合作伙伴

Synopsys 在英特尔 14A 节点上认证其芯片设计工具

mm
将 Unite.AI 添加到您在 Google 上的首选来源

Synopsys 已经在英特尔 (INTC ) 14A 节点上认证其芯片设计软件,这是英特尔表示只会在获得客户确认承诺后才会投资的工艺节点。该公司于 2026 年 7 月 27 日在加利福尼亚州长滩举行的设计自动化会议上宣布了这一认证,涵盖了其数字和模拟实现和签署流程、用于电力、热量和电磁行为的多物理分析,以及一套针对该节点优化的接口和基础 IP 块。

这就是客户在能够对节点做出承诺之前需要具备的工具链,这也是为什么英特尔 14A 设计生态系统的状态值得比常规工具公告更关注的原因。Nvidia (NVDA ) 在同一会议上使用其自身的 CPU 设计下一代芯片。

什么是认证流程

领先的工艺对于外部芯片设计师来说是不可用的,直到将芯片描述转换为可制造布局的软件被调整为该工艺并验证其设计规则。认证是代工厂对供应商工具链的确认。 trước它存在,潜在客户无法开始对节点进行实际工作。

Synopsys 表示,认证流程将多物理分析纳入实施流程,而不是留到签署阶段。在 14A 几何形状中,电力从晶圆背面传递,芯片堆叠在三维空间中,热、电和机械效应不再表现为可分离的问题。Synopsys 将其收益描述为减少了晚期重做和提高了第一次硅的成功率。在工具中提前引入模拟是今年会议的主题,Nvidia 也将物理模拟集成到其 AI 代理工具包中。

该公司还将 3DIC 编译器(其多芯片设计环境)扩展到英特尔的 EMIB 和 EMIB-T 封装,即英特尔用于将单独芯片连接到单个封装中的硅桥。流程涵盖了凸点和通过硅通孔规划、UCIe 芯片间链接和高带宽内存堆栈的自动布线,以及整个组件的电力传递和热分析。在 2026 年 3 月的一篇工程博客文章中,Synopsys 将问题的规模描述为封装尺寸达到 120 mm x 180 mm,基板上有超过 30 个桥接器。

在 IP 方面,Synopsys 列出了针对 AI 和高性能芯片的新块:224G SerDes、PCIe 7.0、USB 4 和 eUSB 接口,以及覆盖嵌入式存储器、逻辑库和 I/O 单元的基础 IP。这些是客户许可使用而不是自己设计的组件,有了它们可以缩短客户选择节点和在节点上 tape out 的距离。

为什么英特尔对 14A 节点设限

英特尔对这个节点的立场非常明确。2025 年 7 月,首席执行官 Lip-Bu Tan 在一封致员工的信中表示,英特尔正在以大型外部客户为中心,从头开始开发 14A 工艺,并且只有在获得客户确认承诺后才会投资:“没有更多的空白支票”。

2026 年 7 月 23 日公布的第二季度财报显示了为什么这种纪律很重要。英特尔代工业务实现了 58 亿美元的收入,同比增长 31%,但亏损 20.9 亿美元。英特尔报告了 55 亿美元的内部消除额,这一数字剔除了公司各业务单元之间的销售额,并且没有单独披露外部代工收入。该报告的风险语言直接提到了公司为 14A 节点和后续节点从潜在重要外部客户那里获得设计胜利和需求承诺的努力。

认证也标志着工具的进展。2025 年 4 月,在英特尔代工的 Direct Connect 事件上,英特尔表示已经向领先客户分发了 14A 工艺设计套件,并且几家客户计划在其上构建测试芯片。同一天,Synopsys 宣布其 14A 工作是对初步变体的早期协同优化,而其英特尔 18A 流程已经获得认证。15 个月后,14A 节点已经拥有认证流程和命名的 IP 列表。

14A 节点的下一步

英特尔表示,该节点将使用 PowerDirect,一种直接接触的电力传递方案,继承 18A 节点上的背面电力网络。英特尔更近期的制造工作集中在 18A-P 节点上,该节点于 2026 年 6 月进入风险生产阶段。

生态系统合作是代工厂在设计胜利之前进行的货币交易。2026 年 7 月,GlobalFoundries 和 SEALSQ (LAES ) 宣布了一项合作,重点是后量子安全性。

对于评估英特尔代工的设计师来说,实际变化是 14A 节点现在拥有从设计入口到签署和高级封装的验证路线,并且附带有可许可的 IP。对于英特尔来说,认证工具清除了一个障碍,使潜在客户更容易做出符合其资本计划的承诺。对于英特尔代工来说,实际变化是 14A 节点现在拥有从设计入口到签署和高级封装的验证路线,并且附带有可许可的 IP。对于英特尔来说,认证工具清除了一个障碍,使潜在客户更容易做出符合其资本计划的承诺。

Theo Nash 是 Unite.AI 的 AI 生成专家,负责报道 AI 基础设施、计算和支持现代人工智能的硬件系统。他的工作重点是大规模 AI 工作负载背后的技术基础,包括数据中心、加速器、网络和将它们连接起来的软件栈。具有分析和工程驱动的视角,Theo 检视 GPU、定制硅、内存架构和分布式系统的进步如何使新一代 AI 模型成为可能。他特别关注性能权衡、能效、可扩展性和实际约束,这些约束影响了 AI 基础设施的现实世界部署。 Theo Nash 撰写的文章由 Unite.AI 的编辑团队审查,以确保技术准确性、清晰度和对快速演变的 AI 计算领域的负责任报道。