广告

【ICCAD 2021】国内外EDA厂商谈AI用于芯片设计、EDA上云及3D IC趋势

时间:2022-01-11 09:00:20 作者:刘于苇 阅读:
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。(首图来源:4 Key Considerations When Evaluating EDA in the Cloud,Synopsys Blog)
广告

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

Cadence在应用AI和ML方面走得比较前,早在2018年珠海ICCAD上就分享了在EDA上采用机器学习的使用心得。如今相关产品已经成熟并实现商用,“但并不是所有EDA工具都适合用机器学习,其中三个主要方向我们认为是目前最适合的,包括大规模数字IC优化、PCB设计综合以及数字仿真验证。” Cadence公司中国区总经理汪晓煜介绍到。

Cadence公司中国区总经理汪晓煜

Cadence在大规模数字IC优化上使用机器学习的工具叫Cerebrus,可以扩展数字芯片设计流程并使之自动化,和 Cadence RTL-to-signoff 流程联合使用,也能为高阶工艺芯片设计师、CAD 团队和 IP 开发者提供支持。据介绍,与人工方法相比,采用机器学习的工具能够将工程生产力提高 10 倍,同时最多可将功耗、PPA结果改善 20%。

在PCB设计综合方面, Cadence Allegro XDesign Platform是该公司与麻省理工合作完成的业界首个用于系统设计工程平台,可实现原理图、布局、分析、设计协作和数据管理的统一集成。汪晓煜表示,“我们花了三十年时间做这件事,PCB相对于大规模芯片来说规模小很多,为什么布局机器学习技术要花那么多时间?因为综合布局布线看似简单,但要做好并不容易,我们跟许多国际巨头做了很多尝试,最终今年终于可以满足客户的优化需求才正式商用。”

在AI技术的应用上,2020年新思科技发布的设计空间优化AI技术(DSO.ai)是业界首个用于芯片设计的自主AI应用,能够在大型芯片设计解决方案空间中搜索优化目标,利用强化学习来优化功耗、性能和面积。原理上,DSO.ai 通过大规模扩展对设计工作流程选项的探索,同时自动化作出非主要的决策,从而提高芯片设计生产效率,同时快速交付以前只存在于想象的结果。

据介绍,DSO.ai的灵感来自在2016年通过自学掌握了如何下围棋的AlphaGo。芯片设计也是一个潜力巨大的解决方案空间,比围棋游戏大数万亿倍。搜索这个巨大的空间是一项劳动密集程度极高的工作,通常需要多个星期才能完成,而且往往要依靠过去的经验和群体知识作为指导。DSO.ai引入了一种新的创成式优化模式,采用强化学习 (RL) 技术自主搜索设计空间,以寻找最佳解决方案。

鸿芯微纳成立于2018年,由国微集团大基金和深圳市引导基金投资,专注于数字后端EDA工具。公司主要产品是数字EDA工具,目前可以支持逻辑综合、布局布线以及时序签核,支持多家半导体设计厂商的先进工艺,包括多家7纳米的先进工艺开发。

鸿芯微纳CTO王宇成

在采用AI带来的好处上,鸿芯微纳CTO王宇成举例说到,用两家同类型同级别的EDA工具设计芯片,可能最终做出的产品PPA表现差不多,但用户会比较工具的运行时间。AI技术运用得好,可以把后端工具的运行时间缩短,“例如计算时延(delay)用AI的方法,可以根据建模精确度把解决方案代入到时延范围内,得到你最终想要的结果。”

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。”

新思科技中国区副总经理许伟也认同AI不能完全取代人类工程师设计芯片这个观点。AlphaGo下围棋有着固定的范围和清晰的规则,输赢的判定很简单,而设计芯片需要很折衷地判断哪个做法更好、更坏或更合适。“要做到这种判断,一定要AI技术达到另一个层面,拥有非常好的性能才行。我们今天的AI不管是算力和算法多么强大,始终是辅助作用,最大的用途是把专家从过去琐碎的、需要手工反复操作的环节解放出来。但是在关键选择、判断上还是要留给人类来做。”

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,“不管如何发展,人类生产力的需求始终会存在,也不存在AI导致人力过剩的问题。”许伟认为,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。

思科技中国区副总经理许伟

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。

国微思尔芯资深副总裁林铠鹏

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。”

汪晓煜表示,Cadence 硬件仿真平台和原型验证系统提供全面的 IP/SoC 设计验证、硬件和软件回归以及早期软件开发。它们包括针对快速可预测的硬件调试而优化的Cadence Palladium Z2企业级硬件仿真系统,以及面向高性能数十亿门级芯片的软硬件协同验证而优化的Cadence Protium X2企业级原型验证系统。“软件回归验证要花费机器的资源时间和工程师的分析时间,Cadence系统动力双剑Dynamic Duo能够利用机器资源时间不断做学习,得到初始用例,再通过机器学习运行回归,覆盖率一样的前提下效率可提升10倍,时间节约10%。”

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。

Cadence从2014年左右开始研究EDA上云,早期与AWS、微软以及台积电合作在云上做了诸多尝试。“三年前,通过内部团队和外部客户评估后,我们的上云方案已经完全成熟,Cadence所有的工具都可以上云并通过安全认证。” 汪晓煜说到,“我们发现喜欢用EDA上云客户的大部分在欧美地区,无论小公司还是大公司都喜欢上云。尤其是小公司不愿意建立自己的IT,甚至机房也没有。”至于合作方式,可以找AWS或者直接找Cadence谈授权,直接在用户电脑上打开网页就可以登陆使用。

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。

3D IC能否延续摩尔定律?

面对摩尔定律的放缓,业界普遍认为3D IC能够释放系统性能空间,是为摩尔定律“续命”的最佳方法,对此许伟认为,3D IC的确是延续摩尔定律的有效途径之一,并且这个需求已经在爆发,是真实存在的。他举了三个场景的例子:

第一是高性能计算中的高带宽内存(HBM),目前HBM都不是独立芯片,需要替代方案。

第二是高性能计算中的GPU、NPU,有这类芯片核心往往采用先进工艺,但接口在12纳米就有很好的性价比,可以将不同工艺节点运用在同一颗芯片中。

第三是网络芯片,目前网络芯片越做越大,一个局部差错就会导致整颗芯片失效。

过去开发者们设计3D IC时一直采用单点工具,涉及不同团队间的繁琐交付,但出现的往往问题不统一。 “因此新思科技推出了统一的计算平台3DIC Compiler,让设计团队在单芯片上工作,采用整统一环境来最大限度提高生产力。” 许伟说到。

新思科技同时也是一家在接口IP方面很强的公司,他们也在今年推出了DesignWare Die-to-Die控制器IP核,与公司现有的112G USR/XSR PHY IP核共同实现完整的die-to-die IP解决方案。这两项都是新思科技多裸晶芯片解决方案的一部分,由HBM IP和3DIC Compiler组成,可加速需要先进封装的SoC设计。许伟表示,新思科技于2020年在全球第一个提出针对多裸晶片设计的集成开发环境,让开发者就能够像在单晶片一样的工作环境下完成多晶片设计分析交付工作。在中国市场,新思科技与国产EDA企业芯和半导体推出“3DIC先进封装设计分析全流程”EDA平台,通过集成新思科技3DIC Compiler与芯和Metis减少3DIC的设计迭代并加快收敛速度,帮助封装设计和异构集成架构设计方面不断实现创新。

2021年10月,Cadence向业界正式交付全新的Cadence Integrity 3D IC平台。据悉这是业界首款完整的高容量3D IC平台,将设计规划、物理实现和系统分析统一集成于单个管理界面中,客户可以利用平台集成的热、功耗和静态时序分析功能,优化受系统驱动的小芯片的功耗、性能和PPA。汪晓煜表示,3D IC设计需要的模拟、数字和PCB、封装工具,Cadence可以提供以上完成流程的工具,近年也将多物理场仿真短板补齐,整合在自家平台中,实现了整个数据库的统一。

鉴于3D IC是一个系统性的工程,不是单一的学科问题,因此牵扯到设计、封装、实现等多个层面。Cadence方面表示会与客户共同实现整个设计流程,合作方不仅是Cadence与客户,foundry和封测厂商也会共同参与。

国内EDA厂商方面,鸿芯微纳也有自己的计划。王宇成认为,后摩尔时代的工艺节点微缩遇到瓶颈,3DIC是未来一个大方向,需要提早布局。据透露,鸿芯微纳的一些客户也提出了这方面的需求,双方正在计划合作中。目前鸿芯微纳计划先实现一个3DIC的设计管理与调度平台,这个平台将支持Die与Die的在堆叠,3D组件的建模,以及3D时序分析等功能。

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。”

责编:Luffy
本文为EET电子工程专辑 原创文章,禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
刘于苇
电子工程专辑(EETimes China)副主分析师。
  • 预计2022年模拟芯片销售额将再迎两位数增长至832亿美 据研究机构预测,继2021年增长30%后,预计2022年模拟芯片将再次实现两位数的增长。数字化带动了芯片用量的增加,将成为带动模拟芯片需求的关键因素。其中通信领域将占最大部分,其次是电源管理IC……
  • Arteris IP官宣,任命Michal Siwinski担任首席营销官 近日Arteris IP宣布, Michal Siwinski 已经加入该公司担任首席营销官,他将负责公司在全球的所有营销职能和合作伙伴管理......
  • 笙科发布低接收电流Sub-1GHz无线收发 SOC芯片- A9129F A91x9F6 系列SoC 为笙科低接收电流的无线芯片,在MCU休眠时的接收电流只要7.3mA。RF调变方式支持FSK或GFSK,Data rate 从2Kbps 到500Kbps,在433.92MHz 的2Kbps的接收灵敏度为-119dBm……
  • 30年前的“苹果芯片”为什么失败了?| EE历史课 Apple Silicon能有今天这样令人瞩目的成绩,与其过往几十年与芯片的不解之缘和历史有很大的关系。本文作为历史课系列,就来回顾一下苹果为什么在2005年抛弃了IBM/摩托罗拉,转向了Intel。对于这个问题的理解,其实也更能帮助我们发现苹果这一路以来,在个人设备及芯片需求上的延续思路。
  • 笙科发布2.4GHz无线收发SoC芯片 A8131M0 整体而言,A8131M0是高效能低功耗的无线收发SoC芯片,拥有优异的RF效能与5dBm的功率放大器,并支持多种数字接口与齐全的I/O,全部功能都整合在QFN5x5的芯片里。
  • 芯和半导体:EDA仿真平台和射频滤波器设计相得益彰 作为“中国芯领袖”系列采访报道的一部分,AspenCore分析师团队最近对国产EDA的领军企业--芯和半导体进行了专访。下面是AspenCore资深产业分析师顾正书与芯和半导体联合创始人兼高级副总裁代文亮博士的访谈问答。
  • 新款iPad Pro 2021成最受欢迎的 由于采用性能相对强大的M1处理器和mini-LED屏幕以及更多的创新,新款iPad Pro 2021已经成为消费者心目中最受欢迎。然而,iPad 2却已经在全球范围内被列入“复古和过时”的名单中。
  • 三星折叠屏手机Galaxy Z Fold 3 目前来看,折叠屏新机作为一种新的生产力工具,逐渐成为高端/平板的一种趋势,有报料称三星的Galaxy Z Fold 3发布时间或为7月,并且会引入新手势操控。
  • 类脑芯片与智能座舱深度融合,时识科 类脑智能与应用解决方案提供商SynSense时识科技宣布与宝马展开技术探索,推进类脑芯片与智能座舱应用场景的深度融合。双方将主要围绕SynSense时识科技基于类脑技术的“感算一体”动态视觉智能SoC——Speck,探索汽车内外相关车载智能应用创新。
  • 美光:智能边缘应用的供应链和汽车架 随着数十亿台设备产生的数据和洞察力不断激增,智能边缘也随之崛起
广告
热门推荐
广告
广告
广告
EE直播间
在线研讨会
广告
广告
广告
向右滑动:上一篇 向左滑动:下一篇 我知道了