智东西（公众号：zhidxcom）
文 | 心缘
近年来，AI、5G 和边缘计算等新兴技术蓬勃发展，各行各业都拉开了数字化和智能化转型的大幕。
这一股 AI 浪潮同样涌向了芯片设计的上游。
全球三大电子系统设计自动化（EDA）软件巨头之一，Cadence，早早就制定了人工智能的战略。
一方面，借助 AI 做更智能的芯片设计工具；另一方面，提供 AI 芯片 IP，满足越来越多芯片供应商对 AI 能力的需求。
尤其是过去一年，Cadence 先后推出多款面向视觉和语音等不同领域的处理器 IP，使得芯片设计商可以更快的交付有 AI 加速能力的产品。
智东西与 Cadence 公司亚太区 IP 业务总监 Wendy Chen 聊了聊，看这家 EDA 巨头如何在智能化的洪流中，提供满足广大设备端 AI 加速性能需求的芯片 IP，同时也就 AI 芯片产业发展现状谈了一些观察到的现象。
▲ Cadence 公司亚太区 IP 业务总监 Wendy Chen
一、应对智能化，芯片设计上游的新打法
在本月举办的 Cadence CDNLive China 2019 全球巡回用户大会上，Cadence 公司总裁 Anirudh Devgan 系统介绍了公司的智能系统战略。
以其主营业务 EDA 和 IP 为核心能力；拓展到新型系统领域，提供新型系统分析、嵌入式和设备研发；再到提出机器学习的三驾马车战略：
（1）ML Inside：通过最新的机器学习引擎，改善数字设计工具，带来更好的PPA。通过对过往的大数据分析和决策，来加速未来的智能版图设计。
（2）ML Outside：自动化的设计流程，提升整个设计的生产效率。
（3）ML Enablement：软件和硬件的协同设计，以及 Cadence 独有的 Tensilica 处理器 IP，应用机器学习为系统级的优化带来提升。
Wendy Chen 告诉我们，将 AI 应用于 Cadence 的不同产品线中，所开辟的市场是不同的。
其中，在 EDA 中应用 AI 引擎，不是开发新的市场，而是进一步强化原有业务的优势，帮助客户更快速的收敛整个设计，EDA 市场是很有限的，和整个芯片产业市场直接挂钩。
而 AI 芯片 IP 是新的增长领域，以前没有这样的芯片。
IPnest 最新市场研究显示，2018年 IP 市场总价值为36.02亿美元，比2017年增长6%。
其中，Cadence 在这一年全球半导体设计 IP 营收排行中位列第三，比2017年增长18.4%，远超平均增速。
这归功于 Cadence 很早就做出的战略决策，自 2010 年收购 Denali 后，Cadence 成为顶级的memory 接口和 PCI Express IP 提供商，而接口 IP 这个当年仅有 2.5 亿美元的市场，如今市值超过7亿美元，成为 IP 市场的第二大营收来源。
处理器 IP 依然是半导体 IP 业顶梁柱般的存在，占据了整个市场的半壁江山。在越来越多专用 IP 涌现的大潮下，显然，Cadence 不打算成为“后知后觉”的玩家。
二、全面强化：覆盖设备端AI推理主流场景
过去一年，Cadence 持续全面强化各产品线。
除了在芯片制程和工艺方面，通过台积电、三星、联电等晶圆厂的认证之外，Cadence 陆续推出多款针对不同类 AI 应用以及 5G 网络设备的高速接口和存储 IP，比如GDDR6、HBM2E、112G/56G-PAM4 SerDes、D2D NRZ SerDes 等业界领先的接口IP。
其首款深度神经网络加速器 DNA 100 处理器 IP，小至 0.5K 大至4KMAC均可实现高性能和高能效，适用于ADAS、边缘計算、高清监控等各种高性能神经网络推理应用。
其全新 Tensilica Vision Q7 DSP，据称可以将移动和监测市场的视觉处理和 AI 能提高一倍， 其出色的NN性能和灵活性成为很多自主研发的NPU的協處理器。独有的 SLAM 硬件加速和指令集，也將应用领域延伸到 AR/VR、机器人和无人机。
其首款为高性能远场处理和 AI 语音识别处理量身优化的 IP 核 —— Cadence Tensilica HiFi 5 DSP 音频/语音数字信号处理器 IP，比前一代产品 HiFi 4 DSP 的音频处理性能提高2倍、神经网络处理性能提高4倍。
其全新 Tensilica ConnX B20 DSP IP，基于更深的流水线架构，为汽车和5G通信市场提供了更快、更节能的解决方案。
此外，Cadence 还推出了针对 AI 芯片的全流程解决方案，包括 AI 芯片建模、AI 智能验证解决方案、大规模复杂 AI 芯片的全设计实现流程、以及相关设计 IP。
三、驰骋 AI IP，Cadence 的三件利器
在集成电路设计产业，如何提高商业价值并降低总拥有成本，是关键的竞争力。
对于很多芯片设计公司来说，当 IP 供应商可以提供满足自己对算力和功耗需求的 IP 时，购买 IP 的方式往往比自己从头开发更欢迎。
这也是 Cadence AI 芯片 IP 的价值所在。
Wendy Chen 表示，Cadence AI 芯片 IP 的核心优势主要来自三点： Cadence广大的客户群、在 IP 领域的长期经验和市场粘性、巨大的研发投入。
Cadence 所处的电子设计辅助软件 EDA ，是集成电路产业不可或缺的设计上游，作为 EDA 行业的佼佼者，Cadence 积累了广大的客户群，这些客户会带来很多 AI 相关设计的素材，从而成为 Cadence 庞大 AI 数据库的提供来源。
另外，Cadence 的 AI 芯片 IP 并不是从零起步，而是基于此前做设备端芯片 IP 的经验，进一步融入 AI 相关加速能力。这也意味着，在原有的图像/视频处理、音频/语音处理领域，Cadence 在市场上也占有绝对优势。
以音频/语音领域为例，DSP 通常用于对刚被采集的声音数据做前端处理，如定位音源、降噪等，语音传统的计算技术和通信很像，很多都是在 DSP 上完成。
由于语音识别分为在本地和云端，目前在本地的识别能力是有限的，算法本身也不需要很强算力的 NPU，用 DSP 完全可以支持。新推出的 Tensilica HiFi 5 特别加入支持 8/4/1bit 神经网络的独立硬件和指令，HiFi 5 的客戶已经涉足手机，智能耳机，智能音箱等 AI-IoT 应用。目前 HiFi 系列在国内有著很强的生态圈, 也得到了一流芯片厂商的采用。
面向不同嵌入式应用的 Cadence AI IP，集合了 Cadence 多年 IP 开发经验，不仅在 AI 性能和功效上显著跃升，而且搭配高度兼容能力、优化的神经网络库以及稳定的开发环境，帮助用户实现已有应用的快速迁移。
在 AI 芯片中，内存、互联等同样是制约其性能提升的瓶颈，内存等子系统的设计也颇具挑战。Cadence 在计算架构、内存、互联上都有长期的研究，Wendy Chen 告诉我们，Cadence 的接口 IP 主要的研发团队就是在上海、南京和北京。
针对 AI 芯片設計，Cadence 已经提供了全流程解决方案，除了提供高性能、低功耗的设计 IP 外，Cadence 还配以完整的 AI 软件平台、 AI 芯片建模、AI 智能验证平台、大规模复杂 AI 芯片的全设计实现流程等设计工具，为为设计者提供许多智能化的分析和建议，进一步缩短产品推向市场的时间。
不斷創新的技术和软硬件的研发都需要巨大的投资，Cadence 在研发方面一直投资力度非常大，这是多数中小型 EDA 供应商和 IP 供应商短期内无法抗衡的。
四、AI 芯片需求大，与软件设计契合度高
作为集成电路产业链上游，Cadence 在对芯片设计市场的认知方面更具有前瞻性。
谈到 AI 芯片的发展现状，Wendy Chen 表示，今年仍出现很多 AI 芯片公司，或者很多原来公司繼續 AI 芯片新项目，并没有看到 AI 芯片的增速放缓。
她认为，之所以当下很多 AI 芯片公司在大规模量产方面迟迟未见音讯，是因为很多应用场景还没有建立起来。
终端如果只是想添加了一部分 AI 处理能力，比如人脸识别等，其实对于很多做 AP 的公司来说门槛并不会很高，主要难度在于找到大客户，获得足够的应用需求。
云端对 AI 芯片需求是非常大的，因为现有的云端芯片代价很高，很多公司想用专用芯片 ASIC 这种低成本的方式来取代原来的通用芯片解决方案。
近年来，越来越多的软件方案商也在涉足 AI 芯片领域。
Wendy Chen 与很多做 AI 软件的公司有过交流，在她看来，这是因为 AI 芯片设计和软件设计联系紧密，他们需要寻求定制化的芯片去和其软件高度契合。
这些公司的网络大多不是标准的，而是自己开发的，他们找不到合适硬件载体去把软件发挥到最好，通常他们也不愿意轻易泄露其核心算法，所以选择设计芯片来提升整体解决方案的最终效果。
软件商涉足 AI 芯片的优势，也是纯硬件公司做 AI 芯片的短板所在。
做 AI 芯片的门槛是应用。但一家纯硬件公司，如果没有经过深入的研究和实践，可能并不清楚他们所打造的芯片究竟是面向怎样一个特定的应用领域。
目前，国外 AI 公司中有 70%-80% 都在做软件算法，中国的这一比例则大大降低，很多 AI 公司都是在做硬件或软硬件解决方案。因此中国的用户更需要 Cadence 这样拥有丰富成功设计经验的服务商。
在交流期间，Wendy Chen 也反复提及，Cadence 发展的目标是提供更贴合客户需求的 IP 和智能化工具，从而更好满足每一个客户的需要。
