与三巨头几十多年的迭代发展历程不同，如今的本土EDA企业，生在一个“云+AI”加持的高效率运算的好时代。这些成熟的技术能够给当下不少新兴的EDA企业提供丰富的算法和计算资源，EDA企业可以利用AI和云计算的优势，极大节省成本的同时也能够走不少“弯路”。
譬如AI，国微集团有限公司首席技术官白耿告诉《华强电子》记者：“EDA正面临一个AI的新时代，AI技术怎么更好融入到传统EDA平台上来，这也是我们经常考虑的问题。所以，我们在2020-2021年培养高校研究生的设置过程中，有五个项目，其中四个都是跟AI相关的，这样就在EDA平台上就找到了适合开发AI算法的场景，能够把AI算法能够实现EDA平台上。”
“EDA正面临一个AI的新时代，AI技术怎么更好融入到传统EDA平台上来，这也是我们经常考虑的问题。所以，我们在2020-2021年培养高校研究生的设置过程中，有五个项目，其中四个都是跟AI相关的，这样就在EDA平台上就找到了适合开发AI算法的场景，能够把AI算法能够实现EDA平台上。”
所以，在开发EDA产品的过程中，白耿表示：“基于统一的数据结构、统一的通用服务引擎核心之内，外层我们会建立AI的训练应用层，所有AI引擎做训练所需要的数据可以从我们的签核或者物理实现的工具引擎中得以输入，训练完之后，AI引擎的测试结果可以用我们的签核工具验证。在很好的AI引擎训练完之后可以放在优化的引擎中进行实际的IC优化来验证AI算法是否有它的实用性，再继续迭代看能不能改进AI引擎，做下一次更好的优化，这是整体的为深度学习提供好的算法、好的场景。这虽然只是一个例子，但说明了我们整个平台是针对先进技术开放的平台，欢迎国内好的算法、好的工具能融合在这个平台，更方便进入到实际的IC设计的流程中，让好的算法、好的工具得到快速的迭代、快速产业化，这也是我们集团的意向之一。”
的确，AI for EDA是目前非常火的概念。这二者其实是可以相辅相成的，有业内人士告诉记者，利用AI训练，比如优化电路的过程中，一般需要很多专家知识去告诉系统如何高效的去执行命令，通过这种自动化的机器学习方式能够快速进行推算，从而对数据进行高效的优化。当然，EDA的方法也可以反过来辅助AI进行数据演算，比如查找表网络当中，因为可以实现任意的布尔函数，因此系统一开始并不知道实现的是什么功能，但可以通过一些训练集进行反推，与主流的网络相比，这种方法也能快速逼近最优解，从而提高效率。
例如DFM中的光刻热点修正，白耿举例到：“经常在芯片版图中，有很多图形属于是一种光刻热点，这会在制作过程中产生缺陷，为了避免这种缺陷产生，在前期制造阶段就要对图形进行修正，进行规避，假如某种图形模式没有被定义的话，这种光刻热点就会被漏掉。而利用AI算法，可以根据工艺中现有的图形进行算法推导，其中可能还会出现光刻热点新的图形，通过深度学习的方法，将新的图形通过统一的数据库，通用服务引擎可以无缝反馈给布局布线工具，进行非常高效的修正。”
AI之后，为了寻求更巨量的资源，“上云”也成为了当前国内EDA玩家实现超速追赶的另一条快车道。业内资深人士林凯鹏对记者表示：“无论是软件仿真还是硬件仿真，资源需求是非常强烈且巨量的，因此目前最流行的做法就是将其放在云上去跨区域共享。不过，对于EDA这种比较特殊的工业应用，尤其是验证的场景来说，与普通的专用云不同，它有硬件，所以对每一个团队来说源代码安全非常重要，所以我们构思了三层架构，通过本地的集群，实现CPU或者硬件仿真和原型验证，构建一个私有的EDA专用云来实现HPC算力或者更多的EDA软件云控制。在这个环节当中，敏感的数据或者大量运算的数据都可以放到公有云上面。”
“无论是软件仿真还是硬件仿真，资源需求是非常强烈且巨量的，因此目前最流行的做法就是将其放在云上去跨区域共享。不过，对于EDA这种比较特殊的工业应用，尤其是验证的场景来说，与普通的专用云不同，它有硬件，所以对每一个团队来说源代码安全非常重要。”
不过，这种结合性的思路也要解决很多问题，林凯鹏指出：“比如其中一个是云管理如何合理的去进行软件、硬件、人员以及资源的管理和调度，这些不同的资源可能放在不同的设备上，有些放在CPU上，随着资源的调度，同步的要将数据从一个地方搬到另一个地方，跟着做调整。另一方面，也需要考虑数据的安全，分级数据管理或者是设计阶段就要考虑到数据安全问题，而在过程当中数据就需要考虑做加密、解密或者用户数据健全等。我们有一个案例就是将所有的原型验证系统堆积在机房里，构建云系统，可以实现好多用户和项目的运行，目前看来非常稳定。”由此可见，“云+AI”已经成为本土EDA企业飞速突进的核心“杀手锏”。
但即便如此，当下谈“弯道超车”还为时尚早，甚至有些“不切实际”。毕竟，“罗马不是一天建成的”，国际巨头如今“垄断全球”的积累自然也不是说超越就能简单超越的，这当中必然是经历了各种各样甚至当前本土EDA厂商未曾想过的问题和挑战以及更多的整合并购。因此，从更务实的角度出发，编者认为，当前的重心不应该放在如何实现超越抑或是如何去与国际大厂争个高低，本土EDA玩家目前更需要的是如何利用好AI和云计算等国内具备的先进技术，由“点”及“面”去层层突破，从点工具向面工具循序渐进，以商业化和盈利的思维去做产品。因为，国产EDA的“超越”毕竟不是靠各玩家一己之力，更多的是抱团取暖、整合并购，如此才能真正在未来诞生有实力与国际大厂拼杀的中国版EDA巨头。
