国内外EDA厂商谈AI用于芯片设计、EDA上云及3D IC趋势 | 电子工程专辑

国内外EDA厂商谈AI用于芯片设计、EDA上云及3D IC趋势 | 电子工程专辑
2022-01-11

转载至电子工程专辑

作者:刘于苇


当前智能手机、车联网、IoT等终端,对于系统级芯片(SoC)的PPA (功耗、性能、面积)提出了更高的要求。面对动辄数百亿颗晶体管的芯片设计规模,以及异构集成、系统级封装、Chiplets等新的封装方向,如果没有机器学习(ML)和人工智能(AI)的辅助,只用现有的设计方法,工程师们会面临越来越严峻的挑战。

将AI设计从概念升级到实战阶段,无论是在EDA工具中应用AI算法赋能芯片设计的“AI Inside”,还是关注如何设计EDA工具助力AI芯片高效设计的“AI Outside”,EDA工业界和学术界都已经开始行动。在国家战略层面,美国国防高级研究计划局(DARPA)甚至开始将电子资产智能设计(IEDA) 作为代表性项目,重点突破优化算法、7nm以下芯片设计支持、布线和设备自动化等关键技术难题。

其实AI用于芯片设计已经不是新鲜事了,谷歌当年在设计TPU芯片时就用到了AI技术;三星将AI技术融入到芯片的设计中,据称超越了此前可以达到的芯片PPA效果;英伟达也正在用AI算法来优化5nm和3nm芯片的设计…

那么国内外EDA厂商们,对于在设计验证中采用AI技术,抱什么样的态度,又是如何行动的呢?在日前举办的中国集成电路产业设计年会(ICCAD 2021)上,新思科技、Cadence、国微思尔芯和鸿芯微纳等EDA企业高层接受了《电子工程专辑》等媒体的采访,除了AI的应用,大家还就EDA上云、3D IC等热点话题进行了探讨。

AI用于EDA工具,是否会取代人类工程师?

AI还可以在前端设计时,通过建模检测其在后端的运行结果,让工程师知道他们现在前段的优化动作在后端是否有效,缩减迭代的速度。但王宇成认为目前的AI技术还很难拿来做签核,因为基于建模的方式还不够精准,只能给出大概范围。

同属国微集团旗下的国微思尔芯创立于2004年1月,一直聚焦于数字芯片电子设计前端验证业务,是EDA工具链中的重要组成部分。国微思尔芯资深副总裁林铠鹏将AI应用分为两个部分来理解,一是用EDA工具帮助AI芯片高效设计,也就是“AI Outside”;二是AI技术在EDA工具的应用,就是“AI Inside”。

AI Outside方面,近年来做AI芯片的厂商持续增多,相比传统芯片,AI芯片的迭代速度更快、规模更大。国微思尔芯主要为这部分客户验证AI芯片性能和收敛能力,以及芯片如何与上层应用集成并迭代,国微思尔芯针对AI的分布式、矩阵式等运算特点,推出的解决方案能够在特定领域得到更快的结果。AI Inside方面,林铠鹏提到了业界目前一种观点,就是AI用于EDA工具能在某种程度上降低国内EDA人才的迫切需求。“AI技术的加持,可以让我们在开发过程中获得更多人力的解放,加快开发过程的收殓,” 林铠鹏说到,“但要替代人类智慧来做芯片,还需要一段时间。特别是在芯片规划和设计阶段,需要对整个市场的理解,这是不能缺少人的。”

可见AI可以解放人的生产力,但不能取代人。而且AI的主要任务还是在数字化转型上,如果未来AI真的大爆发能够取代人类,那么影响到的将不仅仅是芯片设计,也将更多影响到整个人类社会。

仿真和验证的重要性

目前系统厂商掀起了自研芯片的风潮,因为随着系统应用的复杂化和厂商追求差异化的需求,通用芯片已经不能满足系统厂商的特殊要求。研发一款专用芯片对于系统厂商来说,流片是一笔不小的负担,要保证“一次过”,就要在芯片没流片之前就做好充分的系统级验证。所以各大EDA厂商都在强调仿真验证的重要性以及自家核心优势,尤其是在前端就做更复杂的系统级验证。

林铠鹏认为机器学习的应用给EDA中的验证环节带来了很大帮助,尤其是用在数据编辑、分割、时序、收敛以及寻找最优解的过程中,国微思尔芯的算法专家也在与高校、学术界进行交流,希望通过机器学习用AI相关算法来提升整个EDA工具和软件性能。对于系统化验证的需求,当前针对3D封装芯片系统以及牵扯到多个NPU、CPU协作系统的验证复杂性都非常大。业界除了通过系统建模来提升验证效率,也会通过分布式或基于云、集群的算法来提高递归验证的效率。

另外,验证占EDA总体算力比重较大,可达到60-70%甚至更多。现在不少系统厂商自行开发SoC,可能真正自研的只是其中一两个他们擅长的IP,更多是用第三方IP组合,这样要验证其他整合部分、软件和固件之间的匹配度的需求越来越多。鉴于验证任务越来越复杂,设计团队也希望采用不同的验证工具来进行交叉对比确保质量,“所以不少新创EDA公司也选择了验证作为切入点。”

EDA上云很火,但国内厂商很谨慎

EDA上云也是一个大趋势,许伟认为不管从算力还是大数据等方面,EDA上云都会带来更大的优势,尤其是对于成长型企业而言,将会获得更多的便利,包括更低的成本和更高的效率。当前越来越多公司开始自己建私有云甚至公有云,这种趋势会对各类基础设施带来大量调整,据悉新思科技很早就与微软展开合作,在微软Azure上运行的IC Validator物理验证解决方案在不到9小时的时间内,完成了对AMD Radeon Pro VII GPU(包括超过130亿个晶体管)的验证。

EDA上云的难点之一就是云算力的分享,EDA无论是设计还是验证对算力的需求都非常大,初创芯片设计公司很多时候承受不起自建云,只能在公有云上“削峰填谷”用时间换金钱。林铠鹏认为,如果能采用私有云、公有云混搭方式来提供更合理的解决方案,对于很多初创中小型公司来说会有很大帮助。此外还要考虑信息和数据安全,以及商业模式上如何提供合理的授权(License)方式。

不过即便EDA上云有着更高的便利性、灵活性,还可以根据实际情况决定授权用多久,几家EDA厂商也都表示,目前真正完全在云端使用EDA的设计企业很少,尤其是国内企业。

本土新创EDA公司真的多吗?

如果看EDA三巨头的发展史,我们会发现他们一路都在不断并购整合,通过融入新技术的方式来提供新工具。“虽然这几年中国出现了很多新创EDA企业,但如果从整个中国的大市场来看,几十家并不算多,二十年前美国的EDA公司也非常多。” 林铠鹏说到,“现在国内厂商还是集中在一些小的点工具上,在某些领域可能稍显拥挤,但随着产业不断的发展,最终还是要靠产品说话,市场会有自己的调节能力。”

谈到未来国内EDA公司可能面临的整合,王宇成分析道,整合可以有经济上和技术上两种,目前来看后者更符合中国国情。从EDA工具的角度看,国内厂商如果没有完整解决方案,要客户转而采用国产EDA非常困难,需要专门的机构整合分散的EDA工具使它们变成真正的国产替代完整解决方案。“这里的关键技术在于数据库,2002年左右美国就有各种联盟希望通过数据库来进行EDA整合。对中国来说制订自己的EDA行业标准很重要,实现的话就能整合国内EDA,给客户完整的解决方案,而不是某个部分的点工具,推广起来也会更容易。”

半导体行业是全球化分工程度极高、国际化特性长期持续、产业链特别长的行业,国内EDA公司扎堆出现的现象,许伟认为这其实是好事。国内半导体产业链的加强和提高证明整个环境在可持续发展,面对全球缺芯的过程中,中国也在资本、技术和人才各个方面努力为全球产业链做贡献。这样不但促使中国不断深度融入全球产业链,也让半导体产业获得中国注入的发展活力,最终达到竞争与合作的平衡。“中国半导体产业的国产化应该是脚踏实地、公平竞争、开放创新的国产化,高水平国产化必然要求高水平的国际化,中国半导体产业只有走这样的道路才会越来越健康。”

获取方案

您在设计什么类型的芯片?
设计中含的ASIC门容量为?
500万 - 2千万
2千万 - 5千万
5千万 - 1亿
1亿 - 10亿
大于10亿
您倾向于使用哪款FPGA?
赛灵思 VU440
赛灵思 KU115
赛灵思 VU19P
赛灵思 VU13P
赛灵思 VU9P
英特尔 S10-10M
英特尔 S10-2800
不太确定,需要专业建议
您需要什么样的FPGA配置?
单颗FPGA
双颗FPGA
四颗FPGA
八颗FPGA
不太确定,需要专业建议
您需要什么样的外设接口?
您需要多少数量的原型验证平台?
您是否需要以下原型验证配套工具? (可多选)
分割工具
多FPGA调试工具
协同建模工具(允许大量数据在 FPGA 与 PC 主机之间进行交互)
您什么时间内需要使用到我们产品?
0-6个月
6-12个月
大于12个月
不太确定
您是否需要其他工具资讯?(可多选)
架构设计
软件仿真
硬件仿真
数字调试
形式验证
想要更多了解,您是否需要产品选型指南?
其他
提交
输入您的电话,我们即刻给您回电
输入您的电话
验证码
您也可直接拨打电话:400 8888 427 或添加企业微信
电话咨询
微信咨询
企业微信咨询
TOP
企业微信咨询