想象一下，在一块指甲盖大小的方寸之间，容纳下上万亿个晶体管，还要让它们精准配合、高效协同工作——这并非科幻小说的想象，而是芯片设计者每天都要面对的真实挑战。
来自复旦大学集成电路与微纳电子创新学院的青年研究员朱可人，他所深耕的EDA（Electronic Design Automation）技术，正是让这一切成为现实的“魔法钥匙”。
2025年，他通过AI赋能电子设计自动化并成功流片，凭借出色的科研能力和突破性成果成功入选2025年度“35岁以下科技创新35人”亚太区榜单。
“接受不完美，
反而可能会有出路”
对于朱可人而言，EDA从来不是冰冷的代码与算法堆砌，而是一场与微观世界的持续对话。
EDA素有“芯片之母”之称，是集成电路设计乃至整个电子工业的核心支撑。若将芯片设计比作搭建万亿级晶体管的微观城市，那么，朱可人的工作就是打造一套“智能建造系统”，通过人工智能和算法实现芯片空间的极致优化利用。
模拟混合信号电路设计一直是个难题，传统模式极度依赖专家经验，周期长、自动化程度低，早已跟不上产业发展步伐。加之模拟信号电路性能对芯片物理设计非常敏感，处理的是连续信号，对设计精度要求极高。“差一点都不行，”朱可人解释道，“过去都是老师傅一点点用手画，但现在我们就想能不能让AI学会老师傅的手艺？”
这一研究落地难度极大，2017年还在攻读博士的朱可人，便率先挑战这个难题。彼时大语言模型尚未成熟，他尝试部分引入人工智能，以优化模拟电路版图的布局布线流程。
他回忆，那段研究屡屡碰壁。模拟电路的性能优化取决于太多变量，每一次实验过程就像“黑盒子”，满是各种数值拟合和数值计算。他最初想训练模型实现版图性能预测，却因数据不足，导致模型不具备跨电路迁移性。
经过反复钻研，他得出了一个反直觉的结论：不要追求完美的端到端解决方案。“接受不完美，反而可能会有出路。”他说，“就像人工设计师也会犯错，如果把算法精确度调得特别高，用的时候还真不一定能收获理想效果。”
这一关键顿悟，成为他研究的核心基石。2022年，朱可人带领团队研发出业内首个完整模拟电路自动化设计流程MAGICAL系统，实现从SPICE网表到GDS版图的全流程自动化，完成三次不同设计的芯片流片验证，测试结果显示其性能、功耗和面积接近甚至超越了人类设计水平。
为了让AI学会“老师傅”的经验，朱可人提出了基于机器学习的设计经验模仿方法，让AI观察大量人工案例，学会何时走线、何处留白。在放大器等电路上，设计周期成功从小时级降至秒级。这项成果不仅获得了ICCAD最佳论文提名，并且已经进行技术转移。
“芯片永远不会完美，如何与不完美共舞，让算法理解物理世界的意外，是我们现在研究的主线。”作为强应用驱动的研究，目前，朱可人的学术方法已被多家企业借鉴应用，为EDA生态的繁荣发展贡献一份力量。
从“冲浪者”到“造浪者”
推动成果走向应用一线
近年来，朱可人直观感受到了国内EDA领域的变迁。“过去我们考虑的是如何做出国产替代，把国外的经验拿过来复刻就很好了。但现在，我们已经从‘跟随者’走向‘引领者’，需要考虑的是下一步怎么走。”
国内EDA行业这些年发展迅猛，不仅带来更大的挑战，也意味着更大的机遇。当国际技术路线出现分叉时，中国必须走出自己的路。“因为先进工艺受限，我们得用更极端的技术路线去尝试5纳米甚至3纳米的要求，这反而催生了新的算法需求。”
在朱可人看来，国内最大的优势是人才。“我们更愿意做有风险的探索，国家也鼓励做这种尝试，这也使得更多人才选择留在国内发展。”
他格外强调技术良性积累的重要性，指出研发工作需要依托海量不同场景的设计方案排查问题，经过成百上千次迭代优化，才能打磨出成熟优质的产品。唯有工业界落地实用产品、获得客户认可买单，行业才能获得持久的发展动能。
目前，朱可人已联动多家知名企业，推动实验室科研成果向产业应用端转化。双方合作模式高效直接，企业提出难以攻克的技术难题，团队完成概念验证，可行方案直接落地应用，这种学术与产业的“双向奔赴”，实现了供需精准对接。
不过产研对接过程中仍有现实难题，朱可人坦言，在与业界的对接中，核心就是要“把双方语言翻译对”。EDA本身属于高度跨领域行业，需要同时对接芯片设计、工艺研发等不同团队，而各领域专业语境互不互通，很多时候，沟通协调耗费的精力甚至远超算法研发本身。
这份对“翻译官”角色的深刻认知，源于他对芯片行业全链条的细致洞察。与此同时，AI技术的飞速崛起也为EDA行业打开了全新发展空间。2023年ChatGPT引爆全球生成式AI热潮时，朱可人立即察觉到生成式人工智能的潜力。
在他看来，AI在EDA领域有两个截然不同的角色。“一种是机器学习，帮我们拟合预测需要的信息，加快迭代速度。另一种是大语言模型，就像实习生能帮你做重复性的分析工作，替代设计迭代过程中的部分人力。”
AI会在未来完全取代人类芯片设计师吗？朱可人给出了既理性又温暖的回答。他结合当下热门的“Vibe Coding（氛围编程）”分析，市面上成熟的AI工具并非端到端的完整解决方案，底层逻辑依旧是调用现有技能包，“AI能做的是调动者，而不是执行者。”
基于行业变革，朱可人也在深入思考教育范式的转型。他认为，以往侧重的编程技巧等实操技能，未来重要性会逐步弱化，当下更重要的是理解领域核心知识，理解背后的数学逻辑、底层架构，以及对物理世界的认知。
让学生探索自己的路
最担心他们对新事物失去兴趣
作为一名青年教师，朱可人始终把学生的成长放在首位，这也是他从教路上最大的追求。
曾有一名硕士生深陷未来发展的迷茫，朱可人并没有过多干预，而是通过几次耐心沟通，引导学生在实践中找寻方向。“我让他先把手头的项目做起来，在做的过程中去感受自己真正喜欢什么、擅长什么。”
几个月后，这名学生“开窍”了，主动探索技术路线，完成的工作成功投中了领域顶会DAC。如今，团队正计划将这套设计方案落地流片、投入成品应用，谈及这份成果，朱可人言语间满是藏不住的骄傲，在他看来，这正是教育最有价值的成功。
这种不过多干涉、给予学生充分自由的指导风格，传承于他的博士导师潘志刚。“导师不干涉，给你半年时间，想做什么就做，做不出来再说。”
而如今，朱可人也把这种理念带给了自己的学生。“如果学生自己能做，我就不会过多干涉。如果纯粹让我告诉他每一步怎么做，那么大概率只会得出一个平庸的研究成果，难以创新。”
在他看来，比起能发多少文章，做科研更重要的是做出一个有用的、并且能让自己感到自豪的成果。他最担心的是学生们对新事物失去兴趣。“一个学生只有发自内心觉得科研有趣，才会主动思考。否则做出来的就是个流水线上的东西，没什么用。”
如今，朱可人在复旦的生活忙碌又充实，上课、带学生、做研究、写报告……每天准点到办公室投入工作，晚上回到家继续处理邮件和审稿。
业余时间，他坚持骑行、滑雪等爱好，还保留了读博期间研究股票的爱好。“倒不是为了赚钱，”他解释，“而是通过研究股市，保持对市场的敏锐度。”这点也被他很好地迁移到了做科研上。只有对行业核心需求持续关注，才能避免“纸上谈兵”式的研究。
朱可人自我评价是“纯应用驱动”型研究者，在他眼中，芯片行业是个好练兵场地，诸多核心难题都源于实际需求，“我希望解决算力问题，也希望解决‘物理世界与逻辑世界如何交融’的大问题，这值得研究个十几二十年。”
编辑：奚宇轩
资料：复旦大学
*转载请注明来自上海杨浦官方微信
“上海杨浦”新媒体平台
求喜欢
热门跟贴