自从 2010 年 iPhone 4 上搭载苹果自研的 A4 处理器之后，苹果在自研处理器的道路上一路狂奔，2020 年用自研 M1 芯片替换了 Mac 系列上的英特尔处理器。
苹果的成功给系统公司选择自研芯片增加了信心。2016 年，谷歌推出第一代自研张量处理器单元 TPU，如今已经迭代到第四代。
此后，亚马逊、阿里巴巴、Baidu 等也纷纷选择自研芯片。这些对芯片需求巨大的系统公司们自研芯片，必然会降低从英特尔、英伟达、AMD 等芯片巨头购买芯片的需求，与此相伴的是，传统芯片巨头的话语权也将减弱。
未来，芯片行业会被离用户更近的系统公司们主导吗？可预见的是，系统应用将是芯片设计的核心驱动力，这意味着，芯片设计和芯片制造的关键工具 EDA（Electronic Design Automation）需要进行革新，以便支持系统应用提出的多元化、定制化需求。
面向未来的 EDA 2.0 将在 2026 年开启全新时代。而过去 EDA 每一次的突破都给芯片行业带来了革命性变化，这是否意味着 2026 年是系统公司主导芯片行业的起点？
在国内，芯片行业依旧在高速发展，但全球芯片行业早已进入成熟期，从设计到生产，再到封装测试，复杂的芯片产业链已经实现了全球分工协作。2015 年开始，摩尔定律开始放缓，通用芯片的性能提升越来越慢，但新一轮 AI 热潮对芯片算力的需求越来越高，物联网应用对芯片的需求越来越多样。
像苹果、谷歌这样大量购买芯片的系统公司对通用芯片性能的提升越来越不满，于是纷纷开始自研定制芯片。过去的几十年中，通用芯片从工艺和架构改进中带来的性能提升具有优势，定制芯片因为用量小，性能和收益比难以与通用芯片竞争。
然而，过去 40 年主宰芯片行业的摩尔定律逐渐接近极限，让业界对定制芯片的性能和成本要求逐渐放宽。同时，在大部分应用的需求被通用芯片满足之后，定制芯片的目的不再是简单追求高性能，而是为了实现功能、功耗、安全等的差异化，通过系统层级的协同优化，实现创新和独特的竞争力。
“现在是软件决定一切，既然系统公司掌握了软件，就会有很多想法，他们知道系统的最佳实现路径，但芯片公司不知道，EDA 公司也是一样。”傅强指出。
苹果就是一个典型的例子，A 系列处理器在自研的早期相比芯片公司的处理器性能差距明显，但通过苹果的系统级优化，在体验上并没有显著劣势。通过持续迭代，苹果的 A 系列处理器已经成为了业界标杆。不仅如此，通过统一内存架构等创新，苹果更强大的 M1 处理器实现了性能和能效的巨大提升，可以替代英特尔成熟的酷睿处理器。
▲苹果 M1 芯片，图片来自苹果
谷歌的自研 TPU 也很好地满足了自身地图、相册、搜索等业务，用更低的成本实现更差异化的功能和更好体验。展现谷歌自研处理器优势有一个量化的数据，其自研的视频编码单元 VCU 用于加速 YouTube 的视频编解码，有分析师预计，VCU 将能帮谷歌替换 3300-4400 万个英特尔 CPU。
成熟的芯片产业以及摩尔定律的失效，让系统公司走上了自研芯片的道路。但芯片行业有非常高的技术门槛，即便有成熟的芯片产业链分工，想要缩短芯片设计周期挑战巨大。
因此，谷歌已经开始用 AI 降低芯片设计的难度，近期还在 Nature 上发表了题为《一种用于加速芯片设计的布局规划方法》的论文，利用深度学习优化芯片的布局规划方法自动生成平面图，优化芯片的性能、功耗和面积。人类工程师需要数月完成的工作，谷歌用 AI 仅需要 6 小时就能达到相同效果。
实际上，谷歌的试验正说明当前的 EDA 需要更多的革新。
EDA 过去几十年来已经成为了芯片设计模块、工具和流程的代称，芯片设计、验证的全流程以及工艺制造都离不开 EDA。芯片设计工具的每一次突破，都会给芯片带来革命性变革。
1970 年之前，集成电路设计是纯手动描绘版图。1970 年计算机辅助设计（CAD）的出现，相对于手工设计方法是一个更大的改进。1990 年代，EDA 技术的诞生让工程师可以用硬件描述语言描述设计，通过仿真在流片前提前验证，提高效率的同时大大减少芯片制造的风险。
有 20 多年 EDA 行业从业经验的芯华章董事长兼 CEO 王礼宾说：“目前我们正在使用的 EDA 设计制造流程都是基于 2000 年左右开始形成的基础，我们可以称之为‘EDA 1.0’。之后 20 多年 EDA 的发展，都是在 1.0 上逐渐增加各种内容，比如基于 FPGA 的验证、低功耗设计、基于 IP 组件的设计复用等。这些叠加式的改进基于 EDA 1.0，不断提升 EDA 设计的效率，但是从抽象层级、设计方法学角度看，没有出现很大的改变，可以认为一直到今天我们都还处于‘EDA 1.X’的发展过程中。”
他发布的《EDA 2.0 白皮书》指出，EDA 1.X 有六大显著的挑战：
应用需求分化：芯片应用场景更加细分，不能满足系统公司习惯的快速创新和迭代的要求。
验证工作复杂：复杂的系统芯片设计验证工作越来越困难，验证的工作量往往需要独立团队耗费数个月才能完成，据统计，芯片制造过程中 70% 的时间成本都会消耗在验证上。
IP 复用价值没有完全发挥：IP 的选择和配置对 SoC 设计的影晌无法在前期确认，IP 模块支持快速 SoC 设计的复用价值被削弱。
人才不足：EDA 是一个跨学科的复合型领域，因此人才的培养需要更多的时间和资源。
开放性不足：语言、接口和数据的标准化或者开放还不够，很多环节缺少开放的功能和数据接口，不同工具之间往往无法直接互连，中间数据也经常是工具私有。
历史包袱：EDA 1.X 的工具是在二十多年的时间里渐进式发展起来的，这决定了它还背负了过程中的兼容性要求、历史代码、遗留架构等很多历史包袱。
要解决 EDA 1.X 的挑战，提升芯片设计效率，满足系统公司的需求，可以借鉴软件发展的成功经验。中国科学院计算技术研究所副所长包云岗表示：“我一直觉得软件领域有很多值得芯片行业借鉴的经验。有统计指出，超过 90% 甚至 95% 的企业，都是混合使用各种模块，已经在整个软件生态里发挥非常重要的作用，尤其在标准接口方面，EDA 2.0 的开放和标准化路径可以对系统交互和先进芯片设计起到积极作用。”
开放和共享只是从软件发展过程中可以借鉴的一个重要经验。白皮书指出，今天软件行业和应用的蓬勃发展，离不开软件开发流程和工具抽象程度不断提高、表达形式从机器语言靠近自然语言、开发者从硬件和系统专家转变为应用和行业专家、工具不断自动化和智能化、最终不断提高软件开发效率的过程。
“增加更多的中间表达层、尽可能形成模块和复用、开发效率为第一优先、推动智能化开发、充分利用最新的硬件架构、新的商业模式都是 EDA 可以借鉴的经验。基于此，我们认为 EDA 2.0 是后摩尔定律时代片设计发展的未来方向，实现 EDA 2.0 也不是一个 0 和 1 的状态变化，而是基于目前的 EDA 1.X 不断采用创新改进满足快速发展的芯片行业需求，是 EDA 行业长期发展的目标。”
“可能每个人心目中的理想状态都不完全一样，他将 EDA 2.0 的核心目标定义为‘基于开放的工具和行业生态，实现自动化和智能化的芯片设计及验证流程，并提供专业的软硬件平台和灵活的服务，以支持任何有新型芯片应用需求的客户快速设计、制造和部署自己的芯片产品’。实现 EDA 2.0 需要全行业的共同努力，其中关键的路径包括开放和标准化、自动化和智能化、平台化和服务化三个方面。”王礼宾表示。
▲图片来自芯华章《EDA 2.0 白皮书》
中国科学院 EDA 中心主任陈岚在《EDA 2.0 白皮书》的发布会上提到，过去的 EDA 工具是满足高端通用的复杂的芯片设计需求，而未来更加开放的模式，可以快速的让新技术融入到 EDA 的流程当中，同时避免流程转化中的设计冗余，用更低的成本，让更多的用户使用，快速的对 EDA 进行验证与迭代，提高芯片设计的总体效率。
陈岚也强调，EDA 是我们整个行业基础的牵引性技术和产品，与软件出现问题可以改漏洞不同，EDA 作为工业软件，以开放与合作的心态推动产业发展的同时，也要保证使用 EDA 软件工具设计出来的芯片可以正常流片。
杨晔表示，“EDA 行业 40 年来发展的一些精标准与设计规则一定会继续长期存在于芯片设计行业，继续不断向更加精细化的方向演进，支持高端芯片设计的需求。进入到 EDA 2.0 时代，这些标准和经验将被提炼出来，成为模型、算法，或者自动化的流程，让系统工程师和软件工程师也可以参与到芯片设计中来，这不代表 EDA 的可靠性降低了，而是工具内部会比以往更加复杂，对于用户来说则是更简单了。”
“2026 年，我们将开启 EDA 2.0 的新时代”，他们认为技术需要沉淀和准备，生态的培育也需要时间。
但即便 2026 年芯片行业进入 EDA 2.0 的时代，EDA 1.X 与 EDA 2.0 仍将并存很长一段时间。
两个时代的长期并存，也是 EDA 2.0 解决挑战变革芯片行业的过程。
就开放和标准来说，傅强认为，“整体看 EDA 1.X 很多已有的标准没有得到厂商的统一支持，导致流程比较封闭和碎片化。其实，工业界没有哪个标准是一定要用，最终还是以价值为导向，提供给用户价值就会有人用，用的人多了就慢慢变成标准。未来 EDA 产业的开放和标准化将不仅仅由 EDA 厂商或标准化组织决定，而应该由产业链上游的 EDA 生态和下游的业界共同定义。”
来自芯片设计公司的专家也表达了自己对于 EDA 开放和智能化的期待。他说：“以机器学习为代表的技术在芯片设计的空间探索、验证或者加速方面确实潜力巨大。虽然在 EDA 中引入 AI 没办法一蹴而就，但我希望 EDA 公司可以大胆或积极的尝试，在一些比较关键、成熟的技术中，引入 AI 相关的技术和算法加强 EDA 功能。”
“另外，我们发现在芯片设计中使用 AI 会面临一些算力瓶颈，所以希望在 EDA 中引入 AI 技术的时候，也能留有强化硬件的接口，这样在整个设计流程中会有更高的实用性。同时，现在的 EDA 更像是一个黑盒子，对于使用者而言很难理解底层的物理机制，因此也希望 EDA 工具更够稍微开放一些，把对芯片性能有很大影响的参数开放，有利于我们进行设计优化。”
杨晔补充，EDA 2.0 时代的开放，包括工具软件接口（API）更开放、数据格式开放或数据访问接口开放、EDA 软件针对更多硬件平台的开放、芯片内外部的总线和接口标准化、商业 EDA 与开源 EDA 的结合、更开放、便捷的 IP 模块。EDA 2.0 中的智能，也不仅仅是狭义的加入 AI，还包含流程的自动化等一切减少人力投入的改进。
至于 EDA 2.0 的平台化和服务化，则会带来这个行业商业模式的创新。傅强说：“EDA 工具上云的尝试过去二十年不断有厂商在推动，但是到今天为止实际应用范围还不够广泛。EDA 2.0 是满足不同规模和不同阶段的芯片设计有多样化的需求，结合云原生技术为用户提供近乎无限的计算弹性、存储弹性和访问便捷性，因此 EDA 2.0 应该与云平台和云上多样化的硬件结合，充分利用成熟的云端软硬件生态。”
在这种变化下，EDA 2.0 还应该是产品和服务的结合。他们开创性提出的 EDaaS（Electronic Design as a Service），用一个服务化、可定制的完整平台服务不同系统应用需求。
也就是说，EDA 2.0 时代的到来，将给 EDA 公司带来更大的挑战，系统公司设计芯片的门槛将进一步降低，随之而来的，将会是芯片行业由上至下的一系列变革。
摩尔定律成就了众多通用芯片公司，但随着摩尔定律接近极限，芯片行业正在进入新的时代，异构、定制化的趋势越来越明显。越来越多系统公司开始自研芯片，一方面是对通用芯片性能和成本的不满，另一方面是系统公司自身继续保持竞争力的不二选择。
但系统公司要更高效率、更低成本定制芯片，就需要最上层的 EDA 工具的突破。众多资深业内人士已经明确看到 EDA 行业正站在突破的拐点，这也是近年来众多 EDA 三巨头高管离职创业并获得资本关注的重要原因，当然也叠加了国内市场的需求以及政策利好的因素。
EDA 2.0 的到来，是中国 EDA 实现换道超车，打造国产 EDA 全流程，为芯片产业发展与数字化时代发展注入新动力的必经之路。
芯片行业正在酝酿一场全新变革，谁将成为芯片行业新时代的主导者？
