高性能AI芯片的设计需要使用包电路仿真、物理设计等多种EDA设计工具和软件，还要花费大量的时间和人力成本。在芯片设计过程中，任何一个错误都可能导致大量时间和资源的浪费，甚至可能导致整个项目的失败。在此背景下，不少企业都通过引入AI技术让EDA工具更加智能，在芯片设计的过程中用工具尽可能多地代替人力。
芯片竞争早已来到了下半场，欧洲、四方联盟、大陆等各个地区，都在铆足了劲，不停发力，寻找新的增长点，将优势集中在自己手中。美国芯片法案、欧盟发布芯片法案、日本也在不停地激励本土半导体产业的发展，剑拔弩张。
从目前的实际进展而言，AI大规模参与EDA设计仍然存在一些亟待突破的瓶颈。其中，精度不高、数据有限等问题，正在限制AI技术在EDA设计中的应用。
自立自强并非封闭，而是有针对性地破解封锁和遏制。不管是“芯片战”还是“资源战”，适当的反击，其最终目的都是在自我防御的情况下尽可能的维护全球半导体供应链稳定和安全。
算力，其本质就是计算能力，它可以反映芯片对信息数据的收集、处理与输出能力。计算本质上是一种抽象概念，加减乘数是计算，三角运算是计算，积分与微分也是计算。在如今的计算机时代，每一种复杂的计算都可以拆分成多个简单的计算，现在通常用每秒钟计算的浮点运算次数作为评价算力的指标。
欧洲汽车制造商Stellantis的首席技术官表示，现代汽车的复杂性是该行业在承受能力和重量方面的一个关键问题，这将导致每辆车的芯片数量减少。
