今天就来聊聊我当年折腾DAC2018那点事儿。那会儿，我还在琢磨怎么能把我手头那些设计活儿给整得更利索点，天天对着屏幕，感觉眼睛都要瞎了，效率也就那样。
起初的念头
我记得是2018年前后，具体哪一天记不清了，反正是听圈子里的朋友说起这个DAC，全称好像是啥设计自动化大会。他们说上面有不少新东西，能提高效率，解决不少老大难的问题。我一听，这不正是我需要的嘛于是就开始留心这方面的信息了。
开始动手扒拉资料
那会儿不像现在这么方便，啥资料网上到处都是。我主要就是到处找找会议的日程，看看有哪些主题演讲，哪些论文摘要瞅着跟我做的东西沾边。特别关注了几个点：
- 机器学习在设计自动化里的应用：那阵子机器学习火得不行，我就寻思这玩意儿能不能帮我自动优化点或者预测点啥问题。
- 新的EDA工具和流程：毕竟是设计自动化大会，这肯定是重头戏。我当时就想看看有没有啥新工具能解放生产力的。
- 还有就是一些关于芯片设计，特别是模拟电路自动化相关的。因为我当时也多少接触一点这方面的东西。
找资料的过程挺费劲的，英文的材料多，啃起来也慢。有时候找到一篇看着挺牛的论文，结果发现门槛太高，光是理解那些概念就得花好几天。
尝试理解与消化
我记得当时看到好些个讲座都在说，未来的设计肯定越来越复杂，没有自动化的手段根本搞不定。印象特别深的是，有大佬提到怎么用AI来辅助版图布局，还有怎么自动生成一些测试向量啥的。我当时就觉得，哇塞，这要是真能实现，那可真是省大事儿了。
我还特意找了一些关于“Automated Accelerator Generation”的材料看，想着能不能从里面学到点东西，用在我自己的项目里。结果？理想很丰满，现实很骨感。那些东西太前沿了，很多都还停留在研究阶段，或者需要特定的平台和工具链支持，我当时手头根本没那条件去实践。
比如说，我想试试看能不能用机器学习的方法来预测一下我设计里某个模块的性能，结果光是收集训练数据这一步就把我给难住了。数据量不够，特征也不知道该怎么提取，折腾了半天，效果不咋地，只好暂时搁置了。
遇到的坎儿和当时的思考
最大的坎儿就是理论和实践的差距。会议上听着都挺PPT做得也漂亮，但真要自己动手去实现，就发现不是那么回事了。很多技术细节，论文里可能一笔带过，但实际操作起来就是个大坑。
我还记得当时琢磨，这些高大上的技术，啥时候才能真正普及到我们这些普通工程师手里？会不会又是新一轮的“军备竞赛”，只有大公司才玩得起？那时候心里挺矛盾的，一方面觉得未来可期，另一方面又觉得离自己太遥远。
最终的收获与感悟
虽然DAC2018那会儿很多东西我没能直接用上，但也不是白折腾。起码让我开拓了眼界，知道了行业发展的趋势是啥样的，也让我对自己技术栈的不足有了更清醒的认识。
比如，通过了解那些自动化工具的思路，我在后续的工作中，也开始有意识地去思考怎么把我手头重复性的劳动给脚本化、自动化一部分，哪怕只是简单的小工具，也能省下不少时间。
而且那次经历也让我明白，新技术从提出来到真正成熟应用，是需要一个过程的。不能急于求成，但也不能故步自封。保持关注，持续学习，等到时机成熟了，自然就能用上了。
DAC2018对我来说，更像是一次学习和充电的过程。虽然没能立马“鸟枪换炮”，但也为我后续的工作和学习指明了一些方向。现在回过头去看，当年那些“高不可攀”的技术，有些也慢慢开始落地了，挺感慨的。
