世界各地的政府和行业齐心协力解决大规模芯片设计挑战。美国国防部的微电子中心 （ME Commons）、欧盟芯片法案试点线和日本政府支持的 Rapidus 财团等团体通常由老牌公司、研究机构、学术界和初创公司组成——每个机构都带来了不同的技能。
是德科技设计与验证业务部总经理 Nilesh Kamdar 表示，在这种情况下，芯片设计界正在加速、扩大规模，并承担如果没有政府资助，他们可能不会承担的风险，是德科技参与了国防部的许多 ME Commons，最近与 Rapidus 合作开发了高精度工艺设计套件 （PDK）。“下议院是将其带给所有区域实体的好方法。我们专注于八个不同的实体和六个不同的技术领域。最初尚不清楚 ME Commons 将如何建立，但拥有区域卓越中心，由几所大学领导并汇集大学、商业团体和各种生态系统参与者（如 EDA 供应商）的合作伙伴关系，这非常有趣。
然而，团体设计项目面临几个关键挑战，如果涉及政府资助，这些挑战会更加复杂：
如何管理和保护在项目之前就存在并由组使用或由项目成员创建的知识产权 。
如何共享机密数据，以便设计和 AI 工具能够利用实际用例的发现来解决现实世界的问题。
如何访问任何适用的制造节点上的代工厂和 PDK，从传统到前沿。
一旦政府资金用完（或被其他政党或政府撤销），如何让项目继续进行。
知识产权管理和产品
货币化虽然项目的最初意图可能是让所有相关人员受益，但这并不能解决如果产品进入市场，每家公司将如何获得补偿的问题。
“如果你正在努力在团队努力中开发新的东西，那么谁拥有开发的东西？”“每个人都拥有它吗？有人拥有这块吗？有人拥有另一部分吗？我认为最好的方法是如果你能获得竞争前的组合。
一段时间以来，公司一直在合作开发工艺技术和组件，但设计工具带来了不同的挑战。
“知识产权管理和数据管理的问题是巨大的，”Kamdar。“我认为没有人明确解决了这个问题。如果我是一家半导体公司，遇到一些非常有趣的人工智能技术，可以让我加快半导体生命周期，我会如何使用它？我可以在一个项目到另一个项目使用它吗？我可以让它在我自己的设计上进行训练，然后在我的下一个设计中使用它吗？这是我想做的事情吗？这就是承诺。如果你这样做，你就会受益。作为一个行业，我们能做到这一点吗？我认为我们还没有回答这个问题。大学有可能做到这一点。大学可能拥有可以培训的知识产权，并决定与其他大学共享。
同样，政府计划中的公司可以找到一种共享数据和知识产权的方法。“但承诺始终是 IP 归进行设计的团队或公司所有，并且每个都保留在本地，”Kamdar 说。“我们可以探索如何将其货币化的不同方式。但在这一点上，这是一个很好的问题，特别是如果你看看政府或航空航天等用例，那里对知识产权保护的要求甚至更高。
与政府机构合作的公司需要找到在保护知识产权的同时促进创新和协作的最佳方式。
“其中一部分是这些事情的演变，以找到合适的利基市场，”博斯艾伦公司高级首席工程师、微电子工程研究员萨维里奥·法扎里 （Saverio Fazzari） 在 DAC 小组讨论中说。[1] “知识产权保护部分是其中的关键部分，并开发一种能够实现这种创新研究的知识产权模型。我的经验是，如果你提前解决这个问题，你就会成功。如果你等待，当这些项目被遏制住时，它就会阻止成功，你就无法获得这种共享和创新。我们现在在下议院看到的是人们开始弄清楚如何以正确的方式实现这一目标。从那里开始，挑战将是，随着你的前进，它如何成为一种产品，你如何处理这些东西？我知道一些特定的组织有知识产权律师和其他人员来弄清楚这种模式是什么样子。因为最终，对于其中许多人来说，'当我继续做这件事时，我将如何从这个东西中赚钱？'这仍然是一个难以弄清楚的挑战。从研发的角度来看，这很棒。我们已经实现了我们的目标。
如何从群体创新中赚钱是一个价值数十亿美元的问题，Natcast 设计工程生态系统支持副总裁 Vivek Prasad 在同一小组中表示同意。“这仍然不是一个解决的问题。你必须首先从竞争前的领域来看待研究，在那里你确实需要合作，不仅在美国，而且在世界各地。竞争前的合作需要发生，才能真正提高我们的技术能力。然后，一旦你开始进入竞争领域，就需要资金来支持五年后出现的技术。你如何衡量它们？这就是我们需要集体的地方。
Silicon Catalyst 的 Kepler 指出，他在 AMD 从事下一代工艺技术工作的时间是竞争前协作如何运作的一个例子。“我们与其他公司建立了不止一次的合作伙伴关系来开发这项技术，我们将共同研究这项技术，我们都将拥有共同开发的技术的权利，但每个人都会将其独立转移到我们自己的制造工厂，并将我们自己的产品设计放入其中。我们与独立设计和独立工厂竞争，但我们拥有相同的基础技术;这不是我们相互竞争的。
初创企业也受益于竞争前的创新，无论是在大学还是作为政府计划的一部分。
“大学之间没有商业竞争，但研究可以由不同的公司进行并转化为商业产品，”开普勒说。“很多来找我们的初创公司都是从大学里进行的研究中走出来的，他们试图利用这些研究和他们收到的结果，并且已经能够获得博士学位并发表论文，现在他们正试图将其变成一家盈利的公司。在研究和政府资助的道路上也是如此。你可以让三四个不同的实体进行相同的研究，并尝试彼此做不同的事情，也许会相互竞争。但基础研究是由政府资助的，为所有这些商业事情的发生提供能力。我认为这是一个非常好的模式，不仅对于制造技术和设计技术的研究，而且对于电子设计自动化的研究，这是一个没有得到太多关注的领域，所有这些东西对一个经济来说都非常非常有价值。
数据共享
的好处和挑战在数据被视为新黄金的时代，公司正在弄清楚他们想要共享多少，尤其是在开发人工智能和 EDA 工具时。人工智能模型受益于根据真实数据进行训练，这有助于 EDA 工具的功效。但由于专有 IP，没有人愿意共享他们的数据。
“我们混合使用数据，”初创公司 ChipAgents 的研究主管张克勋说，该公司训练人工智能代理来帮助完成包括 RTL 生成、设计和验证在内的前端任务。“我们的一些数据是综合的。有些来自开源世界，有些是我们自己获得的。但还有另一种选择。我们尝试与客户合作，为他们训练定制模型，因为我们的客户拥有的数据量比公开的任何数据都要大得多。此外，它将更多地根据他们自己的需求进行定制。我们与他们合作，调整我们的工具，包括我们的模型，以适应他们想要的任何定制。
为芯片设计工具训练模型需要多长时间取决于具体功能。“通常的时间段可能是一个月到半年，但这是我们目前正在做的事情的规模，”张说。“这确实是一个灵活的数字，取决于他们想要多少定制以及他们愿意共享多少数据。”
如果专有问题能够解决，共享数据可以为供应链中的每个人节省金钱和时间。西门子 EDA 产品主管 Sathishkumar Balasubramanian 表示：“你试图解决的问题是，如果你可以预先对所有事情进行建模并使其非常实时，那么当你获得数据表明某些东西朝着错误的方向发展时，你会立即告诉所有供应商，要么停止它，要么寻找其他来源。“你立即开始提供反馈循环，这就是我们所说的整个数字孪生循环，从我们在虚拟世界中所做的事情到物理世界中发生的事情，以及如果你能以更少的干扰和足够的左移思维来缩短这个周期，那么你将是第一个想出满足所有目标甚至超越目标的产品的人。”
让不同的团队一起工作有很多价值，因为他们有不同的优势、观点和方法。“如果做得好，这会非常非常强大，”开普勒说。“但也有挑战。最基本的一项是围绕数据共享;如果每个实体都认为他们的数据是专有的，或者必须根据他们拥有的某些规则将其数据视为专有的数据，那么数据就无法正确共享，这会阻碍整个事情。你可以拥有非常基本的东西，比如每家公司的内部互联网防火墙。他们的电子邮件系统可能不允许外人进入。我们在合作伙伴的设施内工作，发现虽然我们可以在实体建筑内工作，但我们不能在 IT 基础设施内工作，因为它对除员工之外的所有人都进行了防火墙保护。
小芯片给知识产权、数据和所有权问题增加了另一层复杂性，因为它们可能来自不同的公司进入一个系统。ME Commons 的加州-太平洋-西北地区人工智能硬件中心通过专业小芯片的异构集成获得了节能和可扩展人工智能硬件系统的资金。但仍然有很多问题。
“我如何不仅实现互作性，不仅仅是润滑小芯片制造的障碍，而且是商业模式，如何使其在财务上可行？”“成本结构已经到了生产小芯片变得经济的地步，但风险结构没有改变。如果有一个模型说，'好吧，谁来承担拥有三种不同小芯片的风险，而我们不知道哪一个不好，谁来承担成本？思考如何让行业承担更多风险是很有趣的。
当小芯片成为现实时，IP 供应商和 EDA 公司必须找到一种完全不同的方法来自动化和提高效率。“后端，即制造过程，并不能解决整个问题。他们就是做不到，“Arteris 首席营销官 Michal Siwinski 说。“你开始看到 EDA 公司和代工厂之间的更多合作。这基本上意味着 IP、自动化、EDA 和设计流程变得更加相关，因为这不再仅仅关乎您如何制造，而是关乎您如何设计。当前的人工智能变化进一步正确看待了这一点。
新组织
面临的 PDK 和代工厂准入挑战代工厂需要工艺设计套件，以使更多公司能够在各种制造工艺节点上设计芯片，但 PDK 准入可能很困难。
“代工厂是一个巨大的挑战，因为他们非常保护自己的知识产权，”新思科技云产品管理执行董事 Vikram Bhatia 说。“通常，代工厂会向您发送 PDK 或辅助材料，这本质上是您在开始制造之前完成设计所需的代码库。代工厂让新组织或较小的组织在验证您是否收到他们的 PDK 之前要经过一系列法律和安全措施。
政府计划、初创企业孵化器和 EDA 云平台都可以帮助更快地访问 PDK。
Ansys产品营销总监Marc Swinnen表示：“我们一直在参加小组活动，试图向政府提出关于设计资金如何运作的建议，因为这不仅仅是工具，而且至关重要的是PDK。“这在很大程度上弥合了双方相遇的工具之间的鸿沟，因为政府的目标不仅仅是促进研究，而且是实现芯片设计的民主化。如今，先进的芯片设计是少数拥有非常先进团队的公司的职权范围，其他人无法获得工具，无法获得 PDK，无法获得专业知识。政府希望更广泛地提供工具。这是一个崇高的目标。具体如何实现还有待观察。
当谈到新组织和初创公司的障碍时，几乎所有事情都归结为时间和获得代工 PDK 的机会。“如果认证需要两个月的时间，那么两个月就是你没有的时间，”Bhatia 说。“这与设置 EDA 环境本身是一样的，对于从头开始的人来说，至少需要 8 到 12 个月的时间，无论您是通过购买自己的硬件和购买自己的软件许可证来完成，还是通过选择顶级云提供商之一在云平台上进行。EDA 环境非常复杂;网络、存储、整体设置、安全要求，所有这些都需要几周的时间才能完成。从挑战的角度来看，一切最终取决于你有多少时间，以及你可以在所有这些事情上浪费多少时间。
衡量进度，维持资金当谈到大型项目
时，成功有不同的时间范围。
“在短期内，大部分成功都围绕着新技术进入市场，”Kamdar 说。“政府赞助的 CHIPS 法案能否比我们以前走的任何道路更快地将事情推向市场？作为一家上市公司，盈利收入增长是我们寻找的指标之一，但如果我从中期和长期的角度来看，这就是行业正在发生的事情。还有更多从事半导体领域的博士课程吗？大学里的材料科学和研究是否还有很多事情发生？是否有更多初创公司将在这个领域进行半导体设计？这种变化的速度是否比我们在《芯片法案》之前的速度要快，在《芯片法案》之前，很多东西都被假定会流向台湾或日本，或者海外其他地方，这种情况会改变吗？我从这些方面看到了投资回报率。KPI 包括上市创新和可持续的盈利增长。
衡量程序是否实现其目标的最简单方法之一是计算从概念到原型的时间。“这是一个指标，我们可以用它来衡量获得成功原型的典型季度数，”Prasad 说。“然后，我们将积极衡量我们如何消除沿途的一些瓶颈，不仅节省时间，而且节省了在等待某些下一个里程碑时花费的闲置员工人数。此外，我们还有我们的研究指标和我们的劳动力发展指标。NSTC-UCLA 项目今年进行了 230 次流片。明年，他们将支持 1,000 个教室流片。他们正在 23 所大学培训新教授进行流片课程培训，因此这种指数级增长正是我们想要的。
普拉萨德指出，小企业创新研究 （SBIR） 计划等政府服务与较新的资助计划之间的主要区别。“当你看看 DARPA 计划甚至 NSTC 研究计划时，他们正在花费分配的资金，但整个支持生态系统应该是我们正在创建的自我维持的企业，这就是为什么它不是作为政府计划创建的。它是一家非营利性初创公司，这将使我们能够在 10 年内从中创建一个持久的企业。
Booz Allen 的 Fazzari 观察到，对于任何这些类型的投资，最终初始投资都会消失，但该项目可能需要 10 年才能建立技术能力。“我们如何以这样一种方式维持这一点，使其对这个社区有意义，投入其中的投资，以及供应商愿意参与的事实，他们继续这种关系，并且融资模式以一种有意义的方式发挥作用？”
法扎里认为政府不会继续发放数十亿美元。“我认为在当前的政府和环境中，当他们说'外国公司正在向美国投资 1000 亿美元'时，你不会看到另一个——无论数字是多少——进入这个领域。它需要是一个集体，以一种表明我们已经准备好的方式来追求这一点。我们将积极实现这一目标。
结论
总体而言，政府、工业界和学术界之间的合作似乎是解决设计瓶颈和培训未来劳动力的最佳方式，这些劳动力最终不仅是数字原生的，而且是人工智能原生的。
CHIPS 法案和 ME Commons 的一项关键成就是，它通过实验室到晶圆厂等概念将设计带到了最前沿。“这迫使社区重新思考，我们如何处理 EDA？”“在任何共享资源中，他们都建立了一个允许访问的生态系统，但更重要的是，它让人们思考这意味着什么，以及我们如何开始为创新创造知识产权。过去，你曾有过开发这项技术的情况，但你如何始终如一地推动它向前发展？
一个想法是发展 ME Commons 中心概念。“最初的很多思考过程都是如何帮助劳动力：我们如何帮助学生学习设计技术？我们如何让他们访问 EDA 和 EDA 工具？“这一切都是第一年的一部分，现在我们可以进行更详细的工作。现在是，如果他们确实有设计，我们能否设置一些东西，以便他们获得代工能力，并可以制造一些东西？那么，他们是否也可以进入某种实验室，在那里他们能够对他们的芯片进行测量，这样他们就可以证明芯片的性能，或者他们知道芯片的性能？该芯片是以某种方式构建和设计的，现在他们看到结果与他们的设计相匹配。有很多不同的方式可以扩展这一点。