苹果M1 Max芯片里，有570亿个晶体管，而这些晶体管，是组成芯片的基本单元。芯片诞生之初，是科学家徒手画出这些晶体管发明了芯片。而现今在尖端制造工艺节点上，如果再用手画几十亿上百亿个晶体管，可能几辈子都无法完成，而EDA的出现解决了这一自动化问题，从14nm, 到7nm,再到5nm的先进制程节点迭代，仿真及验证算力需求呈指数级增加。

设计工程师提交的任务是否要因为算力瓶颈排队等待？企业是否要按照传统自采自用服务器高额投入？答案是否定的，EDA上云已经是大势所趋。EDA为什么要上云？为什么现阶段是促成芯片设计上云的“锦绣良时”？让我们管中窥豹，一探究竟。

芯片的诞生，要从造房子讲起

设计图纸：设计师要设计房间数量布局、房间的功能是餐厅还是卧室还是书房、都需要在这个环节投入。具体到芯片中就是前端设计，其中包含逻辑电路设计，包括系统建构定义、RTL编码、逻辑综合，在这个过程中进行多次的仿真和验证，最终得到门级的网表。

施工图纸：从设计图纸中输出施工图纸，需要施工的工程师加入，施工时需要哪些步骤、强电还是弱电，用钢结构还是钢筋混凝土、怎么做防水、怎么拉网走电线、如何走媒气。具体到芯片设计中，就是芯片的物理设计，包括布局规划、时钟树综合、布线、参数提取，最终得到芯片电路的物理版图。

施工建造：接下来就到了施工队带着施工图纸开启正式施工环节，具体到芯片的生产制造环节中，就是交给晶圆厂制造。

由此可见，造一栋房子，需要调动的资源已经非常多，上到设计图、效果图渲染图，下到拉网防水走电线，尚且需要数以月计的工期，

换位思考一下，将一栋房子缩小1000倍的小小芯片，涉及到的资源调动量更是指数级增加，与晶体管数量达到百亿级别所调动的算力资源、数千位工程师和科学家几十年的辛勤工作相比，更是不可同日而语。

造房子不易，造“芯”更难，为什么芯片制造需要调动如此大规模资源？

“设计不仿真，流片两行泪”——研发芯片需要更复杂的流程

仿真验证愈发复杂，算力需求呈指数级增加。

因为随着先进制程的到来，仿真验证所需要的计算资源已经远远超出人们的预计。企业自己购买1台服务器，需要100小时去完成仿真，但通过云上的100台服务器，1小时就能完成。而在芯片设计的不同阶段，算力需求也有极大差异，在补充服务器资源前，任务只能面临“无尽的等待”。

数百名IC设计工程师2-4年研发工作费时费力

先进的芯片往往是数百名优秀工程师与先进EDA设计工具共同作用的结果，而这个过程也需要耗费2-4年时间才能完成。去年新思科技发布的DSO.ai，可以让工程师更自主的决定在芯片上排列布局的最佳方式以减少面积和降低功耗。DSO.ai的结果令人咂舌，实现了18%工作率提高，功耗降低21%，同时将工程时间从6个月缩短到1月。想要实现技术创新，上云是理想选择

揭秘！芯片为什么要上云？

算力空间终结者！空间换时间，提升效率：EDA上云可显著降低设计流程的耗时，提高开发效率。在开发过程中，EDA 使用者常常会面临计算资源需求激增、 多项目并行导致资源抢夺以及 EDA 峰值性能需求难以被满足等困境，芯片设计流程周期本身就十分漫长，叠加算力受限带来的影响，将会进一步影响新产品的设计周期，进而影响新产品的上市销售。EDA 上云后，能够将部分或者 全部 EDA 工具转移至云上，设计公司各取所需，灵活获取计算资源，达到规模经济性，借此亦可提升开发效率，减少芯片设计的时间成本。

加速创新，加快上市：通过将并行任务数量增加到大多数本地环境都无法实现的规模，在云中运行EDA和相关工作负载使芯片设计人员和验证工程师解决复杂的计算密集型问题，从而缩短获得半导体智能产品成效的时间。

用AI/ML能力降低风险、提高流片率：通过轻松构建和定制智能产品与数据湖，并添加各种经济高效且功能强大的分析产品、以处理、分析和直观呈现芯片产品数据。AI/ML能力提供实时和预测性分析，以提高处理效率、产品质量和产量，提高流片成功率、降低风险。

优化购买成本，提高资源利用率：在长达约18个月的芯片设计周期中，每个阶段所用到的工具种类和数量不尽相同。传统模式下，设计公司若想进行芯片设计，往往需要购买 EDA 公司提供的完整全流程工具，特别是对于中小公司，昂贵的购买成本加重了研发负担。云上EDA 可帮助公司缩短周转时间，进行虚拟的设计、模拟和仿真，摆脱办公地点的限制，减少资金成本。

打铁还需自身硬，亚马逊云科技如何用“小小的我”撬动一个产业的？

芯片研发的“过来人”：作为全球首家自研芯片的云厂商，亚马逊云科技自研四款超级芯片（Graviton2 /Inferentia /Nitro /Trainium）在性能和商业价值上都获得了充分验证，这些在传统数据中心里“踩过的坑”，正在云计算的浪潮下重塑芯片生产研发生态。

半导体行业的云“赋能者”：

安全性：基础设施针对云定制，满足全球最严格的安全要求；

可用性：为云端用户提供最高的网络可用性；

高性能：全球基础设施专为性能而构建，通过完全冗余的100GbE光纤骨干网提升网络质量。

可扩展：业务可灵活扩缩，几分钟内快速部署数百甚至数千台服务器，也可即时缩小容量，降本增效。

半导体技术产品与服务的“分发者”：与生态合作伙伴紧密合作，为半导体企业搭建全产业链的云上协同平台。整合上下游生态合作伙伴为半导体公司提供设计，验证，测试，生产，良率分析等云上解决方案。

亚马逊云科技为半导体行业提供解决方案

1) 适用于EDA设计的高弹性自动集成计算解决方案（SOCA）

使用EDA应用程序的半导体和电子公司，可以利用亚马逊云科技近乎无限的计算、存储和其他资源大幅加快自己的产品开发周期并缩短上市时间，帮客户建立一个能将EDA应用程序扩展至30,000个甚至更多内核的环境。

2)多样性Amazon EC2 计算实现最佳任务匹配

为芯片设计、实现和验证提供所需规模和灵活性，客户可以通过丰富多样的EC2实例运行自己的EDA工作负载，快速扩展物理验证作业并缩短获得结果所需的时间。

3)Amazon FSx for NetApp ONTAP 存储方案

原生的亚马逊云科技托管服务，可提供能与NetApp企业级数据服务产品组合相集成的块存储和文件存储。而在混合云场景模式下, 客戶可使用FSx for NetApp ONTAP搭配IBM LSF构建混合云EDA场景。

4)安全性保障——190多个国家/数百万客户的选择

作为190多个国家的数百万客户的选择，亚马逊云科技遵循全球最严苛的安全合规要求。

强者相遇，与云上客户不得不说的故事

联发科

联发科与亚马逊云科技运用混合云架构，超前部署5G市场，成功设计制程第一块7纳米云端设计SoC芯片，面对消耗超过3000台高效能运算主机的挑战。

Arm

Arm利用基于亚马逊云科技 Graviton2 处理器的实例将 EDA 工作负载迁移上云，将云上EDA工作流的响应速度提高了6倍，完成迁移后，Arm计划将全球数据中心面积至少压缩45%，将本地计算工作负载减少80%。

NXP Semiconductors

NXP目前正在将其各类EDA工作负载从NXP数据中心迁移上云，增强其全球数十个设计中心的协作与EDA吞吐量，通过弹性扩展、几乎无限规模的计算资源大幅降低成本，让工程师专注创新。此外，NXP还在应用亚马逊云科技AI/ML完善研发工作流程。

高通

基于亚马逊云科技高通打造了一种混合云架构，该架构可以帮助客户在SoC层面上成功执行STA，获得与本地环境相比，相同甚至更好的周转时间性能，数据传输过程也可通过高效的缓存解决方案加以优化。

博科

Broadcom设计了一种可扩展的流程，以避免非必需的价格高昂Workbench测试，进而降低成本。让算法处于最优状态，实现了最大限度100%的潜在成本节约。

想知道云端IC设计环境如何高效、安全的实现芯片设计、验证及良率分析吗？

想知道如何运用云技术加速芯片创新进程吗？

亚马逊云科技重磅推出《亚马逊云科技行业白皮书：加速芯片设计创新》

深入分析云计算在半导体产业的实现场景和价值收益，以及对应解决方案。