信息化觀察網(wǎng)

本文來(lái)自半導(dǎo)體產(chǎn)業(yè)縱橫，作者/一寶。

可以確定的是，云計(jì)算、AI等前沿技術(shù)的深度參與，給芯片設(shè)計(jì)的高墻壁壘撕開了一個(gè)口，帶來(lái)了生機(jī)。

中國(guó)工程院院士、計(jì)算機(jī)專家李國(guó)杰公開提出，EDA軟件發(fā)展的新趨勢(shì)有三個(gè)：一是智能化EDA，本質(zhì)上是在給定約束條件下尋求最優(yōu)IC設(shè)計(jì)方案，最終目標(biāo)是實(shí)現(xiàn)“全自動(dòng)化”。“就像是自動(dòng)駕駛一樣，最終也要實(shí)現(xiàn)無(wú)人的自動(dòng)設(shè)計(jì)。”二是開源EDA，形成開放的工具集群和行業(yè)生態(tài)，由系統(tǒng)廠商、芯片廠商和EDA廠商共同制定開放標(biāo)準(zhǔn)，大幅度降低專業(yè)人員門檻。三是高算力的EDA，即EDA與云計(jì)算相結(jié)合，在“云上”提供EDA服務(wù)。

早在2021年6月，谷歌研究院和美國(guó)斯坦福大學(xué)提出了一個(gè)深度強(qiáng)化學(xué)習(xí)方法用于芯片平面規(guī)劃。相關(guān)論文以題為“A graph placement methodology for fast chip design（一個(gè)快速芯片設(shè)計(jì)的布圖布局方法）”發(fā)表在Nature上。這是EDA與AI相結(jié)合影響最深的學(xué)術(shù)論文，本次聯(lián)發(fā)科的新設(shè)計(jì)方法是否真的可以超越谷歌的算法，將在7月大會(huì)見到分曉。

就在上月，聯(lián)發(fā)科宣布攜手臺(tái)大電資學(xué)院及至達(dá)科技的研究成果入選了EDA工具設(shè)計(jì)自動(dòng)化會(huì)議（DAC）。論文中提出多目標(biāo)強(qiáng)化學(xué)習(xí)的芯片擺置設(shè)計(jì)法，超越Google之前于Nature期刊發(fā)布的算法，更適用于多目標(biāo)如功耗、性能和面積的芯片設(shè)計(jì)優(yōu)化，能夠在降低開發(fā)成本、縮短開發(fā)時(shí)間、提升芯片性能等方面發(fā)揮重大效用，該技術(shù)已商用在聯(lián)發(fā)科技移動(dòng)通信的天璣系列，也會(huì)廣泛運(yùn)用在其他產(chǎn)品線上。

但是，無(wú)論企業(yè)間如何互相顛覆技術(shù)，AI可以幫芯片設(shè)計(jì)提高效率和準(zhǔn)確性的論斷已經(jīng)毋庸置疑。而作為中小企業(yè)芯片設(shè)計(jì)的主要難題，云計(jì)算又給了成本以答案。

EDA全面進(jìn)階，AI作旗手

芯片敏捷設(shè)計(jì)是未來(lái)發(fā)展的一個(gè)主要方向，深度學(xué)習(xí)等算法能夠提高EDA軟件的自主程度，提高IC設(shè)計(jì)效率，縮短芯片研發(fā)周期。機(jī)器學(xué)習(xí)在EDA的應(yīng)用可以分為四個(gè)方面：數(shù)據(jù)快速提取模型；布局中的熱點(diǎn)檢測(cè)；布局和線路；電路仿真模型。

長(zhǎng)期以來(lái)，EDA市場(chǎng)被國(guó)外公司壟斷，EDA的國(guó)產(chǎn)化率僅10%左右，面對(duì)巨頭過去二三十年里構(gòu)筑的技術(shù)和商業(yè)壁壘，實(shí)現(xiàn)突破挑戰(zhàn)非常大。而在AI與EDA的進(jìn)階結(jié)合中，國(guó)外巨頭仍然當(dāng)仁不讓。

2020年，新思科技發(fā)布DSO.ai（Design Space Optimization AI）軟件，這是業(yè)界第一個(gè)機(jī)器學(xué)習(xí)進(jìn)行芯片設(shè)計(jì)的商業(yè)方案，它可以讓IC設(shè)計(jì)工程師更自主地確定在芯片上排列布局的最佳方式以減少芯片面積和降低功耗，也是新思在EDA上使用AI的開端。

來(lái)源：新思DSO.ai發(fā)布會(huì)

利用強(qiáng)化學(xué)習(xí)，DSO.ai可以根據(jù)設(shè)計(jì)目標(biāo)來(lái)評(píng)估數(shù)十億個(gè)替代方案，并快速產(chǎn)生明顯優(yōu)于優(yōu)秀工程師的設(shè)計(jì)方案。DSO.ai能夠解決的問題/方案的潛力是巨大的：在芯片上排放各種組件的可能方案數(shù)量大約有10的9萬(wàn)次方個(gè)。DSO.ai的試驗(yàn)結(jié)果表明，它提高了18%的工作頻率，而且降低了21%的功耗，同時(shí)將工程時(shí)間從六個(gè)月縮短到一個(gè)月。

三星已經(jīng)與新思科技合作，將AI技術(shù)融入到芯片的設(shè)計(jì)中。三星電子在2021年公開表示，其通過AI技術(shù)找到了一個(gè)系統(tǒng)化的最優(yōu)解決方案，超越了此前可以達(dá)到的芯片PPA（功率、性能和面積）效果。

2021年，Cadence也發(fā)布了Cerebrus技術(shù)。Cerebrus直接集成到了Cadence工具鏈，可以工作在芯片設(shè)計(jì)的任何階段，從System C定義到標(biāo)準(zhǔn)庫(kù)單元、宏、RTL以及signOff，它允許一個(gè)工程師給它以任何級(jí)別上定義的規(guī)范和優(yōu)化對(duì)象。自動(dòng)化floorplan允許工程師指定常規(guī)PPA之外的優(yōu)化點(diǎn)，如線長(zhǎng)、線延遲、電網(wǎng)分布、IR drop、IO相對(duì)于物理芯片邊界的位置等。

Cadence的Cerebrus工具使用強(qiáng)化機(jī)器學(xué)習(xí)來(lái)優(yōu)化流程，并與芯片設(shè)計(jì)一起使用。Cadence表示機(jī)器學(xué)習(xí)workflow可以從一個(gè)未經(jīng)訓(xùn)練的模型開始，在50–200次的迭代中找到最優(yōu)點(diǎn)；如果可以重用一個(gè)組織模型或遵循一些約束可以進(jìn)一步減少優(yōu)化時(shí)間。從理論上講，一個(gè)組織可以建立一個(gè)預(yù)先訓(xùn)練過的模型庫(kù)，使Cerebrus能夠?yàn)槿蝿?wù)嘗試最好的模型，如果失敗了將重新開始，但仍然會(huì)得到很好的結(jié)果。

就其客戶而言，瑞薩電子在12nm高速CPU設(shè)計(jì)項(xiàng)目中應(yīng)用了Cerebrus，進(jìn)行物理實(shí)現(xiàn)流程和布局規(guī)劃的優(yōu)化。三星同樣也與Cadence展開了合作，在5納米手機(jī)CPU實(shí)驗(yàn)中，Cerebrus工具幫助一個(gè)工程師在10天內(nèi)實(shí)現(xiàn)了3.5 GHz的手機(jī)CPU，同時(shí)還節(jié)省了泄漏功率、總功率，并提高了晶體管密度。與幾個(gè)月來(lái)使用近12名工程師的預(yù)測(cè)時(shí)間線相比，Cerebrus實(shí)現(xiàn)頻率增益為+420 MHz，節(jié)省了26mW的泄漏功率和62mw的總功率。

Mentor將AI用于芯片設(shè)計(jì)的已經(jīng)有了幾套工具：lHLS高階綜合可以把生產(chǎn)效率提高近兩倍，驗(yàn)證成本下降了80%。lOPC技術(shù)可以用于半導(dǎo)體生產(chǎn)制造，在7nm基礎(chǔ)上需要4000個(gè)CPU運(yùn)行一天才能生產(chǎn)出1個(gè)Mask，但如果使用Mentor的機(jī)器學(xué)習(xí)算法，就能夠?qū)⑦\(yùn)行時(shí)間下降3-4倍。

除了EDA的專業(yè)公司之外，谷歌和英偉達(dá)憑借自己的技術(shù)基礎(chǔ)也在芯片設(shè)計(jì)上做了相當(dāng)?shù)难芯?。谷歌人工智能的?fù)責(zé)人Jeff Dean在2020年國(guó)際固態(tài)電路會(huì)議（ISSCC）等場(chǎng)合介紹了谷歌基于機(jī)器學(xué)習(xí)開發(fā)的用于芯片設(shè)計(jì)的布局布線模型，并通過在其自研處理器上的應(yīng)用，證實(shí)了效率和布線結(jié)果優(yōu)于人類，這給半導(dǎo)體界注入一針強(qiáng)心劑。

云計(jì)算為數(shù)字底座，將EDA的想法做成現(xiàn)實(shí)

隨著IC設(shè)計(jì)復(fù)雜度的不斷提升，EDA軟件作為IC設(shè)計(jì)公司賴以生存的工具也給IC設(shè)計(jì)公司帶來(lái)了一些壓力。

芯片設(shè)計(jì)業(yè)務(wù)本身對(duì)于算力的需求都不是恒定變化的，而是呈現(xiàn)出一條波動(dòng)性很強(qiáng)的曲線，尤其是投片前3個(gè)月，對(duì)算力的需求是“無(wú)限”的。面對(duì)這種波動(dòng)性很強(qiáng)的業(yè)務(wù)需求，IT團(tuán)隊(duì)很難通過自購(gòu)設(shè)備來(lái)滿足。若是買多了，可能會(huì)出現(xiàn)設(shè)備閑置，若是買少了，可能算力又不能完全滿足，不管是哪一種，都是成本在無(wú)謂消耗。

計(jì)算資源需求激增、EDA峰值性能需求難以被滿足，深工藝數(shù)據(jù)遷移的消耗成本，多項(xiàng)目并行發(fā)生的資源搶奪以及辦公地點(diǎn)限制帶來(lái)的效率影響等，這些問題都會(huì)直接影響芯片的研發(fā)周期以及研發(fā)成本。

IC設(shè)計(jì)上云能平滑多項(xiàng)目并行帶來(lái)的資源搶奪問題，降低EDA的購(gòu)買成本，進(jìn)而提升研發(fā)整體的效率。

此前，新思科技宣布亞馬遜公司旗下的云計(jì)算服務(wù)平臺(tái)部署了新思科技的VCS FGP技術(shù)。在云端運(yùn)行相關(guān)技術(shù)，可讓設(shè)計(jì)團(tuán)隊(duì)實(shí)現(xiàn)更高的效率，縮短驗(yàn)證收斂時(shí)間，獲得優(yōu)異的硬件性價(jià)比。許偉表示：“EDA上云是一個(gè)發(fā)展趨勢(shì)，不管是算力還是大數(shù)據(jù)等云計(jì)算端都有著自身的優(yōu)勢(shì)，將有越來(lái)越多設(shè)計(jì)公司從自建私有云向公有云過渡。”

云技術(shù)的運(yùn)算能力與儲(chǔ)存容量與EDA技術(shù)融合，可以在很大程度上解決當(dāng)前IC設(shè)計(jì)面臨的算力缺口，為開發(fā)者提供實(shí)時(shí)可用的算力、更加靈活高效的開發(fā)環(huán)境、更加優(yōu)化的成本，并縮短產(chǎn)品上市時(shí)間。

作為產(chǎn)業(yè)多方共同成就“云中EDA”的典型案例，Microsoft Azure和Mentor及臺(tái)積電在10小時(shí)內(nèi)驗(yàn)證了AMD EPYC上的大尺寸Radeon Instinct Vega20集成電路設(shè)計(jì)。AMD這款芯片設(shè)計(jì)中有132億顆晶體管數(shù)量驚人，通過在Microsoft Azure云平臺(tái)上運(yùn)行臺(tái)積電認(rèn)證的7nm Mentor Calibre設(shè)計(jì)套件，AMD在19個(gè)小時(shí)內(nèi)完成了兩次驗(yàn)證，大幅縮短了物理驗(yàn)證的總周轉(zhuǎn)時(shí)間。此外，AMD還將Calibre nmDRC擴(kuò)展到69個(gè)HB虛擬機(jī)上的4140個(gè)內(nèi)核，使工程師能夠平衡緊迫的時(shí)間與苛刻的成本。

微軟Azure用于EDA的解決方案客戶。來(lái)源：微軟

芯片設(shè)計(jì)可以全部交給機(jī)器？

未來(lái)可以，但是現(xiàn)在不行，甚至我們還有很長(zhǎng)的路要走。一直以來(lái)，AI飽受爭(zhēng)議。Cadence表示，或許Cerebrus能解決80%的問題，但剩下20%的工作仍需要人來(lái)完成，而這個(gè)二八分的比例已經(jīng)是非常難得。新思科技人工智能實(shí)驗(yàn)室主任廖仁億所說(shuō)，人工智能是EDA未來(lái)的終極形式。既然是終極形式，那就意味著當(dāng)前階段還沒有完善和成熟，還不具備取代人類的能力。

而說(shuō)到EDA上云，相比于PCB設(shè)計(jì)工具上云，EDA上云發(fā)展速度明顯較慢。業(yè)內(nèi)專家表示，這一方面是由于一些公司對(duì)于云的安全性還是存疑，將其專有IP放到云中會(huì)感到擔(dān)憂；另一方面，目前私有服務(wù)器中心對(duì)于大多數(shù)設(shè)計(jì)來(lái)說(shuō)其實(shí)已經(jīng)足夠。

由于芯片設(shè)計(jì)相關(guān)文件是公司的知識(shí)產(chǎn)權(quán)，在許多情況下，它們可以說(shuō)是公司最有價(jià)值的財(cái)產(chǎn)。考慮到這一點(diǎn)，公司歷來(lái)將其所有EDA和其他設(shè)計(jì)文件專門托管在本地機(jī)器上，任何人都無(wú)法在其網(wǎng)絡(luò)之外訪問。云計(jì)算本質(zhì)上不如本地計(jì)算安全。遷移到云端，就意味著公司將信任其他實(shí)體，來(lái)托管可能價(jià)值數(shù)十億美元的知識(shí)產(chǎn)權(quán)。此外，托管上云可以允許成千上萬(wàn)的用戶同時(shí)訪問相同的硬件資源。此功能可能會(huì)增加信息被惡意對(duì)手竊取或黑客攻擊的風(fēng)險(xiǎn)。公司如果能放心地將他們的設(shè)計(jì)遷移到云中，則一定需要云資源已經(jīng)驗(yàn)證過端到端的安全性。

雖然面臨技術(shù)上和商業(yè)上的困難，但是AI+EDA上云解決方案的創(chuàng)新是向好的，也是至關(guān)重要的。隨著越來(lái)越多的商業(yè)實(shí)踐和需求倒逼，這將逐漸走向現(xiàn)實(shí)、走向合適。