朱可人：深耕EDA领域，以热忱解锁芯片设计新可能

聊起自己深耕的研究领域，朱可人眼里总会泛起光，那份纯粹的好奇与热爱，像孩童遇见新奇事物般不加掩饰。在他心中，EDA从来不是一堆冰冷代码和复杂算法的堆砌，而是一场与微观芯片世界的深度对话，藏着无数值得探索的奥秘。



说起EDA，业内常把它称作“芯片之母”，足见它在集成电路设计、乃至整个电子产业里的核心地位。如果把芯片设计比作搭建一座拥有万亿晶体管的微型城市，那朱可人的工作，就是打造一套智能化的“建造管家”，借助人工智能和算法优化，让这座微型城市的每一寸空间都能物尽其用，实现布局最优解。

在芯片设计领域，模拟混合信号电路设计一直是公认的“硬骨头”。传统设计模式极度依赖资深工程师的经验，不仅研发周期漫长，自动化水平也极低。随着新兴技术不断迭代，这套老方法早已跟不上产业发展的脚步。可模拟电路的特性又格外特殊，它处理连续信号，性能对物理设计细节极其敏感，哪怕一丝偏差都可能导致全盘皆输。“精度要求极高，差一点点都不行，”朱可人坦言，“过去全靠资深工程师手动一点点打磨布线，我们就想，能不能让AI学会这些老师傅的看家本领？”

这个想法看似简单，落地却布满荆棘。早在2017年，还在攻读博士的朱可人，就下定决心啃下这块硬骨头。彼时大语言模型尚未成熟，他只能尝试局部融入人工智能技术，着手优化模拟电路版图的布局布线环节。

“那段时间，我甚至觉得自己可能这辈子都发不出一篇像样的论文了。”回忆起那段攻坚岁月，朱可人语气里没有丝毫苦涩，反倒像在分享一段充满挑战的趣味冒险。模拟电路的性能优化牵扯变量极多，每次实验都像打开一个“黑匣子”，内部充斥着繁杂的数值拟合与计算，毫无规律可循。他曾试图训练一款模型，实现“看版图测性能”的效果，可很快就碰壁：数据储备不足，模型根本不具备迁移能力，在一款电路上训练的成果，换到另一款电路上就彻底失效。

那段日子，朱可人满脑子都在琢磨这个难题，反复推演、不断试错后，他反而悟出一个反常规的道理：不必执着于追求完美的端到端解决方案。“学会接受不完美，往往能找到新的突破口，”他解释道，“就连资深设计师也会犯错，要是把算法精度调得过于苛刻，实际应用时反而达不到预期效果。”

这份关键顿悟，成了他科研路上的重要基石。2022年，朱可人带领团队成功研发出MAGICAL系统，这也是业内首个完整的模拟电路自动化设计流程，实现了从SPICE网表到GDS版图的全流程自动化，还顺利完成三次不同设计的芯片流片测试，最终数据显示，这款系统打造的芯片，在性能、功耗、面积等指标上，不仅逼近人工设计水准，部分指标甚至实现了反超。

为了让AI真正吃透资深工程师的设计经验，朱可人创新提出基于机器学习的经验模仿方案，让AI海量学习人工设计案例，慢慢掌握走线、留白的核心技巧。应用在放大器等电路设计中，原本耗时数小时的设计流程，直接压缩到几秒内就能完成。这项重磅成果不仅斩获ICCAD最佳论文提名，还顺利完成技术转移，落地产业一线。

“芯片本就没有绝对完美，学会与不完美共存，让算法读懂物理世界的突发状况，这就是我们当下的核心研究方向。”作为典型的应用导向型研究，朱可人的学术成果已经被多家企业采纳应用，为国内EDA生态的蓬勃发展注入了鲜活力量。

从“跟跑者”到“领航者”：让科研成果扎根产业一线

曾在海外长期生活的朱可人，这些年真切感受到国内EDA行业的翻天覆地。“早些年，我们的目标是实现国产替代，复刻国外成熟经验就算是重大突破；如今，我们早已摆脱跟随模式，迈向引领行列，要思考的是如何开辟属于自己的技术路线。”

近几年，国内EDA行业驶入发展快车道，产业链布局日趋完善，从研发攻关到成果落地，核心环节基本实现全覆盖。这既带来了前所未有的挑战，也蕴藏着巨大机遇。面对国际技术路线的分化，中国必须走出自主创新之路。“近些年先进工艺受限，我们需要用更创新的技术路线，冲击5纳米、3纳米的工艺要求，这也倒逼我们研发出更多新型算法。”朱可人说道。

在朱可人眼中，人才是国内EDA领域最大的优势。“我们的科研人员敢于尝试高风险的探索，国家也大力支持这类创新尝试，这也是越来越多人才选择回国扎根的重要原因。”

当然，国外EDA产业历经二三十年的沉淀积累，想要追赶绝非一朝一夕。“软件行业有个共性，光有好算法远远不够，未必能在市场竞争中胜出。一款优质产品，需要经过海量不同场景的设计测试，历经成百上千次迭代优化，才能真正成熟。”他格外强调长期积累的重要性，只有让工业界用上实用产品、获得市场认可，行业才能拥有持续发展的动力，再加上产学研深度联动，整个产业生态才能良性运转。

如今，朱可人已经和多家知名企业达成合作，全力推动实验室成果走向产业应用。“我们的合作模式很纯粹，企业提出棘手难题，我们负责做概念验证，只要可行，企业就能直接落地使用。”在他看来，这种产学研双向奔赴的模式，能让学术研究与产业需求精准对接。

不过，对接过程中也难免遇到阻碍。朱可人坦言，核心难题就是做好“跨界翻译”，打通不同领域的沟通壁垒。“EDA本身就是跨学科领域，我们既要和设计人员交流，也要和工艺人员沟通，不同圈子的专业语境差异很大。很多时候，我们花在沟通翻译上的精力，比研发算法本身还要多。”

这份对“跨界翻译官”角色的深刻认知，源于他对芯片行业的细致洞察。与此同时，AI技术的飞速崛起，也为EDA行业打开了全新格局。2023年ChatGPT爆火，朱可人第一时间捕捉到生成式人工智能的应用潜力，迅速将其融入研究方向。

他认为，AI在EDA领域扮演着两种截然不同的角色：一种是机器学习，负责数据拟合与预测，加速研发迭代效率；另一种是大语言模型，如同得力实习生，能承接重复性分析工作，替代部分人工迭代环节。

面对“AI未来会不会彻底取代芯片设计师”的疑问，朱可人给出了理性又温暖的答案。他以当下热门的“氛围编程”举例，市面上成功的AI工具，从来不是全盘替代人工的端到端方案，底层逻辑依旧是调用成熟技能包。“AI更像是高效调度者，而非直接执行者，无法替代人类的核心思考与创新。”

与此同时，他也在思考教育模式的转型。“过去大家觉得编程技巧是核心能力，未来这些技能的重要性会逐渐弱化，”他说道，“真正关键的，是吃透领域核心知识、理解数学逻辑与底层架构，建立对物理世界的深度认知。”

课堂上，他常向学生抛出这样的问题：“现在AI能解决绝大多数编程难题，那你们真正该学的是什么？”答案其实很清晰：学会精准提问、读懂真实需求、做好跨领域的沟通衔接，这些都是AI难以复制的能力。

因材施教育新人：守护学生对科研的初心与热爱

作为青年教师，朱可人始终把学生的成长放在首位，坚持因材施教，守护每一位学生的科研热情。

曾有一名硕士生对未来倍感迷茫，朱可人没有强行干预、指手画脚，而是通过几次谈心引导，让学生在实践中寻找方向。“我让他先沉下心做好手头项目，在实操中找到自己的兴趣点和擅长领域。”

短短几个月，这名学生彻底“开窍”，主动钻研技术路线，完成的成果成功入选领域顶会DAC。“他还主动提出，这款电路不适合AI方法，改用传统模板搜索更合适，”说起这件事，朱可人语气里满是自豪，“目前学生正推进方案流片，争取落地成品。对老师而言，这就是最成功的教育。”

这种放手式指导、给予学生充分自由的风格，传承自他的博士生导师潘志刚。“当年导师给了我极大的自主空间，半年时间里想做什么研究都可以，哪怕失败也没关系。”

如今，朱可人也把这份理念传递给自己的学生。“只要学生能独立推进，我就不会过多干涉。如果全程手把手教学，很难做出创新成果，最终往往只能得到平庸的研究。”

在他看来，做科研不能只盯着论文数量，更重要的是做出实用、且能让自己引以为傲的成果。“沉下心摒弃功利心，专注做好眼前事，成长为能独立发现问题、解决问题的人，这比发表多少论文都重要。”

他最担心的，就是学生失去对新事物的好奇心。“只有发自内心觉得科研有趣，才会主动思考探索，否则做出的成果只是流水线产物，毫无价值。”

如今，朱可人在复旦大学的生活忙碌又充实：授课教学、指导学生、攻坚科研、撰写报告……每天准时到岗办公，晚上回家后还要处理邮件、完成审稿工作，日程排得满满当当。

业余时间里，他喜欢骑自行车、滑雪，还保留着读博时研究股票的爱好。“不是为了盈利，而是通过研究股市，保持对市场动态的敏锐度。”这份敏锐也被他迁移到科研中，时刻紧盯行业核心需求，杜绝脱离实际的“纸上谈兵”。

朱可人这样评价自己：始终坚持“应用驱动”做科研。“芯片行业是绝佳的练兵场，真正的难题往往被产业需求倒逼出来。我想攻克算力难题，更想探索物理世界与逻辑世界的融合之道，这是值得深耕十几年、甚至更久的课题。”