随着芯片工艺节点不断向埃米时代演进，模拟电路设计正面临前所未有的挑战：参数维度爆炸性增长、跨节点 IP 迁移耗时费力、版图重绘风险极高，传统“堆人力”的模式已难以为继。
正是在这一背景下，新思科技凭借其获奖产品 ASO.ai™，首次将 AI 驱动的自动化真正落地到模拟与混合信号设计的全流程中——通过强化学习在数百个 PVT、工艺角下同步优化设计，实现从原理图迁移到电路优化再到版图生成的完整闭环。
《全球模拟存内计算行业最佳实践领导者》
4 月 23 日，新思科技举办的 AMS Tech Day（新思科技模拟设计即学即练训练营）在上海圆满落幕。活动以“讲解+实操”的方式，带领现场满座的模拟工程师深度体验了 ASO.ai™ 及其在 Custom Compiler™ 与 PrimeWave™ 平台上的强大能力。四位资深专家从顶层逻辑到底层实操，层层拆解了智能化设计的核心密码。
ASO.ai 全景展望：十年前起步，如今实打实落地
“当 ChatGPT 还没火的时候，我们已经研究这个方向大概十年了。”活动开场，新思科技模拟设计事业部应用工程资深总监匡一宁对 ASO.ai 的漫长积淀做了如是回顾。他用一个生动的比喻重新定义了 AI 的角色：“模拟工程师本质上是在一个高维参数空间里‘寻宝’，ASO.ai 不是来抢饭碗的，而是来帮忙的。”他指出，AI 不需“理解”电路，但凭借强化学习对输入输出关联性的敏感捕捉，可在数百个 PVT Corner 间高效搜索最优解，把工程师从繁琐重复的调参中解放出来。
这一路线图已获业界实绩验证。在 Credo Semiconductor 的案例中，ASO.ai 将 5nm VCO 设计迁移至 7nm 仅耗时数小时，生产效率提升约 100 倍。据了解，新思科技自身 IP 团队使用该流程后，平均将一个原需 12 周的 IP 迁移工作压缩到约 2.5 周。
Schematic Migration：真正理解迁移，从亲手建一个 Class 开始
“说简单很简单——Load 一个 Mapping File，两分钟搞定。但复杂也很复杂，复杂到你要写 Procedure、做手动的 Terminal 连接。”
在原理图迁移环节，新思科技模拟设计高级应用工程师经理钟晓林用这句“双面辩证”精准点出精髓。他逐一拆解了 Class Mapping、Parameter Mapping 和 Terminal Connection 三大关卡。尤其在处理“源工艺两端、目标工艺三端”的经典错位难题时，他指出：“迁移的功力不在‘能不能转’，而在于如何让工具像你一样思考设计意图——怎么让多出来的 B 端知道该连到 VDDH，这才是分水岭。”
尽管有现成 Map File 可一键载入，他反复强调：唯有亲手一步步定义 Class、写出条件表达式，才算掌握了迁移的内功心法。
PrimeWave & ASO Flow：它不一定比你聪明，但绝不会遗漏任何一个角落
“ASO 的精髓，不是取代你的判断力，而是替你去探索那些你以为‘没影响’、其实很关键的角落。”
在 PrimeWave 设计环境与 ASO 优化流程分享中，新思科技模拟设计高级应用工程师吴珺将“从前仿到后仿”的完整路径进行了全景呈现。她特别指出 PrimeWave 的仿真结果分析器支持自动分组 pass/fail 结果和识别异常波形，追溯历史仿真结果，并产生不同总结视图。
在 Post-Layout 环节，她剖析了 ASO.ai 的一项关键能力——版图感知优化：每次优化循环中动态估算寄生并自动更新 DSPF 文件。“它不会漏掉任何一个可能通往最优解的角落。”她同时建议新手善用 ASO 快速建立电路敏感度直觉——这是 AI 对人才培养的独特赋能。
Layout Migration：这不是改稿，是读懂设计意图后正向重绘
“Layout Migration 可能是业界二十年前就在尝试的命题，但从来没人拿出过真正满意的完美方案。”
在版图迁移环节，新思科技模拟设计部门高级应用工程师韩斌的开场白诚恳有力。他系统解构了核心逻辑：通过提取将原版图转化为 Constraints，再由生成器基于新工艺规则正向重绘。“这不是在旧稿上修修补补，而是读懂你的设计骨架后，用新纸重新誊写。”面对极具挑战的带背面供电的 Ribbon FET 等大跨度工艺迁移，这种策略展现了极强的适应力。
整个操作界面被精简到仅需三个主要步骤，并以绿/黄/红三色直观标记每一步状态。他总结道：“版图迁移的目标不是消灭工程师，而是让你从一个至少 80 分合格的起点开始优化。”
Lab —即学即练
活动最后，所有学员亲手完成了三个模块的上机 Lab，亲手验证了从原理图迁移到 ASO 优化再到版图迁移的完整闭环。
回顾全天内容，一个反复出现的共识是：ASO.ai 这类工具真正的价值，不在于“替代”，而在于“沉淀”。它把资深工程师隐藏在调参直觉、迁移经验和版图习惯里的隐性知识，转化为可复用、可迭代的约束与模型。在大量工艺节点迁移工作中，这些被工具“学会”的设计意图能被唤醒复用，而不是随着人员流动而流失。
在模拟设计这条需要科学与直觉并行的路上，AI 不是终点，而是一座桥梁——连接起个体经验与组织能力，让每一次仿真不再只是验证，更是一次知识的归档。这或许才是 AI 驱动模拟设计最深远的意义所在。
