新聞中心

EEPW首頁 > 高端訪談 > AI芯片設計需要新的EDA方法論和工具

日本无码高清视频  王?瑩?(《電子產品世界》,北京?100036)

本文引用地址:http://p808.cn/article/201909/405200.htm

  編者按:科技日新月異的數字時代,人工智能/機器學習在半導體業的應用中快速增長。日前,公司ICEDA部門的掌舵人 Joseph Sawicki先生在“2019 論壇”北京站期間,談了人工智能/機器學習在下一個10年帶來的機遇,以及EDA設計和驗證方法論和工具需要哪些新變革。

1 本土企業正在加快和機器學習的創新

  Joseph最近拜訪了中國的一家初創公司,該公司在2年前(2017年)剛成立,在大約6個月以前(2019年2月)剛把自己的芯片送交制造。該公司可以說取得了巨大的成功,因為只花了一年半的時間。這家公司的燒錄過程和程序令Joseph印象深刻,因為十排機架上都是刀片服務器,上面所運行的都是(人工智能)解決方案,正在對成千上萬個視頻流進行圖像識別。可見,這些仿真和/機器學習(ML)的技術和工具的運用,正是使這家初創公司可以在如此短的時間內取得巨大成功的原因之一。

  實際上,現在整個半導體業迎來了一個絕佳的機遇。據普華永道的調研顯示,AI很可能是推動半導體業成長的下一個10年周期的催化劑。麥肯錫咨詢公司預測,AI正在為半導體業開啟數十年來的最佳商機,因為AI可以助力半導體公司從技術堆棧中獲得高達40%~50%的產值,而移動時代只為半導體業提供了價值20%的產值。

  那么,是什么因素在驅動這樣的機遇呢?正是由于現在有越來越多海量的數據被移到了網絡上,無論是車與車之間的智能網聯,還者是智慧城市、工業化物聯網應用以及消費者層面的應用等。未來10年,人們會看到這些高速數據將在網絡上呈現數十倍的增長,這為AI/ML帶來了巨大機遇。

  這些機遇會給市場帶來哪些不同影響?一方面企業會把越來越多的數據放在數據中心進行管理,更多的是放在邊緣進行處理,未來6年,邊緣計算每年都會有成倍的增長(如圖1)。

1570672120325305.png

1570672154272717.png

  風險投資公司怎樣看待這次機遇的?記得2001年互聯網泡沫破滅時,風投公司大大降低了對半導體業的投資,過了很長時間,風險投資也仍然是有限的,但是現在這些資金又回來了——絕大多數資金涌向了AI/ML。從圖2可見,風險投資在過去短短幾年有很大的回歸和劇烈的增長,現在很多公司已著眼于AI/ML。

1570672175766943.png

日本无码高清视频  現在AI芯片業有3種類型的企業:傳統芯片設計公司,阿里等擁有海量數據的云端公司,初創企業。

  認為這3類企業正在越來越多地進行聯合,即傳統芯片公司可能會加強自己的原有設計能力,也會設計以數據中心為主的芯片;同時也有云端數據公司在和初創公司進行聯合,或者向初創公司投資,以采用新型算法。但無論誰會成功,這個市場在未來幾年里的發展都會是非常激動人心的。

2 EDA設計和驗證方法論需要新轉變

  相比傳統的芯片設計開發流程,現在AI時代的芯片設計方法論有何特點?首先,設計層級要從RTL(寄存器傳輸級)往上走,諸如C++甚至C系統,因為這些更高層級的設計語言可以更好地集成到AI平臺。其次,傳統的開發流程中,我們可能更關注的是設計上的規范和架構;現在的AI時代,更加需要關注的是應用的驗證,而不是去驗證設計本身的正確性。

  2.1 設計方法論的轉變

  對于設計芯片公司,未來設計方法論會有顛覆性的改變。

  將來絕大多數AI/ML會發生在邊緣,對于半導體公司來說最重要的就是著眼于價值堆棧,必須定制出一些架構來滿足用戶的體驗。

  之前提到SoC(系統芯片),更多的是其指標規格,例如內存的大小,方法論更多的是RTL,然后才是在芯片上進行驗證——這種驗證是為了讓芯片的性能更強。

  但是AI時代需要定制架構滿足消費者的用戶體驗,這樣的原生環境就是AI的開發平臺,設計語言可以是C或C++。

  最重要的是,在設計業中有時會發現CPU太慢,有時GPU功耗太高,那么應該怎么辦呢?需要找到一個很好的路徑,就是在原生設計環境中最好地運用AI,以實現最優的用戶體驗。

  HLS(高階綜合)可以作為連接AI原生環境和芯片的橋梁,幫助客戶更好地設計架構,管理內存的分配、神經網絡的寬度和縱深,以及決定在里面布設多少管道等。管理好這些因素,才能為垂直應用提供經過優化的IC軟件體驗(如圖3)。

1570672201927629.png

  關于HLS,已經開發出了工具箱,其中4種不同的設計是可選的,這些設計也呼應了FPGA。值得一提的是,Mentor做IP不是要在消費者芯片上直接進行應用,而是更多地幫助用戶具有駕馭最新設計方法論的能力。

  現在已有許多客戶在用HLS的方式來設計AI和機器學習的芯片,例如NVIDIA(英偉達)公司是業界的領導者,他們利用這種方法論,生產率已經提高了50%。更重要的是,其驗證成本降低了80%。

  2.2 驗證方法論的改變

日本无码高清视频  傳統芯片驗證的測試方法是要測試規則、架構和規范等。在AI時代更多的是垂直應用,因此需要進行的驗證是在應用層面,即需要技術仿真出AI引擎,然后在CPU系統上可以把這些數據推送到AI引擎,這樣就會生成一個界面,可以產生一個虛擬的PCI,也可以執行用戶想要執行的應用,包括整個代碼的處理等,性能、功耗以及數據都可以給到。這意味著還沒到芯片層,用戶就可以理解整個過程的性能表現如何。

3 Mentor的解決方案

  在AI仿真和其它領域會有怎樣的優勢?Joseph稱,Mentor既有設計工具,也有驗證工具。Mentor最大的優勢是在仿真方面的方法論,例如虛擬化環境,還有整個系統自動化地把算法帶到陣列上。

  當然,在Mentor公司內部工具中使用AI/ML,也能夠更加有效地實現這些新的技術。Mentor被西門子收購后開發了許多技術,還有模式分析方面的OPC,可使數千個CPU 24小時不間斷地運行,通過機器學習提高效率,可以把整個時間和復雜性降低3~4倍。

4 Mentor如何打造出具有優勢的EDA工具

  無論是Calibre還是Tessent都有一些共性。如果能做到以下3點,成功的概率就會非常大。

  首先必須要有一批非常具有熱情的開發者,這些開發者希望能向市場提供不同的產品,也就是不只是開發一個產品,產品要能帶來不同才是價值所在。

  其次,這些工程師團隊必須非常密切地和客戶一起工作,因為遠離客戶就無法找到很好的解決問題的方式。

  第三,要找準客戶最困難的問題在哪里。就像的Calibre設計工具和Tessent測試工具,要找到每個產品的關鍵問題所在。

5 被西門子并購后的轉變

日本无码高清视频  Mentor和西門子公司在2017年合并,現在是西門子PLM軟件公司下的一家獨立運營的子公司。合并后的理念是向更強、更大的方向發展,即不僅要單項強,而且要做更廣泛的業務,特別是在整個EDA(電子設計自動化)行業——從芯片一直到系統,甚至到工業應用——提供一攬子的整體解決方案。

日本无码高清视频  合并后,西門子加強了對Mentor在EDA技術的投資,在一年多的時間內,Mentor先后收購了5家公司,并加強了HLS等研發。

  合并后,西門子PLM軟件公司現已成為全球第一大工業軟件公司(如圖4)。目前,西門子的數字化部門(包括Mentor)已經達到了42億美元的營業額,居行業第一。西門子工業的年收入增長值每年超過10%。

1570672231482337.png

  2019年Mentor公司進入中國30周年。1989年,作為第一家跨國大型EDA公司進駐中國,第一間辦公室設在北京。

*本文來源于科技期刊《電子產品世界》2019年第10期第1頁,歡迎您寫論文時引用,并注明出處。



關鍵詞: 201910 AI Mentor
分享給小伙伴們:

評論


相關推薦

技術專區

關閉