工艺微缩是集成电路制造技术发展的最重要的特征之一。随着工艺能力的提升，相同面积的芯片上可以集成更多的器件，从而提高芯片的性能，降低单位制造成本。可以说，集成电路技术的进步是以提高集成电路性价比为目的的。
不过IC设计复杂度的不断提升也带来了相应的挑战。比如说，在开发过程中，IC设计团队几乎都会面临计算资源需求激增、EDA峰值性能需求难以被满足，深工艺数据迁移的消耗成本，多项目并行发生的资源抢夺以及办公地点限制带来的效率影响等，这些问题会直接影响芯片的研发、开发周期，甚至导致芯片的良率不高，无法进行量产。另外，大量服务器耗费可观的电费，成本预算也是一大问题。
因而IC 设计公司越来越多地希望在先进制程设计中利用“云能力”来缩短周转时间，而在EDA厂商看来，将部分或全部的EDA计算转移到云上，设计公司将能获得灵活的计算资源和规模经济性。为此，在寻求较高的设计收敛率与成本效益的双轮驱动之下，EDA也在探索新兴的运营模式——“云计算+EDA”。
根据Gartner的数据，2018年全球云计算的市场规模为640亿美元，而2020年年底预计将会达到2461亿美元，在2019年至2023年复合年均增长率为18%。作为支撑互联网、人工智能、大数据等的关键，云计算的重要性日益凸显。
更关键的是，IC设计上云正成为未来发展的必然趋势。

疫情加速EDA工具与云计算结合
回顾EDA产业大致经历了三个发展阶段：20世纪80年代前的计算机辅助设计（CAD）时代，20世纪80年代的计算机辅助工程（CAED）时代和20世纪90年代后的电子系统设计自动化（EDA）时代。近年来，随着云计算在各行各业的渗透不断加深，EDA与云计算的结合也在深入。特别是中国存在大量新创的中小微芯片设计企业，对云端EDA工具有着更加深切的需求。
根据中国半导体行业协会IC设计分会的数据，2021年中国大陆有2810家芯片设计企业，同比增长了26.7%，广泛分布在消费电子、汽车、智慧城市等多个行业。这些企业大多为中小微企业，且大多面临人手短缺，设计能力匮乏等问题，尤其是设计团队在进行仿真和验证时，往往缺乏大规模的算力集群支持。
正如国微思尔芯资深副总裁林铠鹏所指出，EDA上云对于企业来说，最直接就是有望解决算力问题。无论是设计还是验证，IC设计公司对算力的需求都非常大，很多小公司承受不起，只能用时间来换金钱。如果云端有更好的解决方案，对于它们来说将有非常大的帮助。
具体而言，对于大部分新创IC企业来说，尽早实现芯片流片是企业实现生存发展的关键一环，而及时将产品交付客户，设计效率至关重要。而在整个设计开发的流程中，仿真和验证变得越来越重要。当芯片设计团队进行仿真和验证时，往往需要调用大规模的算力集群。在这样大的算力环境下，整个集群算力的管理和调度、算力集群和存储系统的交互，同样需要一支专业的IT团队进行操作。EDA上云恰恰能够有效解决这些难题。
近年来，新冠肺炎疫情发生，对人们的工作生活模式造成很大影响，居家办公在各行各业中变得十分普遍。这对EDA上云来说却是一个促进作用。很多芯片设计公司转向居家办公，对芯片设计工程师来说，EDA工具在工作中不可或缺。云平台EDA工具恰恰是其居家办公、用家用设备设计芯片的的重要补充。
云上EDA的缺点
在考虑将EDA和芯片设计转移到云端时，最大和最明显的风险之一就是安全性。
芯片设计相关文件是公司的知识产权，在许多情况下，它们可以说是公司最有价值的财产。考虑到这一点，公司历来将其所有EDA和其他设计文件专门托管在本地机器上，任何人都无法在其网络之外访问。云计算本质上不如本地计算安全。迁移到云端，就意味着公司将信任其他实体，来托管可能价值数十亿美元的知识产权。
此外，托管上云可以允许成千上万的用户同时访问相同的硬件资源。此功能可能会增加信息被恶意对手窃取或黑客攻击的风险。
公司如果能放心地将他们的设计迁移到云中，则一定需要云资源已经验证过端到端的安全性。过去，对半导体知识产权 (IP) 和数据安全性的担忧阻碍了EDA向云的迁移。
云上EDA的优点
尽管存在安全性的主要缺点，但将EDA迁移到云端仍有好处。

云计算对EDA而言最显著的优势之一是它允许公司根据需要向上和向下扩展其计算资源，能从效率、经济、结果角度提供显著优势。
从效率的角度来看，将EDA迁移到云端是非常有益的，它为设计人员提供了无限的计算资源。IC 设计的仿真和验证在计算上可能非常昂贵，在某些情况下需要一整天才能完成仿真。本地数据中心无法快速适应不断变化的设计和验证工作负载。通过将EDA迁移到云端，云计算可以通过访问更多和灵活的计算资源来帮助提高吞吐量，设计人员可以获得比其他方式更多的计算资源，从而使他们能够比更快地仿真和验证设计。
在经济效益上，用于EDA的云计算也很有意义。IC设计生命周期的不同阶段需要不同数量的计算。某些阶段，例如验证和模拟，可能需要大量计算，而其他阶段可能不需要计算。 这在经济上成为一个挑战，因为公司可能会购买验证阶段所需的计算，但随后在计算密集度较低的阶段，大部分时间硬件处于闲置状态。这个过程可以被视为一种资源和资金浪费，他们的计算硬件没有被使用，这意味着他们的投资没有得到充分利用。具有“按需付费”结构的云计算有可能通过允许公司根据需要扩大或缩小其计算资源来解决这个问题。这种弹性使公司能够在给定的时间只支付和使用所需的资源，通过最小化间接成本来节省资金。 像初创公司这样的公司可能会选择全部上云。
另一方面，企业半导体公司可能会使用混合云模型来增强其本地数据中心。随着云服务供应商提供灵活的定价模式，如按需付费定价，设计团队可以在IP设计开发周期的每个阶段根据需要扩展和缩减计算资源。云计算资源有助于减少资本支出并降低全年升级和维护数据中心所需的成本。最重要的是，云计算可以允许访问可用的最新硬件，否则使用最新硬件持续升级本地机器的成本太高。
从结果质量角度来看，为了满足规范并适应更小、更先进的技术节点的挑战，同时不影响结果质量、性能、良率，设计人员需要进行广泛的验证以考虑所有潜在的设计变化。这些是高度计算密集型工作负载，需要的计算资源比本地数据中心所能容纳的要多得多。芯片设计迁移到云端，能在生产运行时间内以更高的芯片良率达到并超越结果质量。
EDA云工具达到商业化节点
根据research and markets数据，2020年全球EDA市场规模约为115亿美元，预计到2025年可达到145亿美元。在这其中，云平台EDA工具所占的比例正在迅速提高。也正因如此，Synopsys、Cadence等国际EDA巨头越来越重视EDA上云的进程。英特尔、英伟达等芯片巨头也开始探索EDA云工具的应用。
日前，Synopsys宣布，亚马逊公司旗下的云计算服务平台部署了新思科技的VCS FGP 技术。在云端运行相关技术，可让设计团队实现更高的效率，缩短验证收敛时间，获得优异的硬件性价比。对此，新思科技中国区副总经理许伟表示：“EDA上云是一个发展趋势，不管是算力还是大数据等云计算端都有着自身的优势，将有越来越多设计公司从自建私有云向公有云过度。”
随着公有云架构逐渐稳固，数据安全体系逐渐成熟。目前，EDA云平台工具和运行环境逐渐整合在一起，产品能够规模化地复制到不同的行业，并提供给客户。云技术的运算能力与储存容量及EDA技术融合，可以在很大程度上解决当前IC设计面临的算力缺口，为开发者提供实时可用的算力、更加灵活高效的开发环境、更加优化的成本，并缩短产品上市时间。可以说，EDA云平台产业已经到了商业化发展的关键节点。

人工智能与EDA融合不断加深

在云计算技术的加持下，人工智能与EDA的融合也在不断加深。通过应用AI技术优化客户体验、提升效能是EDA迭代发展的一个重要方向。深度学习等算法能够提高EDA软件的自主程度，提高IC设计效率，缩短芯片研发周期。
报告显示，机器学习在EDA的应用可以分为四个方面：数据快速提取模型；布局中的热点检测；布局和线路；电路仿真模型。目前，诸多EDA企业都在人工智能方面进行了深入的布局与开发。Cadence公司中国区总经理 汪晓煜表示：“人工智能在大规模数字芯片优化、数字仿真验证、PCB设计综合等领域都有着巨大的发挥空间。以仿真验证为例，当前企业花费在仿真验证上的运算资源与时间呈指数级升高。采用机器学习，生产力提升的效率甚至可以达到10倍以上。”
将AI和算法应用于自身的产品中，实现垂直领域的创新解决方案是各大EDA厂商共同的策略。2020年，Synopsys推出用于芯片设计的自主人工智能应用程序DSO.ai，能够在芯片设计解决方案中，搜索优化目标，利用强化学习来优化功耗、性能和面积。Cadence的Cerebrus直接集成到Cadence工具链中，从System C定义到标准库单元、宏、RTL以及signOff，允许一个工程师给它以任何级别上定义的规范和优化对象。西门子EDA的Solido产品可利用机器学习快速进行特征向量库的生成和提取，以更少的时间实现更高的验证精度，并将所得数据以可视化方式呈现。