AI 正持续影响着人们生活的各个领域，设计半导体一方面驱动人工智能和加速计算，另一方面，芯片 与系统开发本身也受益显著。 近日，知名EDA软件设计公司Cadence举办了CadenceLIVE China 2025中国用户大会。Cadence高级副总 裁兼系统验证事业部总经理Paul Cunningham在演讲中指出，随着生成式AI和Agentic AI的成熟，未来的 芯片设计将不再依赖人工编写代码或手动布局布线，而是由Agentic AI根据高层级的功能描述自动生成 完整的设计方案。 "一年前半导体行业的官方预测，到2030年末市场规模将达到9000亿美元左右。就在过去一年里，他们 将这一预测提高近3000亿美元，现在预计2030年将超过1.2万亿美元。我认为其中很大一部分是由数据 中心AI计算的爆发式增长以及向边缘端的迁移所推动的。但实际上，这还只是第一波浪潮。所以我相 信这个预测，它还会继续增长。"Paul说道。 "制程节点的开发无法再与工具和IP的开发分离，必须协同工作。" Paul认为随着复杂多芯片封装（如中 介层2.5D封装）和堆叠技术（如多达16片的晶圆堆叠）的应用，推动超越摩尔定律势在必行。 ...

AI 正持续影响着人们生活的各个领域，设计半导体一方面驱动人工智能和加速计算，另一方面，芯片 与系统开发本身也受益显著。 近日，知名EDA软件设计公司Cadence举办了CadenceLIVE China 2025中国用户大会。Cadence高级副总 裁兼系统验证事业部总经理Paul Cunningham在演讲中指出，随着生成式AI和Agentic AI的成熟，未来的 芯片设计将不再依赖人工编写代码或手动布局布线，而是由Agentic AI根据高层级的功能描述自动生成 完整的设计方案。 他认为，三维集成电路的未来，不仅是物理结构的堆叠，更是设计方法学、验证技术与人工智能深度融 合的产物。 当小米、阿里巴巴、比亚迪等系统公司开始涉足芯片制造，意味着芯片设计越来越以用户体验为导向， 在Paul看来，这是20年前难以想象的事情，如今却已成为越来越多的"软件定义芯片"的案例。 半导体芯片的功能日益复杂，需要集成数万亿个晶体管，必须支持高性能计算，并采用先进的工艺节点 设计。正是在这一背景下，超越传统单芯片设计的先进封装技术，尤其是三维集成电路，成为突破性能 瓶颈的关键。 为此，Cadence提出了"三层蛋糕"（thr ...

正是在这样的背景下，Cadence高级副总裁兼系统验证事业部总经理Paul Cunningham博士，通过 CadenceLIVE China 2025上的交流，向我们描绘了一个令人振奋的前景：代理式 AI 将把芯片设 计从单纯的"工具使用"带入"智能协作"的时代。这不仅是一次设计方式的升级，更可能成为未来半 导体创新的关键拐点。 软件定义的芯片时代，如何寻找答案 "如今万物皆由芯片驱动。毫不夸张地说，计算机芯片正彻底改变我们感知世界、与世界互动的方 式 。 "Paul Cunningham 在 CadenceLIVE China 2025 的 演 讲 中 开 门 见 山 地 指 出 了 当 前 时 代 的 特 征。 在他看来，当今芯片设计的一个重要趋势是"软件定义的用户体验"驱动着"软件定义芯片"。许多传 统上不涉足芯片领域的企业，如小米、阿里巴巴、字节跳动、滴滴等，都已成为颇具规模的芯片制 造商。"放在20年前，没人会想到它们能成为芯片制造商。所以我认为，这对我们所有人而言都是 绝佳的机遇。" 数据印证了这一趋势的迅猛发展。仅在过去一年中，行业对AI相关产业规模的官方预测就从9500 亿美元大幅上调至1. ...

Global EDA Industry Performance - The global EDA industry is projected to grow by 11% year-on-year in Q4 2024, reaching $4.9 billion, despite a weak performance in the Chinese market [3][4] - The EDA software industry is characterized by high technical barriers, talent reserves, user collaboration, and significant capital scale, with a market concentration exceeding 70% among the top three companies: Cadence, Synopsys, and Siemens EDA [5] Growth Drivers in EDA - The increasing demand for edge computing and high-performance computing (HPC) chips is driving the need for more complex and automated EDA solutions [6] - The rise of cloud solutions facilitates seamless collaboration and enhances accessibility for global design teams [6] - The integration of AI and machine learning algorithms into workflows is optimizing design accuracy and efficiency, reducing costly errors, and accelerating time-to-market [6] Segment Performance - CAE (Computer-Aided Engineering) revenue grew by 10.9% to $1.6969 billion [7] - IC physical design and verification saw a 15.4% increase, reaching $797.9 million [7] - PCB & MCM (Printed Circuit Board & Multi-Chip Module) revenue increased by 15.9% to $476.2 million [7] - Semiconductor IP (SIP) revenue grew by 7.9% to $1.7607 billion, with some companies reporting declines [7] - Service revenue increased by 11% to $195.6 million, reflecting strong design demand amid talent shortages [7] - IC packaging design revenue surged by 70%, indicating a significant rise in advanced packaging demand [7] AI's Role in EDA - EDA vendors are leveraging AI to optimize software engines, processes, and workflows, which is crucial for scalable and reliable outcomes [8] - AI applications in EDA include automating repetitive tasks, enhancing design optimization, and providing intelligent assistance through generative AI [11][12] - AI-driven tools can significantly reduce design cycles and improve accuracy, as demonstrated by Synopsys' AI-driven EDA tools [11] Future Outlook - The emergence of Chiplet technology is transforming chip design and manufacturing paradigms, necessitating new tool support for architecture exploration and signal integrity analysis [13] - EDA tools must evolve to support heterogeneous integration design, with companies like Synopsys and Cadence developing specialized tool suites for Chiplet design [13][15] - The collaboration between EDA tools and IP design capabilities will be critical for future competitiveness, as traditional IP markets face saturation [14]