電子設計自動化（下文簡稱EDA）工具可供在集成電路、印刷電路板和系統級工作的工程師使用。英銳恩單片機開發工程師將深入介紹EDA到目前為止如何為電子產品開發做出貢獻，以及它在未來如何繼續發展。

1947年貝爾實驗室晶體管的發明引發了電子技術的爆炸式增長，這個行業也深刻地改變了我們的生活方式。隨著公司爭先恐后地搶占市場，并從新技術機會中獲得最大利潤，不斷推動著更小、更強大設備的發展和出現。

特雷西·基德（Tracy Kidder）于1981年撰寫的一本非小說類、普利策獎獲獎書籍《新機器的靈魂》（The Soul of A New Machine）生動地說明了風險的大小以及科技公司為成為贏家而付出的努力。Data General于1980年開發下一代計算機，以防止Digital Equipment Corporation（DEC）實現對新32位小型計算機市場的統治。本書的一個關鍵主題是工程質量和上市時間之間的緊張關系。這一直是一個潛在的問題，如果不是實際問題，但已經被電子設計自動化（EDA）——有時稱為電子計算機輔助設計（ECAD）——工具的出現和發展所緩解。它們可用于促進集成電路（IC）、印刷電路板（PCB）和完整的系統設計。

下面，英銳恩單片機開發工程師將深入的介紹IC EDA如何演變成目前的形式，以及一些預計會影響其持續發展的因素。

一、EDA的演變

在EDA開發之前，集成電路是手工設計和手工布局的。一些先進的商店使用幾何軟件為Gerber光繪機生成磁帶，生成單色曝光圖像，但即使是那些復制機械繪制組件的數字記錄。這個過程基本上是圖形化的，從電子到圖形的轉換是手動完成的。到1970年代中期，開發人員開始在繪圖之外實現電路設計的自動化，并開發了第一個布局和布線工具。

隨著Carver Mead和Lynn Conway于1980年出版了“超大規模集成電路系統簡介”，下一個時代開始了。這篇開創性的文本提倡使用編譯為硅的編程語言進行芯片設計。直接的結果是可以設計的芯片的復雜性顯著增加，并且改進了對使用邏輯仿真的設計驗證工具的訪問。通常，芯片更容易布局并且更可能正確運行，因為它們的設計可以在構建之前進行更徹底的模擬。

盡管語言和工具已經發展，但這種在文本編程語言中指定所需行為并讓工具導出詳細物理設計的通用方法仍然是當今數字IC設計的基礎。

當前的數字流是極其模塊化的，前端生成標準化的設計描述，這些描述編譯成類似于單元的單元調用，而不考慮它們的個別技術。單元通過使用特定的集成電路技術來實現邏輯或其他電子功能。制造商通常為其生產過程提供組件庫，以及適合標準仿真工具的仿真模型。模擬EDA工具的模塊化程度要低得多，因為需要更多的功能，它們之間的相互作用更加強烈，而且組件通常不太理想。

二、EDA的未來趨勢

在半導體產業被要求產生更為復雜的集成電路（IC），有幾個原因。影響之一是汽車客戶對開發更多連接功能的需求不斷增長，例如高級駕駛輔助系統（ADAS）和電動或混合動力汽車。ADAS通過其人工智能幫助駕駛員避免分心并減輕他們的壓力——它的增長刺激了對其運行的復雜IC的需求。市場上自動駕駛汽車的出現將進一步刺激復雜半導體需求的激增。

ADAS只是推動人工智能（AI）及其相關機器學習（ML）和深度學習（DL）技術發展的眾多應用之一。半導體制造商必須提供更復雜的IC，例如具有數百個內核、TB級內存和多個高速通信通道的CPU和GPU，并且需要越來越復雜的EDA工具來幫助他們。

此外，開發人員經常發現需要通過構建專用邏輯來優化其AI性能，而不會影響功耗。為給定的應用程序開發正確的AI架構需要EDA工具，這些工具可以處理更高級別的抽象。西門子旗下的Mentor開始看到其Catapult HLS（高層次合成）技術的業務增長，這些技術為為其片上系統（SoC）設計開發AIIP加速器的公司提供了服務。

這使AI架構師能夠開發他們的數學代碼，將其轉換為C或System C，并預先了解算法的哪些部分應該在硬件和軟件中實現。然后他們可以更快地收斂到理想的架構，而不是立即嘗試進入寄存器傳輸（RT）級別。

雖然EDA可以幫助設計人工智能解決方案，但人工智能同樣可以用于改進EDA工具。在過去幾年中，Mentor的研發人員一直在將ML集成到他們自己的EDA工具中。該公司目前有五種商用工具產品，它們利用ML來幫助交付更好的結果，并更快地交付它們。

ML可以提高EDA性能，因為ML需要大量數據才能有效——而EDA會產生大量數據。事實上，EDA數據非常容易獲得，當將ML用于EDA時，問題就變成了：哪些數據集可以有效地用于哪些工具功能？

以上就是英銳恩單片機開發工程師分享的“電子設計自動化是什么？深入解讀發展趨勢”。英銳恩專注單片機應用方案設計與開發，提供8位單片機、16位單片機、32位單片機。