AI如何重塑模拟和数字芯片工艺节点迁移？

工艺技术的持续演进，深刻塑造了当今的半导体产业。从早期的平面晶体管到鳍式场效应晶体管（FinFET），再到最新的全环绕栅极（GAA）架构，每一代新工艺节点都为显著改善功耗、性能和芯片面积（PPA）创造了机会。

这种不懈的创新推动着公司将芯片设计迁移到更新的工艺节点，不仅是为了利用器件物理学方面的最新进展，也是为了响应市场对更小、更快、更节能产品的需求。

然而，工艺节点迁移并不总是意味着采用最新或最先进的工艺技术。有时，经济方面的考虑（例如成本、良率和供应链灵活性）会促使公司将设计移植到几何尺寸更大的旧工艺节点。

无论总体目标是什么，将设计迁移到其他工艺技术历来是一项充满风险的劳动密集型工作，尤其是对于模拟设计而言。但是，在人工智能（AI）的帮助下，这种情况正在改变。

模拟工艺节点迁移：缓慢而艰巨

数字设计的迁移因自动化和可靠的工具流而相对轻松，但模拟工艺节点迁移长期被视为一项艰巨的挑战。模拟电路对工艺变化高度敏感，而且模拟电路的版图通常需要精心手工制作。

将这些设计移植到新工艺节点远非简单地适应新的设计规则，更需要深入了解器件行为，进行精细的手动调整，甚至在许多情况下，需要彻底重新设计定制结构。

这种高度依赖人工的方式使得模拟迁移既缓慢又耗费资源。工艺技术即便仅有细微改动，也可能对电路性能和良率造成巨大影响，这要求工程师必须具备丰富的工程经验并投入大量时间。

因此，当半导体设计需要适配新工艺节点时，模拟迁移历来是一个瓶颈。

AI正在重写模拟工艺节点迁移的规则。新思科技ASO.ai等先进的AI工具正以超乎想象的方式简化和加速这一流程：

自动原理图迁移。AI可分析现有原理图，并智能地使原理图适配新工艺节点，在支持新器件特性的同时保留设计意图。

基于AI的电路优化。机器学习算法可快速探索大量变量，并针对多个目标（如PPA）及特定工艺的约束条件优化模拟设计。

版图智能迁移。AI可解读并调整复杂的手工制作的模拟版图，例如带专有“秘密”结构（如电流镜中的指形交织）的版图，以适应新节点，从而显著减少人工工作量。

寄生感知优化：AI驱动的工具会考虑寄生效应对电路行为的影响，确保设计在工艺迁移后保持鲁棒性和高性能。

加速设计收敛：与仿真和验证工具（如新思科技PrimeSim SPICE和IC Validator）集成后，AI能够快速迭代并收敛到最优解决方案，从而进一步加快设计周期。

使用AI工具进行模拟工艺节点迁移已经带来了切实的益处：

大幅节省时间。过去需要数周或数月才能完成的任务，现在只需几天甚至几小时，从而释放了宝贵的时间和工程资源。

提升质量和一致性。AI有助于实现迁移流程标准化，减少人为失误和差异，同时确保始终采用最佳实践。

解锁新的可能性。AI降低了迁移门槛，使得将模拟设计移植到更先进工艺节点具备可行性，甚至移植到几何尺寸更大的工艺节点以满足成本敏感型应用的需求，从而扩大了产品范围和可服务的市场。

增强IP团队的能力。我们自己的IP团队依靠AI驱动的工具，在多种代工工艺之间迁移并优化新思科技模拟IP，从而能够快速响应客户需求和市场变化。

数字工艺节点迁移，通常需要重新完成从RTL到GDS II的全流程，同样因为AI而发生深刻变革。数字流程长期受益于自动化技术，但现代芯片日益增长的复杂性和激进的PPA目标不断挑战传统工具和方法的极限。

新思科技DSO.ai等AI驱动的解决方案通过在流程的每一阶段引入智能自动化和优化，将数字工艺节点迁移提升到新的高度：

PPA自动优化：AI算法可快速探索广阔的解空间，自动调整设计参数以实现理想的PPA结果。其中包括调整布局、布线和时钟树综合策略，免去了以前需要的大量人工干预和迭代微调。

加快设计收敛：通过学习以前的项目并利用大型数据集，AI工具可以预测和解决流程中的常见瓶颈，例如时序收敛和拥塞问题，从而加速收敛并减少高成本设计迭代的次数。

无缝IP集成：集成新的或更新的IP块是数字工艺节点迁移的一个关键环节，我们提供针对最新节点优化的各类IP解决方案。AI可智能管理兼容性检查、接口调整和性能验证，从而简化流程并尽可能降低集成风险。

资源优化：AI可动态分配计算资源，并协调分布式设计团队的任务优先级，确保工程人才和EDA基础设施得到高效利用。

设计规则自适应：随着工艺节点越来越先进，设计规则也变得越来越复杂。AI驱动的工具可自动解读和应用这些设计规则，尽可能降低违例风险，并从一开始就确保可制造性。

这些AI驱动的增强功能带来了显著且可衡量的优势：

减少周转时间：数字设计团队现在可以更快地过渡到新节点，满足紧迫的交付期限，加快新产品的上市。

提高设计质量：AI能够针对多个目标进行优化，并从过去的项目中学习，从而实现更可靠、更高质量的设计，并减少后期意外。

可扩展性：AI使团队能够管理不断增长的片上系统（SoC）设计规模和复杂性，支持迁移一切资源，从小IP块到包含数十亿晶体管的大芯片。

在实际应用中，利用AI迁移工具的数字团队反映，不仅流片速度更快，而且结果更可预测，同时还能灵活尝试多种代工工艺或技术选项。

AI正迅速将工艺节点迁移从令人头疼的不得已选择，转变为支撑半导体设计创新的战略手段，尤其是在模拟领域，带来的影响最为显著。AI让复杂的手动任务得以自动化，使团队能够以空前的速度、可靠性和创造力迁移设计。随着行业的不断发展，AI与人类专业知识的协同效应将成为充分挖掘下一代半导体技术潜力的关键。