尤其是在高端、复杂的芯片设计领域，这三家的工具几乎形成了生态锁死。

        而GPU，正是这个世界上设计最复杂、集成度最高、对EDA工具依赖最深的芯片类型之一。

        李中源创业，目标直指“全功能GPU”，要与英伟达、AMD这样的巨头竞争，他所面临的EDA挑战是地狱级别的：

        动辄数百亿甚至上千亿的晶体管数量，EDA工具必须在逻辑综合、布局布线、物理验证等各个环节，处理这海量的数据，其复杂度和对计算资源的需求是天文数字。

        他要抗衡巨头，必须在时钟频率、计算吞吐量上达到顶尖水平。

        这对EDA工具的时序分析、信号完整性分析、功耗完整性分析的精度和效率，提出了近乎变态的要求。

        GPU内部海量的计算单元（CUDACOre之类的）、多级缓存、复杂互连，需要布局布线工具在纳米级别的尺度上，如同指挥一场极其复杂的微观战争，同时满足时序、功耗和面积（PPA）的苛刻目标。

        而且，他们必然要采用7nm、5nm甚至更先进的制程，在这些节点上，量子效应、电磁耦合等物理现象更加显著，对EDA工具的建模和仿真能力是终极考验。

        他们的目标不仅是图形处理，还要兼顾通用计算（GPGPU）、AI加速。

        这意味着芯片内部是异构计算架构，可能包含不同架构的计算单元和专用加速器。

  The content is not finished, continue reading on the next page