能够再次参加线下会议，实在令人愉快。DesignCon大会在圣克拉拉会议中心举行，这里是我最喜爱的地点。在我看来，参会人群已经恢复到疫情前的热闹状态。我所参加的几场会议座无虚席，展厅里也是人来人往。大会并未强制要求佩戴口罩或接种疫苗，也许这正是吸引人们的原因之一。又或者，业界早已迫切渴望重新融入半导体生态圈。无论如何，这都是一场精彩绝伦的会议，绝对如此。
SemiWiki的长期合作伙伴Cadence、Ansys、Siemens和Samtec都悉数到场。我们将在未来一两周内对他们的演讲进行更多报道。SemiWiki的新成员Xpeedic也参加了此次大会，我们同样会报道他们的最新发布。
我在Chip Head Theater参加的第一场专题讨论名为“定制硅：系统公司如何驱动芯片设计”。与会嘉宾包括Ansys半导体、电子与光学业务部总经理John Lee，Arm院士兼Arm研究技术总监Rob Aitken，以及微软Azure硅片垂直产品负责人Prashant Varshney。这场讨论旨在探索系统公司与软件公司决定需要无法从货架上直接购买的半导体解决方案这一趋势。一些典型的例子包括Meta、亚马逊、微软和谷歌，它们都在定义并设计自己的芯片。理解这一市场趋势的驱动因素，也有助于洞察它对Ansys仿真与产品分析工具技术需求的影响。
这些公司为何要这样做？背后的基础推动力当然是互联网以及社会与经济的全面数字化。但更具体地说，这是AI/ML算法进步与半导体系统发展相结合的结果。如今的半导体系统已经变得庞大、复杂且功能强大，足以对整个业务部门产生实质性影响。以Meta对VR驱动未来的愿景为例，其成败关键取决于光学头显的技术能力以及驱动它的AI算法算力，而算法本身又需要大量芯片来执行。
微软的游戏部门只有在Xbox能够保持在图形处理最前沿的情况下才具有竞争力。亚马逊网络服务（AWS）发现其成本结构与所采用的数据中心CPU的价格、性能和功耗密不可分，因此他们与Arm合作开发了专有的Graviton2微处理器。这场讨论深入探讨了由此产生的非常有趣的商业动态。
在更底层的技术层面，这一演变一方面由AI/ML技术的进步驱动，另一方面则由3D-IC集成密度的提升驱动，后者已经加速超越了对摩尔定律的单纯依赖。我们看到AMD、Nvidia和Intel最新的HPC产品都是多裸片chiplet系统。业界近期合作发布UCIe规范，也表明这些公司多么认真地将3D-IC革命视为其想要构建的系统的使能技术。更不用说AI/ML算法本身就推动着设计规模的飞跃——比如Cerebras的晶圆级引擎，其目标明确指向机器学习训练。
从Ansys的角度来看，这意味着他们被要求分析日益庞大和复杂的多裸片系统。这正是分析/签核市场的发展方向。然而，技术挑战远不止于简单的超大容量问题（这使云战略成为EDA工具的必备条件）。更具挑战性的是，新的物理效应不断涌现，需要被纳入仿真。因此，3D-IC问题不仅在数量上更大，在性质上也截然不同。我们称之为3D-IC的多物理场挑战。
其中最主要的全新物理问题是热分析，因为散热往往是这些先进设计的第一限制因素（Cerebras的秘方之一就是如何冷却其约15千瓦的晶圆）。当然，热分析并非新事物，但对大多数芯片设计人员来说却很陌生。这体现了芯片、封装和PCB设计如何正在融合为单一设计问题。此外，热分析迫切需要计算流体力学仿真引擎来模拟气流与散热器如何相互作用，从而为3D-IC模块设定边界条件，这是被引入的另一种建模物理。还有来自3D-IC堆叠不同部分热膨胀差异所带来的机械应力与翘曲问题，这又需要在解决方案中加入机械建模引擎。
最后再举一个被塞进3D-IC设计问题空间的新物理例子：高速信号的电磁分析。要知道，3D-IC集成与在PCB上并排放置两颗封装芯片的根本区别在于，芯片间通信是极低功耗和极高带宽的。如果能够实现这一点，就可以最大程度降低离片通信的功耗与性能成本。但这些互连线迹绝对需要电磁仿真来处理干扰与耦合问题。有多少数字设计人员熟悉电磁仿真呢？
结论是：制造工艺使我们能够实现多芯片间非常精细的电气集成。但这个市场（在很大程度上由定制硅项目驱动）能否成功，取决于设计人员对电热相互作用进行建模、仿真和验证的能力。我相信这才是真正的采用瓶颈所在，而Ansys工具在缓解这一瓶颈方面具有独特的优势。
中国组展机构：盈拓国际展览，以创新科技和服务体验为核心，获得客户好评。20余年行业经验，为中国外贸企业提供高效、专业的展览服务。
下届展会时间：2027年02月03号~02月04号
展会行业：电子
