“如果摩尔定律明天就停止，那么我认为人工智能和计算机科学的希望可能会推迟几个世纪”，2008年，知名投资人Peter Thiel在对未来技术“奇点”的展望中，分享了这样的观察。
15年过去了，值得庆幸的是，Thiel对摩尔定律止步的警示仍未成真，学术界与工业界无数仁人志士的才华与汗水，继续推动着摩尔定律的演进。从当下风头正盛的生成式人工智能（AIGC）、自动驾驶、新能源到正在蓄势的机器人、元宇宙、量子计算，新兴技术的集中涌现，无不有赖于集成电路制造技术的充分发展及其在泛精密制造领域的技术外溢。随着这一经济增长关键变量逐渐从内隐走向外显，集成电路也日益成为各主要国家争相竞逐的产业制高点，而摩尔定律，更是被视为衡量产业格局和发展水平的一把标尺。
随着工艺节点向单个原子直径迈进，通过制造技术推进摩尔定律的难度已广为人知，而其在设计环节的潜能与挑战仍较少被外界关注。
与千禧年乃至上一个十年相比，现代超大规模集成电路设计的复杂性已上升至新的高度，开发者不仅需要处理先进工艺节点带来的可制造性、可测试性挑战，面对软件/算法层面可能远超摩尔定律节奏的更新升级以及越来越高的安全性要求，系统层面因素也日益“向左移动”至芯片设计阶段，以确保软硬件耦合之后的上佳PPA表现，而所有这一切，都需要在严苛的TTM（上市时间）约束下完成。
系统摩尔：机遇与挑战
前所未有的技术创新浪潮下，摩尔定律将向何处去？
如果将向更小制程节点的探索比作发现处女地，那么挖掘摩尔定律的价值，自然也可以遵循两条路径，一条是在越来越稀少的处女地上“广种薄收”，一条则是在越来越扩大的技术边界内“精耕细作”，“系统摩尔”这一理念，则准确表征了后一种思路，反映出人类对计算能力进步本质的要求。
在不久前召开的新思科技开发者大会上，这家全球最大EDA公司总裁Sassine Ghazi对这一问题表达了相似的主张。
“半导体产业正处于一个对于这些颠覆和创新至关重要的时刻。如果没有半导体芯片，没有从芯片到系统、再到软件的融合创新能力，可以说，许多令人兴奋的，正在改变人类的创新将不可能实现”。
开场白之后，Ghazi快速回顾了移动通信与5G、个人电脑与游戏、消费电子、智能驾驶、AI和数据中心等领域近年来发生的重大创新，指出软件层面的创新背后，真正驱动并加速创新步伐的根本原因在于半导体芯片的创新能力，以及其与系统和软件连接的能力。
Ghazi其后以智能手机这一超级品类为例证，展示了软硬件设计协同所能带给终端用户的颠覆性创新体验，对系统公司而言，性能进步的指数规律依然清晰可辨：“在过去的60年里，我们在“摩尔定律”的指引下前进。我们的创新有一个特定的节奏，每两年就把集成电路中的晶体管数量翻一番。回想一下这个节奏，它不仅是半导体公司创新的核心，也是系统公司创新的核心。”
对于摩尔定律是否已经走到尽头的问题，Ghazi给出了乐观的展望，具体而言，他将工艺制程循序迭代总结为“规模复杂性”，并认为“我们有很多机会可以沿着摩尔定律的延续进行优化”，而另一个优化方向则是系统级的优化，或者说“系统复杂性”。
综合考虑规模与系统复杂性的交叉点，Ghazi将其称为“SysMoore”。
显而易见，这个System与Moore组合而成的术语，呼应了当下对“系统摩尔”理念越来越多的关注与讨论。
为什么我们今天需要系统摩尔，或者说，传统意义上的摩尔定律忽略了什么？
从自顶向下的视角看，信息技术发展，某种程度上可被视为人机交互层次不断抽象/虚拟化的过程，在层叠的技术栈封装下，底层机械、电子硬件已越来越对用户“不可见”，用户需求的“第一性原理”是系统表现与实际体验的最优化。以AI为例，用户开发部署模型时的本质需求，往往是通过TensorFlow等“界面”达到足够满意的效果，而非这一“界面”背后封装的某一技术栈，这无疑早已超出了比拼GPU/xPU等算力硬件性能参数的层次，而需要以软硬件乃至模型算法层面的协同优化加以实现。
或许正是呼应这一潮流，AI训练芯片市场主导者英伟达明显正在加大DGX系统级解决方案产品的布局，而早年AI芯片几大独角兽中能够穿越周期的Cerebras与SambaNova，也不约而同选择了以主机或云端turnkey形式交付算力。
系统摩尔或者说SysMoore捕捉到了一个真问题，但其想要成为摩尔定律迈向下一个乃至更多个阶梯的答案，无疑离不开设计验证工具的使能。
纵观整个半导体行业，自1966年Hugh Mays、Jim Koford等先驱者在仙童公司开启计算机辅助设计研究以来，EDA工具已逐渐成为集成电路产业设计创新与产品落地之间无可替代的桥梁。
Ghazi谈道：“我们正立于实现所有这些令人兴奋的创新和机遇的核心”，不过半导体产业想要拥抱SysMoore浪潮，还必须破解软件复杂性、系统复杂性、能效、信息安全和功能安全以及产品上市时间这五大挑战。
软硬件协同设计初绽光芒
Ghazi演讲中，以当下系统创新的热土—软件定义汽车为例，分享了新思科技对五大挑战的洞察，以及实现软硬件协同设计的实践。
随着汽车智能化、电动化进程不断推进，今天的一辆现代化的汽车上大概运行着1亿行代码，到2030年将超过3亿行，与传统总线架构相比，现代化汽车则通过软件将多个区域或网关连接到中央计算机系统。
在Ghazi看来，这一潮流恰是当前汽车领域的机遇所在，用户可以像使用手机一样更好地对汽车进行管理，对软件和功能进行升级和更新，汽车将实现互联和智能，而所有这些都由软件驱动。有机构预计，到2020年代尾声，软件定义汽车（SDV）占比将超过汽车总量的90%。而现在仅仅接近5%。
由此带来的，是系统设计中如何对大量软件进行建模和验证的挑战，或者说，软件复杂性的挑战。
对此，Ghazi的答案是数字孪生。他谈到，从移动领域开始，新思科技就一直致力于虚拟原型开发，现在正在将这一理念带入汽车领域。数字孪生可以通过创建整个系统的虚拟模型，使得在真车落地之前，在软件层面完整实现。一旦有了实物硬件，就可以进行硬件辅助软件开发，还可以将两者结合起来，其中一部分是可视化系统，另一部分是通过软件验证的硬件模型。
近期，新思科技还收购了软件驱动控制系统测试自动化厂商PikeTec，进一步补强了其测试自动化领域能力，在模型在环（MiL）到硬件在环（HiL）之间架起桥梁，一直到车辆在环（ViL）。
而摩尔定律放缓以及陡升的成本，正催生以3DIC为代表的先进封装技术发展，多个裸晶（die）堆叠的芯片系统，被认为将在汽车芯片领域加速渗透，硬件的复杂性和可负担性就成了一个巨大的挑战，这就是系统复杂性带来的困难。
Ghazi预测，到2026年，约20%的芯片系统将采用多裸晶芯片或3DIC技术，到2030年，这一比例将上升到40%，新思科技作为这一设计方法学变革的引领者，其经典产品3DIC compiler能够助力合作伙伴对3D芯片系统进行架构探索，并通过Die-to-Die接口IP将这些独立的裸晶或chiplet组合到同一个系统中。
能效，则是另一大芯片设计面临的艰巨挑战，仍然以汽车领域为例，Ghazi表示，2022年全球有电动汽车850万辆，到2030年这个数字预计将达到4100万，一个有趣的数据是，平均每辆电动汽车消耗20千瓦时电量只能行驶100公里，这大约是一个独栋别墅一天的用电量，因此电动汽车能源使用效率水平的提升势在必行。
为此，新思科技推出了端到端低功耗解决方案，可覆盖架构、RTL、实施到签核的完整流程。Ghazi还指出，从比重来看，架构层面的设计对芯片能效优化的影响最大，基于新思独一无二的Platform Architect，可以从架构设计之初就确定怎样做功耗权衡，实现客户希望的最优性能、功耗等PPA指标平衡。
针对功能安全和信息安全这一挑战，Ghazi透露，2022年超过一千万辆汽车因功能安全隐患在美国被召回，其中很多都是由软件和半导体芯片导致的功能安全隐患，鉴于现代化汽车主要由软件和芯片、半导体驱动，可靠性就日益需要在芯片设计阶段纳入考虑，为此，需要对芯片生命周期进行管理(SLM)，持续跟踪和测量芯片的性能和功耗，并据此进行预测性维护，这就是可靠性的来源。
最后，也是最重要的，是产品上市时间，Ghazi指出，随着半导体芯片的体量、智能化程度和复杂性的迅速增长，培养更多能够应对系统和软件综合复杂性的开发者压力极大，汽车芯片人才严重短缺，全行业现在都在努力探索如何利用AI来大大缩短TTM、提高工作效率并实现更好的设计结果，新思科技基于此前DSO.ai等经典产品打下的基础，于今年推出了业界首个AI驱动型全栈式EDA解决方案Synopsys.ai，引领着全球EDA+AI芯片设计新风向。
另一方面，IP是提升效率的重要法宝，作为公认的半导体IP领域全球领导者，无论是处理器IP、接口IP、安全IP还是基础IP，新思科技均能提供经过验证的高质量产品，帮助系统开发者节省大量时间成本。
演讲最后，Ghazi总结道，半导体芯片是创新的核心，而在芯片、系统和软件之间的交叉点进行创新，正是我们需要特别关注的重大机遇点。
正如此次开发者大会所传递的主张：从没有哪个时代像我们现在如此仰赖技术的力量。步履不停的EDA解决方案创新中，系统摩尔的理想，正在一点点照进现实。（校对/萨米）
