您能在微小的矽晶圓上佈署多少積體電路 (IC)？這塊不起眼的平台承載著為全球科技提供動力的海量電晶體。1971 年，第一顆微處理器僅由 2,300 個電晶體構成 — 但今天的矽晶片卻能擁有超過 1,000 億個電晶體。在摩爾定律衰退之前，可佈署在 IC 上的電晶體數量大約每兩年翻一番，而晶片設計的終極目標就是盡可能地縮小尺寸。現今最小的實用電晶體尺寸僅為兩奈米，略大於典型的原子。

當我們試圖逾越這道高牆並持續推動晶片設計創新時，我看到了半導體產業中正在浮現的幾個趨勢。其中一些，例如雲端，已經發展多年，並逐漸像傳統資料中心運算一樣普及；而另一些，例如人工智慧 (AI) 和機器學習，則正緩慢地滲透到人類科技發展的幾乎每個領域

1. 垂直堆疊的模擬

隨著物理限制壓縮了水平發展的空間，晶片設計師開始「向上」尋求突破。如今，IC 已成為迷你建築奇蹟，採用最新一代半導體技術的多層結構。3D 垂直堆疊可以提供額外的功能、縮小外形尺寸並提高互連密度 — 但堆疊也可能帶來挑戰，例如熱管理、電源供應和物理限制。

堆疊引起的熱應力 — 過高的熱 — 可能導致效能問題和機械故障，最終損害組織的生產力、產品品質和上市時間。堆疊也衍生出電源供應挑戰，這需要一個能夠檢視轉換器操作特性的解決方案。隨著 IC 設計日益複雜，IC 設計從業人員需要先進的物理分析，以確保晶片在印刷電路板 (PCB) 上能良好協同運作。由於 Altair 了解當今半導體產業所面臨的挑戰，我們的解決方案具有互操作性和穩健性，旨在幫助設計師推進晶片設計策略並促進 3D IC 技術在複雜電子系統中的佈署。

2. 設計內部化

始於 2020 年並引發全球微晶片短缺的全球疫情，促使各行各業的組織改變其營運方式，將 IC 設計內化。儘管短缺已有所緩解，但它已經改變了許多組織的關鍵流程。他們比以往任何時候都更多地使用電子設計自動化 (EDA) 工具，由於這些工具可能非常昂貴，因此高效的資源協調至關重要，以確保授權利用率最佳化、工作負載順暢運行，以及使用者無需長時間等待或面對 IT 難題，便能保持高生產力。除了 EDA 工具，一些製造商還使用硬體仿真以及 Altair 解決方案來佈署硬體模擬環境。我們為半導體設計和 EDA 提供了一套完整的解決方案。

點此了解 Altair 為半導體產業打造的雲端解決方案。

隨著半導體設計產業在疫情後恢復盛況，設計人員和製造商是否會繼續受益於內部 IC 設計，或者會發現回歸外包更有利，仍有待觀察。由於他們已經在自己的流程和設備上投入了大量時間和金錢，許多人可能更願意保留對品質和生產時間的控制優勢。

3. 設計與除錯

IC 設計日益複雜已不是秘密，組織需要能夠正面應對這一挑戰的解決方案。隨著晶片尺寸和電晶體密度每次迭代的增加，功能錯誤、效能瓶頸、互連問題及其他複雜情況的風險也隨之增加。設計師必須在投入生產之前，有效率且迅速地糾正潛在問題，這有賴於能夠識別根本原因並以具洞察力的方式視覺化功能行為的軟體解決方案。時間是關鍵；更快的除錯可以顯著縮短開發週期。

4. 雲端設計

雲端是一個長期趨勢，隨著支援高效雲端運算的技術變得更快、更便宜、更先進，消除了高成本和陡峭使用者學習曲線等進入障礙，雲端技術正穩步發展。今天的半導體設計師不僅在構建他們的矽晶片並將 IC 設計內化，他們還將其運算提升到雲端。隨著比以往任何時候都更多的 EDA 使用者使用雲端和混合雲，以利用其幾乎無限的容量和低進入成本，有效管理運算資源至關重要，這確保了生產力保持在高水平且成本保持在低水平。

按需求選用的雲端運算可以成為一個有吸引力的替代方案，避免在資料中心硬體和運行其所需的專業知識方面進行大量前期投資，這通常是高效能運算 (HPC) 和強大在地端超級電腦的傳統做法，這些超級電腦通常由 IT 專家全天候值守。然而，雲端運算週期可能會迅速累積，變得昂貴。根據半導體產業協會的數據，美國的半導體公司將其收入的約五分之一投資於研發 (R&D)，這相當於每年數百億美元。Altair 的 HPC 和雲端解決方案使公司能夠優化資源，包括昂貴的 EDA 工具授權，並為使用者提供在統一、協作平台上的輕鬆存取和遠端視覺化。這些 HPC 和雲端解決方案根據業務目標和策略執行，在專案和預算控制範圍內盡可能快速地交付產品。

5. AI 與機器學習

或許最關鍵的是，AI 和機器學習的全球普及趨勢 — 它們正滲透到生活的方方面面，並正在改變我們所知的世界，涵蓋醫療診斷、自然語言生成、智慧家庭控制等 — 正在影響 IC 的設計和開發。儘管 AI 最常出現在像 ChatGPT 這樣引發熱議的應用程式中，但這項技術也以重要方式為我們已經習以為常的產品和流程做出貢獻，例如我們電腦內部的矽晶片。

機器學習始於訓練，其中輸入和處理大量數據，以便後續用於圖像識別和模式識別等任務。機器學習已經幫助我們在數據分析和決策中減少錯誤並提高精確度，儘管人類在抽象分析和主觀判斷等認知任務方面仍然更出色，但機器學習受益於缺乏偏見以及對海量硬數據的存取 — 越多越好。

EDA 產生大量非常適合機器學習的數據，設計師正在使用機器學習來增強 EDA 效能。隨著 EDA 任務日益複雜以及對具有數百個核心和龐大記憶體需求的客製化 CPU 和 GPU 的需求，AI 和機器學習正以更少的時間和資源消耗擊敗傳統方法，公司正在學習使用機器學習演算法改進 IC 設計工具意味著他們可以在更高的抽象層次上工作並更快地交付更好的結果。Altair 正在開創智慧排程，它將資料分析和 AI 的力量與業界最快的工作負載排程器相結合。組織可以透過獨特的技術融合來強化其高吞吐量運算 (HTC) 和 HPC 環境，該技術可以估計作業所需的時間和所需資源的大小。在一個分秒必爭的產業中，智慧排程可以更快地交付突破性成果。

結論

隨著 HPC 和 HTC 之間的實際界線日益模糊，其中大部分轉移到雲端，以及決策日益由數據驅動，HPC 和 EDA 正在促進 AI 和機器學習的發展；同時，AI 和機器學習正在提升 HPC 和 EDA 的能力。所有這些技術分支最終會融合到無法區分嗎，還是組合技術會擁有自己的生命並進一步分化？無論如何，有一點是清楚的 — EDA 中的 AI 和機器學習是下一個大事件，而且它已經到來。

半導體設計已從五十年前的微不足道發展到如今的領先地位。儘管面臨日益複雜、晶片短缺、全球地緣政治以及隨之而來的任何挑戰，積體電路仍在不斷發展並形塑我們的科技未來。

觀看我們最近的線上研討會：A Technology Leap for Higher Throughput and Utilization，了解更多關於 Altair 對半導體產業的願景，如何將當前趨勢與未來用途結合。

歡迎點此觀看線上研討會：https://altair.com/resource/a-technology-leap-for-higher-throughput-and-utilization。