Cadence 携手 TSMC 加速新一代 AI 芯片设计_ACT_System_HPC_电源_电路_信号完整性

Cadence 携手 TSMC 加速新一代 AI 芯片设计

此次深化合作将 Cadence 的战略“让设计成就 AI，让 AI 驱动设计”拓展至 TSMC 的 N3、N2、A16 和 A14 工艺节点

开发“代理就绪”的数字和模拟设计流程，整合代理式 AI，实现目标导向的 PPA、可靠性和生产力优化。
Cadence 经 TSMC 认证的数字、定制/模拟、3D‑IC 和签核平台可减少设计迭代次数并缩短流片周期。
客户积极开发基于 TSMC 3nm 和 2nm 工艺的技术，突显双方合作具有广泛的市场影响力。

中国上海，2026 年 5 月 12 日——楷登电子（美国 Cadence 公司，NASDAQ：CDNS）近日宣布进一步拓展其与台积公司（TSMC）长期以来的合作关系，旨在加速 AI 驱动的半导体创新。此番合作将为基于 TSMC N3、N2、A16^™和 A14 制程工艺的前沿 AI 芯片提供 IP、签核就绪的端到端设计基础设施以及经过认证的先进流程。双方此次深化合作将帮助客户减少迭代次数，提升面向设计技术协同优化（DTCO）的先进 AI 与高性能计算（HPC）设计之间的关联性，从而以更大的信心加速芯片上市。早期客户和主流企业正积极采用 TSMC 3 纳米或 2 纳米工艺进行设计，充分彰显了此次合作的市场影响力。

“

“AI 芯片在先进节点上的创新，需要一种覆盖整个设计周期并可从 SoC 扩展到小芯片（chiplet）和 3D-IC 架构的签核就绪方法，”Cadence 高级副总裁兼总经理 Chin-Chi Teng 表示，“通过与 TSMC 合作，我们正在推进‘让设计成就 AI，让 AI 驱动设计’的战略，将经过认证的流程与经过硅验证的 IP 相结合，并构建代理就绪的基础设施，从而在复杂性持续增长的情况下，帮助工程师提升生产力。”

“AI 计算工作负载日益增长的需求与不断压缩的设计周期，促使我们采用先进、高能效的硅技术、精简的设计流程以及经过硅验证的 IP，”TSMC 生态系统与联盟管理事业部总监 Aveek Sarkar 表示，“通过与 Cadence 等 Open Innovation Platform^® (OIP) 开放创新平台生态系统伙伴携手合作，我们赋能客户，使他们能够自信地运用 TSMC 最新的工艺技术和 3DFabric^® 先进封装解决方案，设计尖端芯片，把握 AI 驱动创新的变革性机遇。”

“

让设计成就 AI：经过硅验证的 IP 及经认证的端到端设计流程

Cadence 针对 TSMC N2P 工艺提供了丰富的 IP 产品组合，其中包括 DDR5 12.8G MRDIMM、PCIe^® 6.0、LPDDR6/5X 14.4G 和 HBM4E 16G。Cadence^® Artisan^® 基础 IP 先进节点产品组合现已应用于采用 TSMC N3 工艺的量产设计中。

Cadence 为半导体团队提供经认证的端到端 EDA 流程，涵盖从先进节点 SoC 到小芯片 (chiplet) 和 3D-IC 设计。具体功能和解决方案包括：使用 Innovus^™ Implementation System 进行设计实现；使用 Virtuoso^® Studio 和 Spectre^® Simulation Platform 进行定制/模拟实现与仿真；使用 Celsius^™ Thermal Solver、Voltus^™ IC Power Integrity Solution 和 EMX^® Planar 3D Solver 进行热分析；以及 Tempus^™ Timing 和 ECO Solution、Quantus^™ Extraction Solution、Liberate^™ Characterization Portfolio 和 Pegasus^™ Verification System 等签核技术。上述所有流程均已获得 TSMC N2 和 A16 工艺认证，双方还在就 A14 PDK 持续合作，以加速 AI/HPC 应用达成流片质量结果的收敛。此外，Genus Synthesis Solution 已支持这些工艺技术，双方还在就 Clarity^™ 3D Solver 开展持续合作。

针对 3D-IC 和异构集成，Cadence Integrity^™ 3D-IC Platform 支持面向堆叠芯片的 TSMC-COUPE^™ 参考流程，同时 Virtuoso Studio 的异构集成方法增加了对硅光子技术的支持。Celsius 兼顾热影响的流程可供使用，其中包括使用 Virtuoso 设计 PIC 布局以及借助 EMX 进行信号完整性分析。此外，该平台还支持针对异构系统进行质量检查与物理验证，相关功能由 Pegasus Verification System 提供。

让 AI 驱动设计：“代理就绪”的基础设施

Cadence 的代理式 AI 将 EDA 工作流程从传统的逐个工具操作转变为目标驱动的代理式执行，大幅提升了 AI 半导体和 3D-IC 设计的生产力。通过与 TSMC 合作，Cadence 正在准备“代理就绪”的设计流程、优化引擎和签核基础设施。这些能力使 AI 系统能够将领域推理与基于物理的分析相结合，推动设计各环节中 PPA 与可靠性权衡的收敛。

“新一代 AI 芯片的规模和复杂性不断增加，要求我们重新定义设计方法，将加速计算与代理式 AI 整合到芯片设计周期的每个阶段，”NVIDIA 计算工程副总裁兼总经理 Tim Costa 表示，“通过与 Cadence 的合作，NVIDIA 正在不断优化其设计团队和全球半导体生态系统所需的 EDA 工具，从而提升性能并加速交付全球最先进的 AI 架构。”

“

增强版 Genus Synthesis Solution、Innovus Implementation System 以及 Cadence Cerebrus^® Intelligent Chip Explorer 内置 AI 驱动的实现技术，针对 TSMC 面向 DTCO 的 NanoFlex^™ Pro 标准单元架构经过优化，支持用户在版图规划和布局布线阶段对速度和功耗效率进行精细调整。此外，前端布局和后端布线规则提高了布线前后结果的相关性；同时，TSMC A16 Super Power Rail 技术通过在芯片背面布设电源网络，实现了更密集、更快速的设计。

在定制设计方面，Cadence 已将代理式 AI 嵌入到 Virtuoso Studio 流程中，针对 TSMC 工艺技术进行电路优化，其中包括 N2 到 A14 模拟设计迁移流程。

客户对 3 纳米与 2 纳米工艺热情高涨

众多客户正在采用 TSMC 3nm 和 2nm 工艺技术进行芯片设计且进展顺利，充分体现了上述技术在 AI 和高性能计算生态系统中的广泛采用。这种热情进一步印证了认证流程、硅验证 IP 及签核就绪基础设施对于更快、更可靠地交付新一代 AI 芯片的重要作用。

“

“随着 AI 和高性能计算工作负载日益增长，市场对能够通过先进工艺节点交付的高效计算平台的需求也随之增加，”Arm 云端 AI 业务单元上市副总裁 Eddie Ramirez 表示，“生态系统内的协作——包括 Cadence 与 TSMC 等领先设计与制造合作伙伴之间的协作——对于助力 AI 和 HPC 部署的新一代基于 Arm 的基础设施至关重要。”

“Positron 正在开发一款专用的 AI 推理加速芯片，该芯片针对 Transformer 工作负载进行了优化，既需要尖端工艺技术，也需要高带宽互联能力，”Positron 首席技术官 Thomas Sohmers 表示，“通过在 TSMC N3P 工艺节点上使用 Cadence 的 PCIe 6.0 SerDes IP，我们能够自信地集成经过硅验证的高速接口。Cadence 与 TSMC 的合作，以及 Cadence 的前端设计工具（包括 Genus Synthesis Solution 和 Innovus Implementation System），为我们提供了可靠、成熟且高度可预测的流片路径，这恰好满足了我们快速将第二代推理加速器推向市场的需求。”

“

#Cadence #TSMC #AI驱动设计 #小芯片 #代理就绪

来源：Cadence楷登

最新案例 | 大众汽车：使用 ANSA 人体模型缩放工具创建模型变体

人体模型（HBM）的研究应用日益广泛，并正逐渐被纳入汽车评估规程之中，例如欧洲新车安全评鉴协会（Euro NCAP）的乘员和行人保护规程。目前主要有两种类型的人体模型被使用：一种是全球人体模型联盟（GHBMC）开发的模型，另一种是丰田公司开发的全面人体安全模型（THUMS）。这两种模型都包含了所有人体主要解剖结构，并已通过大量实验数据集的验证。每种模型都包含了与各种碰撞测试假人相对应的模型，例如 50 百分位男性、5 百分位女性和 95 百分位男性。然而，这种标准化限制了未来的发展变化，例如为不同身高或体重设计个性化的约束系统。为了解决这个问题，需要更多样化的模型来改进以适用于不同人群的约束系统。面临的挑战本研究的目的是开发并实施一种自动化方法，用于生成多种不同的人体模型变体，从而确保能更全面地代表不同人群，并更好地理解不同体型的人是如何与汽车安全系统相互作用的。解决方案由 ANSUR 和 CEESAR 等现有数据库中提供的人体测量数据为人体模型（HBM）变体的自动生成提供了可靠性保障。这些数据库提供了各种身体部位的详细测量数据，每个部位都由特定的解剖标志定义，而这些标志构成了精确的解剖描述框架。目前，在 ANSA 的 HBM 人体模型缩放工具中，人体测量数据是通过 PIPER（http://piper-eu.piper-project.org/）元数据文件提供的。此外，借助 PIPER 元数据文件，可以定义缩放过程所需的标志点、节段和截面。为了生成这些变体，我们开发了 HBM 缩放工具，该工具以特定“目标”人群的人体测量数据和 PIPER 元数据文件作为输入。通过这些输入，工具通过缩放每个身体节段的相关部分来生成相对应的 HBM 表达。同时，工具应用了先进的网格变形技术来调整原始 HBM，确保身体各个部位的结构和功能保持一致性。这种方法能够确保，当皮肤表面在被进行缩放和变形时，肌肉、骨骼和内脏等下层结构也会被相应调整，从而保持人体组织的相互关联性。该缩放工具旨在适用于未来所有人体模型（HBM），从而支持用户在单个节段层面和整体模型层面进行修改，为创建定制化人体模型提供灵活性和精确性。取得的成果在一个概念验证试点项目中，大众集团的 AM50 模型（改进型 THUMS）成功地被缩小到了身高差为 6 厘米的体型较小个体。定义好模型特定的变形文件和目标数据后，变形过程仅需几分钟。最终模型符合目标人体测量数据，同时内部器官、骨骼和肌肉也与皮肤表面协调一致地进行了调整，保持了身体各部位的解剖学连续性。缩放后，只需对网格质量进行少量手动修正即可得到满足用于仿真的质量标准的最终结果。这项概念验证项目展示了缩放工具的未来潜力，该工具能够高效地将默认百分位人体模型缩放到不同的人体测量数据下的大小，也可以修改单个身体部位，例如腿长。未来，这项工作将扩展到其他模型，包括不同百分位数模型和女性模型。用户说“ANSA 中的人体模型（HBM）缩放工具为创建不同体态的人体模型提供了更多可能性，使得蕴含在基于人体模型进行的车辆安全系统开发的潜力得到充分发挥。ANSA 的工具不仅稳定高效，而且相较于其他软件中类似的工具，处理速度明显更快。对于任何开发团队而言，ANSA 工具都是不可或缺的。”END 来源：Cadence楷登