本文来源：时代财经 作者：冯恋阁
代文亮创立EDA公司芯和半导体，是在2010年。
那时候21世纪堪堪走过第一个十年，国内半导体产业还相当年轻。距离国务院正式印发《国家集成电路产业发展推进纲要》，国家集成电路产业投资基金成立，还有4年。
“当时，整个社会对半导体、集成电路的认知都不够，融资环境对比今天差了很多。但有空间、有积累，也有一些机会，我就决定还是试一试啃这块硬骨头。”他说。
但即使在AI和半导体大热的2025年，EDA电子设计自动化软件——这个有着“芯片之母”的称号的产业对大众来说依然相对陌生。这个市场规模在百亿元左右的生产环节，为什么能够撬动千亿级半导体产业的发展？
走过十余年，芯和半导体已经成为一家以仿真驱动设计，提供提供覆盖IC、封装到系统的集成系统EDA解决方案，其产品已在5G、智能手机、物联网、人工智能和数据中心等领域得到广泛应用。
步入2025年，AI卷着半导体产业迈入新的阶段，EDA在AI浪潮下如何突围？近期，时代财经带着这些疑问，对芯和半导体创始人、总裁代文亮博士进行了专访。
（芯和半导体创始人、总裁代文亮 图源：受访者供图）国产EDA如何突围？
时代财经： 芯和成立至今已经有10余年，在这十多年中，全球EDA产业相当一部分份额由Cadence、Synopsys和Mentor Graphics几家占领。要在EDA市场开拓并不容易，最早为什么选择EDA作为自己的创业方向？
代文亮：一方面是个人经历影响，在创办芯和前，我就在三巨头之一的Cadence工作，本身对EDA领域就很熟悉。
另一方面，我们认为中国在这方面还比较薄弱。
EDA全球市场不到100亿美元，如果加上IP，接近150亿美元左右，在整个半导体市场中的份额为2%，占比不高。但工具的存在是不可或缺的，EDA撬动的半导体整体市场将在未来几年突破万亿。
有空间、有积累，也有一些机会，我就决定还是试一试啃这块硬骨头。
EDA可以说是一定程度上“赢家通吃”的行业，头部集聚效应比较强。我们的想法其实很简单，虽然可能不一定做得很大，但要坚持创新，做到至少在细分领域内能排得上号。早点入场，就更有机会占据一个生态位。
但是当时确实比较困难。十多年之前，半导体产业内“造不如买，买不如租”的心态还比较多见。社会对半导体、集成电路的认知都不够，融资环境对比今天差了很多。
后来我们发现，比起巨头，国内EDA厂商有一个不可替代的优势——本地化服务。
很多时候，客户采购EDA并不是只为了一个License（软件许可），还会预期厂商会提供一些行业“KNOW-HOW”，比如怎么设计、怎么实现一些技术技巧。这些本地化支持服务，国内EDA厂商提供起来更方便，也更可持续。
时代财经： 对企业来说，在EDA工具不会轻易更换，芯和在业务拓展初期是怎么说服企业使用公司的产品的？
代文亮：初创EDA企业拓展客户确实比较困难。
实际上，无论是小公司还是大公司，更换一个EDA工具都面临着风险——万一出问题怎么办？
对于大公司来说，船大难掉头，冒险意味着很有可能出大错；对于小公司来说，想要最快、最大程度地取得市场认可，用一个已经被广泛接受的EDA工具设计芯片是更为合理的。
所以，客户基本都更倾向于选择更成熟的产品。
而在寻找成功案例的过程中，也面临着先有鸡还是先有蛋的“拷问”。和晶圆代工厂客户接触时，他们不但会了解我们在同一环节是否有成功的先例，也会好奇我们的EDA目前已经被哪些设计公司使用；反过来，芯片设计公司也会问我们“你们的EDA工具支持哪家代工厂制造？”两头都没有案例，两头都跑不通。
甚至有客户提出有偿使用我们的软件。因为他认为我们需要为不确定性承担一些责任。
最后，我们意识到，既然别人不认可我们的产品，那就只能靠自己来积累成功经验。于是，公司决定开辟另一块业务，IPD（集成无源器件）。用芯和的EDA，自己设计芯片，自己流片，自己测试，自己验证。再后来，我们在此基础上还开发了IP业务。
在外部还没有客户的时候，我们的内循环系统就能实现运转。内循环走通，意味着我们把EDA工具、设计和工厂全部打通，形成了一个完整的链条。对于用户而言，这个案例代表我们可以保障设计可靠性、支持可靠性以及迭代可持续。
内部的小循环则进一步带动了外部大循环。当芯片设计公司开始使用我们的产品，就意味着市场也加入了我们迭代的进程中，EDA、Fabless和Foundry三个生态环节的互动达成了。
（图源：图虫）时代财经：走到今天，公司的核心竞争力是什么？公司目前有哪些拳头产品？
代文亮：我们最大的特点就是会制定差异化策略，从用户场景出发去优化服务。
EDA业内已经有“三巨头”抢占顶端，我们选择花更多的时间和客户交流，寻找痛点，接入选择差异化的发展方向。
片上建模是芯片设计不可或缺的环节。我们为客户开发了一些参数化模块，帮助他们节省时间和精力。比如，过去画一个图可能需要一两周时间，使用我们的参数化模板之后，可能只需三五秒钟就能搞定。
2013年左右，我们还开始试图把AI引入到工具中。探索将神经网络和遗传算法用于参数化模板的设计，获得了不错的反馈。
除了建模，我们还在仿真问题上做了不少优化。
在半导体模拟仿真工作中，存在芯片设计仿真和封装仿真之间有脱节的问题。客户希望我们能把设计和封装的仿真整合在一起。
这并不容易。首先是平台差异，两类仿真的文件格式不一样，使用的平台也不同。
其次则是关注的维度天差地别。在设计端，工作主要是在微纳尺度（微米、纳米级别）进行，封装则一下子跨越到毫米甚至厘米尺度（微纳尺度是10的负9次方米，而毫米是10的负3次方米，两者相差6个数量级），这意味着网格划分的压力非常大。
如果按照芯片的设计尺度划分网格，虽然密度和精度足够，但封装部分的网格就会过于密集，导致计算量过大。但如果按照封装的尺度划分网格，芯片部分的精度又会不够，无法准确刻画细节。这就形成了一个跨尺度的问题，计算规模和精度的平衡变得非常复杂，在这些问题里需要做很多权衡。我们通过多年的自主开发，形成了跨尺度的仿真引擎技术，同时从电路、电磁、电热、应力等角度不断拓展多物理仿真的领域，帮助客户解决困境。
现在，我们的产品涵盖了从芯片、封装、模组、PCB板级、互连到整机系统，全方位地考虑多物理场的差异，并将其整合到一个完整的的全栈集成系统级EDA平台中。
所以说，国产化的过程并不是简单地替换掉原有的产品那么简单。工作的推进就像在敲钉子，要找准发力点，同时也不能一蹴而就。
如何构建新生态？
时代财经：从EDA厂商角度出发，AI对EDA产业带来的主要挑战是什么？
代文亮：AI时代的芯片的显著特征是大算力。大算力芯片的功耗很高，通常在800W到1000W左右，运行时消耗电能会产生热量，散热问题如何解决是一个关键点。
如果散热问题无法妥善解决，热量在影响电能的传输和芯片的性能的同时，还有可能导致热膨胀，使芯片和基板发生翘曲。这种翘曲可能会影响芯片的性能，甚至导致损坏。
此外，当电流较大时，还会引发电磁干扰。因此，我们需要同时解决散热和电磁干扰问题，以避免芯片性能下降，甚至影响整个系统的稳定性。
时代财经：半导体行业技术的迭代几乎在每一刻发生。当下，整体来看国内EDA厂商想要寻求发展，需要应对哪些困难？又有怎样的解决方案？
代文亮：不难发现，现在芯片厂商的商业模式已经发生了根本的变化。厂商已经从做芯片，转变为做生态。因此，EDA厂商不仅要关注芯片本身，还要考虑系统级的协同。
以英伟达为例，这家公司最开始的业务只专注于显卡芯片本身。但现在，它们不仅要设计芯片内部的架构，还要考虑板卡、整机，甚至是整机集群的协同工作。这使得设计的复杂度大幅提升。
从芯片到系统级的打通，是AI芯片领域最典型的需求，但是这种需求的实现离不开精巧的芯片设计。比如，AI芯片的供电电流可能达到数千安培，信号传输速度极高，这些都对设计提出了极高的要求。此外，如果进一步深入到像HBM（高带宽存储器）这样的复杂结构，里面包含众多颗粒和IO接口，数据信号线数量庞大且相互干扰，很有可能导致“串扰”问题，使数字信号失真……因此，AI浪潮既是机遇，也是所有从事大算力芯片开发的企业必须面对的巨大挑战。
针对目前的新变化，厂商的视野要更大，从着眼芯片，到着眼系统乃至半导体生态。具体而言，EDA厂商的理念应该从设计技术协同优化（DTCO）向系统技术协同优化（STCO）转变。落脚到EDA个体，我们不再局限于开发一个EDA工具，而是将着眼于为系统级优化提供解决方案。
产业链条拉得更长，挑战也更大，但我认为这也许会成为我们后期的一个优势。
大算力时代的新挑战
（图源：图虫）时代财经：AI浪潮如何影响了半导体行业？
代文亮：AI芯片为半导体厂商提供了一个竞争的新思路——行业内通过百花齐放的创新把性能提高，而不是无止尽地内卷，把价格卷低。
在我看来，AI本质上是场景化的。 以前些年的“互联网+”为例，从最早的万物皆可互联网发展至今，我们会发现技术应用已经在分化的道路上越走越远。出行有出行的业态；外卖有外卖的业态……我认为AI未来一定是场景化驱动的，而不是试图用一个通用的解决方案解决所有问题。
反映在技术上，我们就会发现，千亿参数、万卡集群大部分时候是少数厂商玩家的游戏，大多数功能和场景的实现并不需要这种量级的硬件支持。
因此，小场景和小参数大模型，才是未来的大机会。端侧AI，AI PC和手机的概念越来越受关注，其实也侧面印证了这个趋势。
从芯片的需求上也能发现这一点，目前行业里对于AI算力的需求暴涨，英伟达的通用GPU一卡难求，但同时，对ASIC芯片的需求也增加了。
通用GPU由于要兼顾多种类型的计算任务，这种灵活性势必会牺牲在特定应用上的性能和效率，譬如视频处理、网络通信、深度学习等，特别是在高负载或持续运行的情况下，这种现象越加明显。
ASIC 芯片由于是为了某一特定应用专门定制的，在同等工况下，博通的ASIC芯片就能做到效能大幅提升，算力其实也非常强劲，更适合要求精确、高效处理的应用。
所以，我认为最重要的是建构一个生态。GPU芯片和ASIC芯片之间并不是完全竞争的关系，而是各有各的适用场景。例如，GPU在运行一段时间后，可能会发现需要进一步优化以提高效率、节省功耗。不同类型的芯片在不同的场景下都有其独特的作用，而不是简单的竞争关系。
芯和集成系统EDA的产品定位正是基于这种理念，我坚信STCO绝对是未来的大方向，也是我们EDA界需要重点推进的方向。
