普華永道調(diào)研顯示，人工智能將成為下一個推動半導(dǎo)體行業(yè)持續(xù)十年增長的催化劑;麥肯錫咨詢認為，人工智能正在為半導(dǎo)體行業(yè)開啟數(shù)十年來最佳商機。人工智能可以讓半導(dǎo)體公司從技術(shù)堆棧中獲取總價值的40～50%，而EDA工具作為半導(dǎo)體行業(yè)的基礎(chǔ)，也必將在此次AI革命中從中受益，并必須要跟隨AI技術(shù)發(fā)展作出相應(yīng)的升級。

在近日召開的Mentor技術(shù)論壇北京站上，Mentor IC EDA執(zhí)行副總裁Joseph Sawicki針對AI給EDA工具帶來的機遇和Mentor的戰(zhàn)略進行了精彩的演講。

兩個看似相反目標共同推動著AI發(fā)展

“兩個看似相反的目標正在共同推動著AI的發(fā)展：增長的數(shù)據(jù)中心容量和加強的邊緣處理能力。”Joseph如是向記者分享，“網(wǎng)絡(luò)上海量數(shù)據(jù)高速增長一定會改變現(xiàn)有CPU或數(shù)據(jù)中心的現(xiàn)有架構(gòu)。除了數(shù)據(jù)中心聚合外，越來越多的計算和處理被移動到了邊緣側(cè)進行，這將會提升整體系統(tǒng)的效率。”

AI所帶來的機遇已經(jīng)被大多數(shù)半導(dǎo)體公司所認同，因為并不僅僅是AI芯片的設(shè)計制造商，整個行業(yè)都將受益于此次革命。EDA工具在AI時代到來之際，需要迎合AI芯片設(shè)計的需求進行相應(yīng)的升級和改變，并借助AI的力量來提高自身工具的運行效率。

HLS是連接AI原生環(huán)境和芯片的橋梁

對于芯片設(shè)計公司而言，未來設(shè)計方法論會有一個顛覆性的改變。專注于邊緣計算芯片的設(shè)計廠商需要著眼于價值堆棧，定制出合適的架構(gòu)來滿足用戶體驗。如何在原生設(shè)計環(huán)境中找到可以實現(xiàn)人工智能的最好運用、實現(xiàn)最優(yōu)的用戶體驗的路徑，這是EDA工具需要進行考量的一個要素。傳統(tǒng)在進行SoC芯片設(shè)計時，我們更多關(guān)注的是規(guī)格等參數(shù)、譬如內(nèi)存大小等;而在現(xiàn)在，我們所關(guān)注的方法論則是RTL，然后才是在芯片層面上進行驗證。

HLS(高階綜合)可以作為連接AI原生環(huán)境和芯片的橋梁，它可以幫助芯片設(shè)計者更好地實現(xiàn)架構(gòu)設(shè)計、管理內(nèi)存分配、神經(jīng)網(wǎng)絡(luò)的寬度與深度、以及決定在其中編織多少管道;管理好這些因素才能為垂直應(yīng)用提供優(yōu)化的IC設(shè)計工具體驗。

Mentor已經(jīng)針對垂直應(yīng)用提供了可供參考的設(shè)計和工具，此外Mentor提供了四種人工智能設(shè)計可選的工具箱，包括在FPGA領(lǐng)域進行驗證。設(shè)計平臺包含CPU子系統(tǒng)、HW/SW接口和用于系統(tǒng)集成的的HLS加速案例。

據(jù)悉，英偉達采用Mentor提供的HLS的方式設(shè)計的芯片，在生產(chǎn)率方面提高了50%，驗證費用方面減少了80%。

在AI垂直應(yīng)用層面提高驗證效率

在AI芯片的驗證方面，也要搭建出更適合AI場景的垂直應(yīng)用驗證環(huán)境。傳統(tǒng)集成電路芯片驗證的測試方法是要驗證測試規(guī)則、架構(gòu)和規(guī)范等，在AI時代則需要在應(yīng)用層面進行驗證。據(jù)Joseph介紹，驗證過程中需要通過一些技術(shù)手段仿真出一個AI引擎，然后在CPU系統(tǒng)上將數(shù)據(jù)推送到AI引擎上，這樣就會生成一個界面，產(chǎn)生虛擬的PCI，也可以執(zhí)行用戶想要執(zhí)行的應(yīng)用，包括整個代碼的處理等。然后系統(tǒng)可以將性能、功耗和數(shù)據(jù)等輸出給到驗證著，這樣在驗證進入到芯片層面之前，設(shè)計者就可以通過模擬的驗證過程而完整地理解到真實芯片在垂直應(yīng)用層面的具體表現(xiàn)如何。

借助ML的力量，EDA自身也會實現(xiàn)更高的運行效率。在OPC方面，Mentor的工具通過ML將OPC的輸出預(yù)測在單個納米精度內(nèi)，實現(xiàn)了3倍的快速運行。在LFD方面，通過機器學(xué)習(xí)還可以預(yù)測產(chǎn)量限制和設(shè)計修改準冊。

在大數(shù)據(jù)應(yīng)用方面，Mentor可以通過機器學(xué)習(xí)來變異感知設(shè)計與表征、通過根本原因反褶積來提高FinFet的內(nèi)部產(chǎn)量。

據(jù)Joseph分享，在被西門子收購后Mentor開發(fā)了一項新技術(shù)：在模式分析方面的OPC需要數(shù)千個CPU 24小時不間斷運行，而借助機器學(xué)習(xí)這個過程就可以將時間和復(fù)雜度降低3～4倍。

機械和電氣進行整合模擬驗證

自從被西門子收購以后，Mentor已經(jīng)將自身的算法軟件與西門自身的系統(tǒng)進行了整合，目前可以為用戶提供機械和電氣的統(tǒng)一的驗證。這種驗證方法對于OEM廠商而言具有較大的意義。舉例來說，下圖中Simcent Prescan可以模擬道路環(huán)境，將數(shù)據(jù)傳送到系統(tǒng)上;Simcent Amesim可以讓一級供應(yīng)商來思考車輛的動力總成和底盤的表現(xiàn)如何、剎車和傳動表現(xiàn)如何等;而中間的部分則是芯片的仿真。這樣用戶就可以在整個產(chǎn)品出來之前就對整個系統(tǒng)進行模擬仿真，實現(xiàn)機械和電氣部分在虛擬場景中的驗證。

AI芯片設(shè)計面臨著極大的挑戰(zhàn)，而相應(yīng)的AI/ML IC設(shè)計工具也面臨著更高的要求。在AI計算領(lǐng)域，ASIC市場預(yù)計將越來越大，達到和GPU、CPU三分天下的局面。這也將會給EDA工具廠商帶來更多的商機。