以我们还要有一个跟其他EDA区别开的库。这个库跟对象库相对应。我们每设计一种结构，便要为这一结构更新一个指令集跟配套的函数。”

“换句话说，我们每针对某个特定问题设计的芯片，都要有全方位的支持。这也是我们的产品差异化竞争之所在。我们的产品并不只是面向特定的大厂专业EDA设计人员，我的初衷是要让一个小学孩子，在看过说明书后，都能够用我们的软件设计出能用的芯片。”

“在我们的软件推出之后，由专业人员设计出的结构跟配套的指令集、函数再经过验证跟审核之后，也可以同步到我们的库中。”

“这里又对我们的产品提出了一个要求，就是要内置一个对结构的逻辑判断能力。简单来说就是所求即所得，换句话说，用户只需要能够比较准确的描述出需求，我们的软件就能自动给其推荐能完成这一需求的架构跟配套的配置文件！”

“想来大家已经明白这款软件的设计理念了。那就是简单，足够的简单，就几乎不需要任何推广成本。”

“大家还有什么问题吗？”

……

项目组成员们面面相觑。

因为人在局中很难想象这么一款EDA软件开发出来的意义在哪。

给小朋友当玩具么？

没错，简单是能省掉许多的推广成本，但也意味着这玩意实用价值不高啊！

首先是几乎不能设计跟仿真大型复杂的通用芯片，比如CPU、GPU。

另一个就是应用层了。

宁为的意思是要绕开现有的各种架构跟指令集，又牵扯到兼容性的问题。

实际上现阶段AI芯片本就有现成的解决方案，比如FPGA。

跟宁为的构思不同，FPGA直接就可以理解为一种万能芯片，有着统一的结构。

用户通过烧入 FPGA 配置文件，来定义这些门电路以及存储器之间的连线，用硬件描述语言对 FPGA 的硬件电路进行设计。每完成一次烧录，FPGA内部的硬件电路就有了确定的连接方式，具有了一定的功能，输入的数据只需要依次经过各个门电路，就可以得到输出结果。

这种方式显然比宁为设计的这种ASIC模式更具性价比。虽然FPGA也有自身的缺点，比如性能比不上 ASIC 芯片，价格也比 ASIC 芯片更高。

原因是现在各种人工智能的深度学习算法正处于快速发展期，迭代极快，如果照着宁为的想法每种结构都要设计对应配套的最优化可烧录配置文件，也就意味着每次算法更迭，都要在对象库里更新新一代的专用芯片结构。

一旦更新慢了，就落伍了……

所以整个项目组没几个人看好这款EDA软件的前景。

但每个人的想法却又有不同。

有的人觉得无所谓，反正拨款下来了，不管怎么样，大家都多少都能赚点。至于这款软件有没有实用价值，也没啥好在意的。

反正是专项拨款，不用白不用。

但也有人觉得这样不妥。

『加入书签，方便阅读』
-->> 本章未完，点击下一页继续阅读(第2页/共3页)