai频率提高了13%-80%；在相同的工作频率下，功耗可以降低25%。

展示了三星的实践AI驱动解决方案提高了生产力，帮助开发者输出高质量的结果。

虽然和设计CPU但索尼在设计传感器时，需要在最短的时间内满足各种类型的终端的需求，缩短设计周期，提高结果质量（PPA）。

因此，索尼在传感器设计过程中也成功地采用了它DSO.ai与专家工程师的人工操作相比，技术并验证了其出色的性能，DSO.ai只有1/4的设计周期和1/5的设计工作量才能达到最佳效果，成功降低了3%的功耗，进一步提高了设计结果的质量。

与冷启动相比，索尼发现热启动有一些优点，比如只需要1/2周期，减少1/3的工作量。

热启动也是新思科技DSO.ai的绝招。

热启动，DSO.ai的绝招

之所以说是绝招，是因为目前行业一体化AI的EDA在工具中，只有新思科技DSO.Telit代理ai提供热启动模式。

众所周知，AI该技术需要使用大量的计算资源来模拟人脑的神经思维，而计算资源的缺乏往往受到限制AI高端应用或大型企业部署技术。DSO.ai将每次操作的学习经验保存到培训数据库中，然后利用培训数据库提高设计探索效率，减少执行时间，降低计算资源的要求。

DSO.ai有两种模式：热启动和冷启动。

冷启动实际上是一种没有训练数据的模式，需要执行和创建训练数据，并选择使用自己的非训练抽样来分配第一个参数。介绍了一个新的设计DSO.ai它始于冷启动，因此需要进行大量的培训工作，并且必须在同一过程中进行多次。

热启动模式是将冷/热启动的结果作为一种过程模式，在有培训数据的情况下自动学习，以寻求最佳解决方案。热启动的显著优点是可以减少工作量，缩短周期。同时，热启动也可以减少对计算能力的需求。

在实践中，英特尔发现，有了热启动模式，更少的工程师可以实现更好的设计效果。联发科还意识到，如果你了解设计参数并实现它PPA热启动可以提高生产力，进一步实现复杂的计算和决策。

新思科技可以率先在行业内推出热启动模式，早在五六年前就与新思科技建立起来AI团队研发相关项目密切相关。

不仅如此，新思科技还在努力探索前进的热启动模式，即通过IP提供商合作，针对共同客户进行有针对性的优化，进一步完善DSO.ai效率。

新思科技将不断完善DSO.ai性能，如易用性的提高，更智能的(冷热模式的自动切换)，适用性的进一步扩大，也是客户所期待的。DSO.ai，越来越多的芯片设计公司正在采用新思科技AI与EDA从数字芯片逻辑设计到验证。

未来，芯片的架构设计、制造和包装将整合到整个过程中AI技术。作为芯片设计全过程的工具，新思在整个过程中更容易使用AI，带来更显著的全面改善，芯片行业的深刻变化也开始了。

我们迎来了芯片设计突破的新时代。