每过几年，一批公司就会宣布要解决模拟EDA出现的棘手难题。从可重用IP到"高级骗子"SPICE复制都快步挤入了市场。不过，在自动化方面，模拟电路的版图设计在过去30年都没有什么变化。

       由于多种因素相互依赖使EDA开发者陷入了构造布局，布线，仿真等规则的困境，模拟电路比数字电路要难得多。事实上，模拟电路如此复杂，以至于一些专家相信，解决自动版图设计的问题需要人工智能（AI）方面的突破。

       并且，这也提出了未来EDA研究的一个有趣的可能性。在过去几年，一种新的AI潜流暗示了AI研究者一直找错了方向。几十年来，我们都架设人脑是数字化的，神经元起着二进制开关的作用。这个理论的支持者一直预言当电脑达到10000亿门，大约是人脑中神经元的数量时，AI将会形成。然而，无论芯片密度如何巨大发展，AI始终无法解决。

       在数字计算机中，数字在各步都会变化，但总有一个特定的值，并且在任意给定的时刻都是可能确切可知的。相反，在模拟计算机中，数字以平滑、连续的方式改变，所有的元件同时并行工作。

       毋庸置疑，模拟计算机比数字计算机复杂，这也恰恰解释了为什么使用数字计算机的AI的倡导者们在创造人类智能时完全失败了。"人类大脑的能力和复杂性，和它陷入混乱时的缺点，与一些模拟电子学的方面完全一致。" 国家半导体（National Semiconductor）的模拟电路设计权威，Robert Pease强调。"研究数字网络的人们倾向于把模型简单化来展示人脑''数字''的方面，"他说，"当数字追求者能够尽可能多的实现他们的分析时，具有模拟意识的人就能使研究更为深入。"

       对EDA的建议是很清楚的。EDA公司应该投资建立模拟计算机来解决模拟电路内在的多样性和复杂性，而不是用数字计算机来解决模拟的问题。

       听起来难以置信？但是一些机器人研究者现在已经开始用模拟电路来设计产品了。例如，前NASA和Los Alamos研究员Mark Tilden已经研究了十几年用模拟电路和简单的智能来改良机器人，这项努力最近在消费电子产品方面取得了巨大的成功，即机器人智能玩具。"很多数字中的困难在模拟设计中都是自动调节的，" Tilden解释说。"这暗示了机器智能能不能从模拟体自动解决，这当然很有帮助。"

       Tilden的以模拟为中心的设计过程可能代表了一种模型，可能有一天设计工程师会用数字计算机来设计和测试模拟电路。 "我把我的电路定位在只是建立了一个原型，把它打开，看着它在不需要一行程序的情况下自己进行工作。" Tilden解释说。"这非常迅速有效，并且允许我进行干预。我已经开始信任它了，虽然是宇宙在做这些工作。"换句话说，这个模拟原型自动地适应真实的世界，不需要任何数字计算机必需的与真实世界的接口。

       当然，Tilden的机器人工作还与创造类人工智能相差很远。如果人类大脑的确是一台模拟计算机，那么它比最精密的数字超级计算机还要难以想象的复杂，也说明了普遍的AI可能是在将来数个世纪以后。但是我们讨论的EDA 仿真不是人类行为的全部，而只是模拟电路设计的有限的问题。

       EDA发明者可以完全忽略模拟的潜能。"模拟计算机往往都是为某种特定任务设计的，" Gartner 分析家Gary Smith说。"在模拟设计中你需要考虑太多的变量。"并且， 在电子学开始偏爱数字之前，模拟计算机只局限于非常精密的任务，包括微分分析（1931年），金融跟踪（1949年），桌面处理（1964年）和耐用性计算机（1966年）。如果没有这么几十年的忽视，模拟计算机今天会是什么样的？谁能知道呢？