随着半导体制造工艺的持续演进，采用先进制程的芯片，单颗芯片集成的晶体管数量高达数百亿个，系统愈加复杂，设计挑战越来越大。但与此同时，终端应用的软件和算法加速迭代，以月或者年为周期更新的芯片越来越难以满足终端需求，芯片设计的周期亟需缩短。

EDA工具与AI技术的结合，不仅能设计出PPA（性能、功耗、面积）更好的芯片，还能显著缩短芯片设计周期。在达成提供更好、更快、更便宜的芯片愿景的同时，也将大幅降低芯片设计的门槛，让更多人和企业能够设计出所需的芯片，将对芯片行业产生深远影响。

目前，全球顶级的芯片设计公司，包括英特尔、联发科、三星、索尼、瑞萨电子等都已经采用了DSO.ai，在不同的芯片工艺节点和不同类型的芯片设计中，普遍获得了4-5倍，甚至更高的效率的提升。

一经尝试就让芯片公司们喜爱的DSO.ai，还有一个“热启动”绝招。

▎各种芯片，都能用AI设计

将AI技术与EDA工具结合，有两个核心价值，首先是力图让EDA更加智能，减少重复且繁杂的工作，让使用者用相同甚至更短时间设计出PPA更好的芯片；其次是大幅降低使用者的门槛，解决人才短缺的挑战。

DSO.ai更加智能这一核心价值的体现，是能够在巨大的芯片设计解决方案空间中，搜索优化目标，利用强化学习来优化功耗、性能和面积。 

无论是x86架构、Arm架构还是传感器，无论使最先进的工艺，还是成熟的工艺，都可以用DSO.ai实现PPA的提升，同时缩短设计周期。

当然，在实际使用DSO.ai时，不同的开发者在设计芯片时优化的目标会有所差异，比如手机芯片开发者侧重CPU功耗的优化，图像传感器开发者则更希望缩短设计周期加速产品上市，DSO.ai都能够灵活地解决差异化的需求，并且带来数倍的效率提升。

DSO.ai之所以能在不同工艺节点和不同技术架构中都能实现显著的效率提升，核心原因是基于新思科技在EDA领域积累的多年丰富的行业经验，借助AI的自动化学习能力和底层算例，把此前需要开发者们一遍遍尝试的重复而繁杂的工作，交由AI快速探索数以万亿计的设计方法找到最优解，因此具有普遍的适用性。

DSO.ai的第二大核心价值，能够帮传统芯片设计公司解决人才短缺的挑战，并大幅降低芯片设计的门槛。

数字化趋势下，大型系统级公司们纷纷开始自研芯片，通过定制芯片来优化其应用或工作负载。但大型系统级公司往往缺乏芯片设计的经验和经验丰富的芯片设计的人才，DSO.ai能够完美解决大型系统级公司面临的挑战。

借助DSO.ai，一个只有几年工作经验的开发者，也能达到有多年丰富经验开发者的设计水准。

DSO.ai的两大优势，将惠及几乎各种类型的芯片设计公司，典型的就是通用芯片公司和系统级两大类客户。对于通用芯片公司，DSO.ai的目标是通过仿真验证、快速原型等更快、更易用的工具，使芯片生产出来之前就能模拟出实际的性能、功耗等表现，节约成本和设计周期。对于系统级公司，DSO.ai通过各种IP模块和设计工具帮助他们解决芯片架构和工艺的选择。 

▎数量级性能提升，门槛大幅降低

由于需要更加强大的算力作为支撑，所以DSO.ai的出现在一定程度也是得益于云计算的普及，新思科技也通过和云服务提供商合作提供DSO.ai解决方案。

当然，正如云计算的普及不是一蹴而就，一开始，DSO.ai在芯片设计公司眼中也是新生事物。刚开始，顶级芯片设计公司们对于DSO.ai的态度也有些谨慎，但对DSO.ai进行测试之后，他们发现，在获得PPA大幅提升的同时还能缩短设计周期。很快，DSO.ai就迅速获得了全球顶尖芯片设计公司们的认可。

英特尔、联发科、三星、索尼和瑞萨电子等都是典型的例子。

英特尔发现，面对优化高性能芯片的PPA并缩短设计周期这一目标时，有诸多关键挑战需要解决，包括：设计尺寸大，运行时间长；对于较大尺寸的设计，最终RTL到GDS的收敛循环更长；在最后阶段执行多个手动ECO延长了设计关闭时间；跨多个设计向量优化PPA将增加实验数量等。