上市时间，以及新思科技的先进技术和解决方案如何应对不同挑战，以创新引领未来。与此同时，他也强调，中国约占全球半导体芯片消费量的50%，中国的需求和技术创新持续影响着全球技术发展的风向。未来，新思科技将继续携手产业上下游的合作伙伴，继续推动着整个生态系统加速发展。

　　大家好，我是Sassine Ghazi，欢迎来到2023新思科技开发者大会。

　　非常感谢大家对我们的长期支持。我十分激动能够与大家分享新思科技的最近动态，我们如何看待这个世界的发展，我们又是如何看待周围正在发生的巨大颠覆和创新？

　　最为重要的是，作为核心科技行业，我们如何助力世界的颠覆性创新。我相信，半导体产业正处于一个对于这些颠覆和创新至关重要的时刻。如果没有半导体芯片，没有从芯片到系统、再到软件的融合创新能力，可以说，许多令人兴奋的，正在改变人类的创新将不可能实现。

　　移动通信5G：回顾过去二十年，基于3G、4G到5G 在移动互联领域的创新，以及通过提高连接能力、性能并降低功耗而带来的巨大机遇，我们构建了诸多应用场景并创造出一个全新的行业。当前，随着生成式AI的加速发展和产品上市周期的缩短，这些应用的创新速度会越来越快。

　　个人电脑与游戏：另一个应用领域是电脑游戏。这是在移动互联之外，通过 PC将人与人相互连接起来的方式。这里你可以看到，全球80亿人口中有20亿人都通过这种方式互联。作为电脑游戏玩家，你是否已经感受到该领域推动着网络、云和边缘设备快速发展，从而能够给所有用户不断带来更好的体验？

　　消费电子：过去几年来，业界一直在谈论虚拟现实（VR），致力于改变人类的互动、工作、学习等方式。为了实现这一目标，我们需要的不仅是一个快速的网络，而是一个能够与大规模、高效的计算相连接的网络，并能够驱动边缘层的各种应用。

　　智能驾驶：汽车行业的变革令人惊喜。过去多年来，这个行业一直没有大的变化。直到最近5年多，我们对电动汽车的创新和期待指数级增加，从娱乐的角度来看，这是一种完全不同的体验。

　　AI和数据中心：当延申到AI和数据中心，我刚刚提到的所有应用的核心都在这里。这需要联接性能、计算和速度。AI在效率、用户体验和解决问题方面提供了一个全新的机遇。这些问题以前很难解决，因为需要很长时间。这里有一个有趣的数据，AI的计算能力每100天就翻一番。想想看，大规模数据中心正在运行和升级AI应用。而每100天，巨大的需求量就要求计算能力提高一倍。所以我之前谈到了一些边缘应用。数据中心是人工智能训练的核心，同时也是更有效并高效联接这些边缘设备的核心。

　　当前，这些领域的创新一直在停留在软件层面。但如我们所看到的，真正驱动并加速创新步伐的根本原因在于半导体芯片的创新能力，以及其与系统和软件连接的能力。

　　在这一领域，早期的革新者之一是大约15年前起步的移动设备。他们根据工作负载、软件一直到硬件进行优化。如今，他们基于软件应用的需求来优化硬件，许多行业也遵循相同的创新发展路径。

　　这对我们意味着什么？半导体芯片的不断增加，无论是在复杂性还是在需求量上，对我们行业来说都是好消息。从终端用户来看，用户体验正以一种颠覆性的创新速度，真正改变我们的交互方式。

　　在这里我只展示了几个例子，但你可以把它扩展到工业互联，大健康，药物研发等领域。

　　目前，半导体市场通过60多年实现了5万亿美元的规模。记住，是60年！但是现在再花7年时间，我们就能实现另一个5万亿美元的规模。这就是我们刚才谈到的应用领域而产生的需求指数的商业验证。你会听到我经常重复这句话，纵观整个半导体行业，我们正立于实现所有这些令人兴奋的创新和机遇的核心，这是一个多么伟大的地方。

　　这是2020-2030年半导体芯片消费分布的预测图。你看，惊人的消费量。而多年来，我们一直深知，半导体芯片的消费量很大一部分都集中在中国。

　　在过去的 60 年里，我们在“摩尔定律”的指引下前进。我们的创新有一个特定的节奏，每两年就把集成电路中的晶体管数量翻一番。回想一下这个节奏，它不仅是半导体公司创新的核心，也是系统公司创新的核心。因为系统公司认为，他们每隔两年就可以提高性能和功耗来升级自己的产品。

　　现在很多人质疑，“摩尔定律”是走到尽头了吗？从技术角度看，我不认为摩尔定律到了尽头。但是，这张图展示的是摩尔定律的可负担性以及每平方毫米良品芯片的成本。你可以看到，在 14 和 16 纳米后，每平方毫米的制造成本是呈指数级增长的。

　　现在，许多应用领域仍然沿着这个模型趋势前进。这张图中可以看到，我们有很多机会可以沿着摩尔定律的延续进行优化。这就是我们为什么需要AI加速芯片、GPUCPU，去榨干它们的性能，然后继续沿着摩尔定律的路径前进。这就是我们所说的“规模复杂性”。

　　还有另一个优化的方向叫做“系统的复杂性”或“系统复杂性”。十多年前，业界称之为超越摩尔定律。在新思科技，我们综合考虑规模与系统复杂性的交叉点，把它们合并称为“SysMoore”。

　　我想，我刚刚强调的那些领域，是每个芯片开发者都必须认真考虑的机遇。系统复杂性，能效，对于每个市场应用都至关重要。功能安全和信息安全，保障所有设备都已安全互连。

　　软件复杂性驱动系统的软件内容以及芯片都在增加。当然，还有上市时间。接下来，我会用一个具体案例，展示我所描述的这些价值。

　　我想以汽车行业为例，跟大家具体聊聊。这是一个最好的例子，因为在过去 5 年中，汽车行业在这五个方面都出现了重大的挑战。

　　无论你相信与否。如今，一辆现代化的汽车上大概运行着1亿行代码，到2030年将超过3亿行。3亿行个什么概念呢？比如新思科技深耕软件行业多年，产品种类丰富而全面，如今，我们公司有大约3亿行代码量。

　　现在，你能想象一辆汽车里的软件有多少了吗？首要我想问：为什么有这么多？拥有如此大量软件的原因是，现代化汽车通过中央计算机系统连接了多个区域。传统汽车通过一根电缆连接整个汽车的多个设备。而现代化汽车则是通过软件将多个区域或网关连接到中央计算机系统。

　　这就是当前汽车领域的机遇所在！你可以像使用手机一样更好地对汽车进行管理，对软件和功能进行升级和更新。汽车将实现互联和智能，汽车可以与车主相连，还可以连另一辆汽车、或是连另一个城市，而所有这些都由软件驱动。有机构预计，到2029-2030年末，也就是7年内，软件定义汽车也就是SDV的占比将超过汽车总量的90%。而现在这个比例仅仅接近5%。

　　届时，软件定义汽车的比例将从5%上升到90%。这个未来发展的预期，给了我们什么关键的信息呢？如果你是汽车制造商，如何在连接汽车的硬件上对大量软件进行建模和验证？

　　这就说到了电子数字孪生，也是新思科技持续投资的关键任务之一，我们对此充满了期待。你可以从两个方面来考虑它。一种是虚拟数字孪生，你可以通过它创建汽车整个系统的虚拟模型。该虚拟模型是在真车落地之前，在软件层面的完整实现。一旦有了实物硬件，就可以进行硬件辅助软件开发，还可以将两者结合起来，其中一部分是可视化系统，另一部分是通过软件验证的硬件模型。基于我们在硬件辅助验证方面的效率、性能和能力，新思科技在这两个领域都处于领先地位。从移动领域开始，我们就一直致力于虚拟原型的开发，现在我们正在将这一理念带入汽车领域。

　　我也想跟大家分享一个好消息。近期，我们刚刚宣布收购了PikeTec。PikeTec是全球软件驱动控制系统测试自动化的领导者。如果你把汽车看作一个软件驱动的控制系统，它需要一个非常智能的自动化测试过程，从而确保能够在模型在环（MiL）到硬件在环（HiL）之间架起桥梁，一直到车辆在环（ViL）。

　　这是什么意思？在汽车数字孪生建模的抽象概念中有不同层级，它则是作用于在还没有硬件的早期阶段。这里的硬件指的是中央计算或边缘的芯片。当硬件到位时，你就可以通过硬件和软件的混合来验证软件的功能，并进行软硬件的协同开发。

　　我刚刚谈到了摩尔定律放缓以及摩尔定律的成本。那么，替代方案是什么？如果不按照摩尔定律的指导进行优化，如何才能继续创新？这就是系统复杂性带来的困难。

　　这里，我将展示3DIC或者叫先进封装或者多裸晶芯片系统在高性能计算服务器和AI领域的重要作用。

　　出于各种原因，目前，汽车电子占整个多裸晶芯片系统份额的13%，并且正在快速增长。如果汽车的复杂度从 L0、L1提升到L4、L5，那么在汽车上的半导体投开销将增加 50 倍，才能实现自动驾驶、高级辅助驾驶（ADAS）类型的互联汽车。50 倍开销可不是小数目。因此，硬件的复杂性和可负担性就成为了一个巨大的挑战。

　　汽车行业正在努力应对这一挑战。如果是L2的ADAS，你可以采用一些早期的技术简单实现。这里面包括CPU、GPU等模块都需要在同一技术节点上完成。但到了L4，无论是用于计算的AI芯片、CPU、GPU，或者连接先进内存，还是联网，都变得更加复杂而智能得多得多。我们可以采用流行的多裸晶芯片方式，选择哪些功能需要采用最先进的技术，哪些功能可以采用 16 纳米或 7纳米技术，然后把它们组合在一个系统中并整合到一个封装内。

　　新思科技在5、6 年前就关注到了业界的创新正在转向这一趋势。据估计，到 2026 年，约20%的芯片系统将采用多裸晶芯片或 3DIC 技术，到 2030 年，这一比例将上升到 40%。

　　麻将胡了最新官方版下载

　　未来，在整个芯片设计中，40%的多裸晶芯片系统将是3D的。新思科技3DIC compiler，能够助力合作伙伴对3D芯片系统进行架构的探索，并通过我们的Die-to-Die接口IP，如 UCIe 和其他HBM 接口，将这些独立的裸晶或小芯粒组合到同一个系统中。为了监测该系统完成封装好之后的健康状况，我们需要对芯片生命周期进行管理(SLM)，也就是在整个封装和系统中监测每个裸晶，每个小芯粒的健康状况。

　　我们在这里讨论的是汽车领域的功耗。我们可以想象，功耗在移动设备中至关重要。在数据中心里更是如此。原因很简单，现在大多数数据中心能够获取的电力都相当有限，导致它们难以提供强大的计算、云以及其他和基础设施等服务。

　　因此，能源效率在各方面都很重要。如果我们再看看汽车本身，2022年全球有电动汽车850万辆，到2030年这个数字预计将达到4100万。汽车电气化的增长是惊人的，同时这么多车所需的用电量也将更惊人的。

　　一个有趣的数据是，平均每辆电动汽车消耗20千瓦时电量只能行驶100公里。

　　这是个什么概念呢？这大约是一个独栋别墅一天的用电量，你只能开电动汽车行驶100公里。而电动汽车在未来的几年里会呈指数级增长。因此，这些电动汽车行驶100公里、1000公里所需的电力供应，很大程度取决于每辆汽车的能源使用效率水平。

　　那么，我们该怎么办呢？新思科技推出了端到端低功耗解决方案，可覆盖架构、RTL、实施到签核的完整流程。正如你所看到的，从比重来看，架构层面对能源优化的影响最大。基于新思独一无二的Platform Architect，它可以从架构层面就确定怎样做功耗权衡，才能实现客户希望的最优的性能、功耗等指标的平衡。

　　我们有诸多全球领先的技术来完成RTL分析，如 SpyGlass 和 PrimePower。这些都是RTL级别的功耗签核工具。进入 Fusion Compiler 后，正如你所看到的，能耗优化的机会越来越少，一直到PrimeECO 和签核，功耗降低的比例会越来越低。到下一步，我们可以采用 ZeBu 进行硬件辅助验证。使用ZeBu，在每一级中我们都找到正确的方向来验证每个阶段的功耗，从而构建更加稳健的系统。当然，我在这里展示的系列解决方案也适用于汽车电子以外的其他应用。

　　想想一辆汽车上面的3亿行代码，你首先想到的可能就是代码的安全性。这不仅仅关系到信息安全。一旦一辆车被 “黑客”入侵了，就可能影响到汽车的功能安全。

　　因此，在软件驱动汽车和代码体量飞速增长的大背景下，我们如何看待自动驾驶汽车的功能安全和信息安全问题呢？

　　以下是一些统计数据。2022年，12%的网络攻击都是针对汽车的。如我前面提到的数据，到 2030 年，电动汽车的数量会大幅增加。2022年，超过一千万辆汽车因功能安全隐患(在美国)被召回。其中很多都是由软件和半导体芯片导致的功能安全隐患。因此信息安全和功能安全至关重要，是信息技术可靠性的重中之重。鉴于汽车主要由软件和芯片、半导体驱动，汽车的可靠性就变得至关重要。

　　之前，我们介绍过芯片健康的重要性，也叫芯片生命周期管理。我之前谈到过在多裸晶芯片或 3DIC 中的 Silicon Lifecycle Management（SLM），可以分为三个阶段。

　　第一部分是监控芯片的健康状况。这就是我们在芯片内部嵌入监控器、传感器和路径监控，以持续跟踪和测量整个芯片的性能和功耗。因此，当芯片上运行任何软件应用时，SLM都能给出该软件运行的功耗与性能的报告。

　　然后再进行预测性维护，在芯片的整个生命周期内，当芯片在系统中运行时，SLM可以让你深入了解系统的维护和健康状况。这就是可靠性的来源。

　　芯片是否过热？是否会造成静电放电老化和故障？软件运行何时会导致该类故障发生？因此，SLM具有软件可见性并能监控芯片性能。

　　一旦芯片安装到车里，我们就可以对多系统或多车辆进行应用管理，这也是提高实地车辆安全性和可靠性的另一个重要机遇。

　　最后，也是最重要的，是这些产品的上市时间。我们都知道，特别是在过去的五年左右，人才和资源的压力持续存在，这不仅是因为自动驾驶的快速发展，还包括我前面提到的，移动设备和数据中心等五个不同的垂直市场的蓬勃发展。随着半导体芯片的体量、智能化程度和复杂性的迅速增长，培养更多能够应对系统和软件综合复杂性的开发者压力极大。

　　我们谈谈SoC设计复杂性吧。如今，在西方国家，一般而言，汽车制造商生产自动驾驶汽车，如果他们从零开始为汽车开发芯片，那么从开始开发到投产的周期大约为6到7年。我知道，对于中国的一部分汽车制造商来说，这个周期要短得多。但是，这也反过来造成了半导体行业中，汽车芯片人才的严重短缺。中国半导体行业协会公布的一组统计数据显示，预计半导体人才缺口将达到20万人。

　　因此，整个半导体芯片产业该如何解决人才短缺的问题呢？当前，我们全行业现在都在努力探索如何利用AI来大大缩短产品上市时间、提高工作效率并实现更好的设计结果等。

　　新思科技早在几年前就开始了这方面的研发投入，并于今年推出了业界首个AI驱动型全栈式EDA解决方案Synopsys.ai。我们的研发开始于Design Space Optimization（设计空间优化，DSO.ai解决方案）。截止目前，DSO.ai已经成功实现超过270次商业流片。

　　虽然我们的DSO.ai取得了这么亮眼的成绩，但我们并未止步于此。我们已经研究并推出VSO.ai（验证空间优化解决方案），它能让开发者更智能地实现更好的验证覆盖率，更好地创建测试指标。第三个是TSO.ai(测试空间优化解决方案)，它能帮助开发者进行更合理的的测试从而降低系统测试的总体成本。第四部分是模拟与制造优化解决方案。

　　新思科技Synopsys.ai全栈式解决方案引领着全球EDA+AI芯片设计新风向。毫无疑问，我们是全球首个推出DSO.ai 的公司，也绝对是全球首家全方位通过AI增强芯片设计生产率、改善设计结果质量、提高设计效率和资源可用性的公司。

　　另一方面，IP是提升效率的重要法宝。我之前看到过一个关于2 纳米芯片设计成本的数据。如果完全从零开始设计，2 纳米芯片的设计成本约为 7.5 亿美元。这是一笔惊人成本，没有多少公司可以承担得起这样的价格。降低成本的方法之一，是我刚才所说的AI+EDA设计方法学。另一方面，你完全没有必要从头开始设计系统。新思科技是半导体IP的全球领导者，无论是处理器IP、接口 IP、安全 IP 还是基础 IP，应有尽有，并且可以提供多种代工选择，还能让开发者选择使用多裸晶芯片系统或在单片系统上实现。因此，开发者可以在整个系统的开发过程中，节省大量时间成本，实现又一个重大的生产率提升。

　　最后，我希望大家能看到并感受到我对这一重大机遇的兴奋和期待。我们行业必须站在最中心位置，助力人类应对这一巨大挑战，从而实现真正的颠覆与创新。

　　正如我在整个演讲中所描述的，半导体芯片是创新的核心，而在芯片、系统和软件之间的交叉点进行创新，正是我们需要特别关注的重大机遇点。

　　如我前面所提，中国约占全球半导体芯片消费总量的 50%。我相信，在座的各位将持续创新，推动从芯片到系统再到软件的快速发展。新思科技将成为大家最坚定的合作伙伴，坚定地与各位携手同行。

　　新思科技进入中国已有28年。我们在这里拥有了1500多名员工。我们深耕于此，展望未来，我们也将携手半导体上下游的合作伙伴，继续推动着整个生态系统加速发展。我们携手共进，才能共同创造一个更加美好的未来！

　　非常感谢今天给我机会与大家交流。我十分期待着下次能够亲自来到中国，与大家面对面交流。谢谢大家。

　　原文标题：2023新思科技开发者大会回顾 以技术创新应对SysMoore时代五大挑战

　　原文标题：2023新思科技开发者大会回顾  以技术创新应对SysMoore时代五大挑战