与一般芯片产品相比，模拟芯片通常具有更长的生命周期和更广泛的应用，凭借其极其多样化的产品类别和广泛的应用范围，包括消费电子、电信、工业和汽车终端市场，模拟芯片在半导体行业低迷时期仍可以通过补充不同市场的需求来展示其行业弹性，这在 2022 年的库存调整中展现得非常突出。

这也是模拟芯片相较于其他芯片在设计付出更多的原因吧，设计师表示真的很累！

例如数字芯片设计，强调的是运算速度和成本比。主要在抽象级别上完成，不需要关注门/晶体管级放置和路由的细节。

而模拟芯片设计强调的是强调的是高信噪比、低失真、低功耗及稳定性。设计师每天在电路图上画花花绿绿的MOS管，要确定用多少元件、用哪种排列方法，怎么跨层使得芯片体积最小、性能最高、最省钱。涉及每个电路的个性化特点，甚至涉及每个晶体管的大小和细节，设计和验证也更为复杂。

国内外知名的模拟芯片设计企业数量并不多，国外主要是德州仪器、亚德诺半导体、英飞凌等；国内主要有艾为电子，士兰微电子，圣邦微电子等，从业20年的微碧半导体当然也身在其列。

芯片设计是一个专业知识高度集合并组织的过程，其中运用到的设备、软件工具的要求都非常高，例如EDA工具。今天我们主要从EDA工具的计算任务视角出发来了解模拟芯片的设计之路。

至于在计算角度之外，调度/管理/数据/协同/CAD等视角，

另外的篇章了。

首先简单了解下模拟芯片设计的大致流程。

前期阶段本质上是数值计算，多为多corner与蒙特卡罗Monte Carlo任务，峰值算力需求较高，存储需求一般。

至于多corner与蒙特卡罗Monte Carlo是什么东西，我们也简单介绍下。这是两种不同的电路性能与工艺误差的估计方法，这两种方法里的单个任务间都独立、没有数据关联，不论是多corner 还是Monte Carlo都很适合进行分布式并行计算。

多corner是将元件的电阻、温度、电压等参数的误差上下限固定后，取每个参数的极值进行排列组合，每一个组合都是一个独立的任务。一种组合就是一个corner，全部的排列组合即多corner。

就像是你去奶茶店买奶茶，不过这家奶茶店有点特殊，提供的服务都很极端，你只能选择无糖，或者超多糖最甜的，要么热到烫嘴、要么就是冰的，再或者没有配料、或者全是配料。

你买的奶茶无非就是在这些选项里进行组合，比如超多糖、烫嘴、超多料；下次你换一种排列组合，无糖，多冰，无料；所有选项的排列组合全点了，那就是多corner。

但你觉得这家店的奶茶你不喜欢，所以来到了一家新的奶茶店，这家店就厉害了，可以根据你的需求完全定制。

比如你可以选5分甜、少少冰、不加料；或者你想搞点事，点了5.5分甜、半冰半热、再加半颗珍珠等等组合。

这样就会有出现无数种排列组合的奶茶，这就是蒙特卡罗Monte Carlo在上下限之间无穷尽的取值进行排列组合。

随着取值组合越多，对工艺偏差导致的误差估计范围越准确，对实际的成品良率预测范围越准确，当然计算量也会成倍提高。

中期阶段的版图设计，就是把设计好的电路原理图变成包含实际布局布线规划内容的掩模版图，版图验证就是把画好的版图和原理图进行比对，确保两者的拓扑连接关系一致，同时检查版图是否符合foundry的设计工艺。

版图设计与验证，就像是在玩“找茬”游戏一样，检查版图和原理图不同的地方，有问题的话，打回去重新画。画完再继续检查，循环往复。

版图检查量十分大，好在版图可以以模块为单位进行切割，板块之间互不干扰，各改各的。你改完了重新提交下一轮，也不影响我还在上一轮。中间也不用因为等待而停工。

切割版图并合理分配资源的检查方法，可以让版图设计师无需苦苦等待一台计算机对单个大版图各部分逐一检查，而可以让多台计算机并行检查同一张大版图的不同部分，并自动汇总结果。这样一来就能更快地完成任务。

后仿阶段本质为数值计算，因为加入了各类元器件的寄生参数，算力需求是三大阶段里最高的。

比如射频芯片，作为模拟电路王冠上的明珠，一直被认为是芯片设计中的“华山之巅”。一方面因为射频电路的物理形状和周围介质分布会对射频信号的传输造成很大影响，因此设计之路十分困难，前期需要进行大量仿真测试，而且为了保证高频性能，材料的选取也十分讲究，比如砷化镓和氮化镓。另一方面，为了保证射频芯片各类指标的性能均衡，很多指标的性能要求都需要挑战工艺极限或设计创新性的电路结构，十分考验工程师的经验积累。

而射频需要使用电磁场仿真，需要计算三维空间向量。如果说版图是将二维世界切成一片片的，那射频就是将立体空间切成一粒粒的，当然更具挑战性，算力需求也会呈指数级增加。

关于模拟芯片设计，从不同设计阶段的计算任务视角出发，可以总结以下三点：

1、三大阶段的算力需求呈现前期<中期<后期的趋势。

2、多corner、蒙特卡罗Monte Carlo以及DRC、LVS这类任务，非常适合并行计算来提升任务效率。

3、基于单模块不可拆的任务，虽不能做到分布式处理，但可以通过大内存、高主频机型，靠机器的性能实现任务效率的提升。