账号:
密码:
最新动态
产业快讯
CTIMES / 文章 /
内外兼顾的EDA设计新思维
加速生产流程

【作者: 王岫晨】2020年06月08日 星期一

浏览人次:【5336】

许多的电子运算设备都已经导入了机器学习的能力。


机器学习及其相关的推理能力,可能彻底改变人们生活中的一切。


随着AI应用规模不断提高,EDA工具也将更为蓬勃发展。


AI正无处不在,并逐渐融入到人们的生活当中。对于AI的运作,机器学习(ML)是非常关键的一个过程。事实上,在许多的电子运算设备中,都已经导入了机器学习的能力。而机器学习及其相关的推理能力,也可能彻底改变人们生活中的一切,从你的手机,到汽车的驾驶,都有机器学习的身影。尽管人们已经听到了很多关于机器学习技术对终端产品的影响,但机器学习的革命,事实上才正要开始而已。



图一 : EDA厂商开始转向以生态系统为中心的策略型态。(source:cadence.com)
图一 : EDA厂商开始转向以生态系统为中心的策略型态。(source:cadence.com)

对于EDA工具来说,也正逐渐受到AI与ML的影响。然而其中值得观察的是,EDA将如何影响AI,而AI又是如何影响EDA,这是一个既有趣又重要的问题。对于Cadence(益华电脑)这样的EDA厂商来说,自然有一套自己对于AI的见解以及解决之道。


内外兼顾的EDA布局

一般来说,AI对于EDA工具的影响,多半需要考量两个部分。 EDA工具通常面临着许多难以解决的挑战,这些挑战需要利用更先进的方法来加以管理。例如,在布局和设计路线流程的早期,就先评估大型数位化设计的线路拥挤或可能的错误。在这样的情况下,透过AI或ML可以有助于获得更好的数据和最佳化的晶片布局。只不过这些改进对于使用者来说,多半是看不见的,这种工具只能提供更好的结果。而Cadence将这种方式称为「ML inside」,意思是将ML演算法先行整合到EDA工具之中,来加速设计引擎的效能。


AI对EDA工具的另一个影响,则与设计流程有关。通常晶片设计是一种反覆的过程,设计团队的许多部门都在共同努力来获得最佳的结果。为了获得最佳化的布局、最完整的验证、最低的功耗等目标,有很多的试运行将会持续进行,而这样的过程可能会持续好几个月。在这种情况下,AI与ML可用于分析每次迭代产生的大量数据,目的是尽可能从给定的迭代或一组迭代中进行学习。该过程可以让本质变得更聪明,而不是透过更努力地运作来减少设计时间。这是一个全新的过程,因为它看起来可以提高设计流程的效率,Cadence也将此称为「ML outside」,意思是让ML作为设计辅助的子系统,来加快生产流程。



图二 : AI运算的未来演进,可以视为是一场异质架构的战争。
图二 : AI运算的未来演进,可以视为是一场异质架构的战争。

为什么ML对于EDA工具如此的重要,主要在于到目前为止,EDA工具多半具有大量的输入参数,但是没有一个参数可以撷取历史记录或者学习关于设计工具的使用情况。换句话说,该工具无法对先前使用的方式进行记录。而ML outside可以改变所有这些现况,进而从本质上创建一种新型的工具流程。


最佳化的工具体验

EDA工具通常面临着许多难以解决的挑战,需要利用更先进的方法来加以管理。透过AI或ML有助于获得更好的数据和最佳化晶片布局。

对EDA厂商来说,现阶段发展的重点方向,是从过去以工具为中心,转向以生态系统为中心的策略型态。而新的服务方向,是协助晶片和系统设计生态系统,为其产品加入AI与ML的能力。在这样的生态系统中,代工厂和IP供应商也发挥了重要的作用。只不过,新一代晶片的设计挑战,早已经超越了硬体本身,而且还EDA厂商还得研究如何让已经验证的产品,在Android、Windows和Linux等不同软体系统中执行,以提供更完整的调试功能。


许多新兴的应用产品都需要AI与ML的功能在其中,然而这些市场却也都需要EDA厂商的协助,才能顺利在其产品中加入AI与ML的能力。从行动装置、汽车、资料中心、军事设备与航太设备等,在这些不同的应用领域中,都需要相同的AI功能,但其需求却各自不同。


有一个重点不容忽视,所有晶片基本上都需要利用相同的工具来加以测试,但最大的挑战在于工具本身的使用体验,另外还需注意针对生态系统其他部分的测试方式是否完全不同。这些差异性在超低功耗的小体积晶片,以及庞大资料中心的处理晶片上,就很明显可以比较得出来。另外,汽车晶片对于长寿命的需求,以及手机晶片相对不需过长寿命,也让问题的多样性浮上台面。


对于EDA工具来说,要能支援更广泛的应用市场,关键在于最佳化的测试工具以及流程,而不是为不同的应用市场拼命开发不同的工具软体。这个策略的基础,在于开发强而有力的工具,并且可以支援不同的使用情境。


结语

EDA工具的最佳化已是趋势,市场上可见更优质的新一代算晶片不断推出市面。另一个值得关注的议题,或许是AI晶片的外观。经客制而优化的大规模处理器集合,将可为AI演算法提供比现有产品更强有力的运算效能。在这种情况下,我们或许可以将AI运算的未来演进,视为是一场异质架构的战争。 AI运算与EDA工具的角色也都将更为吃重。而随着AI应用的规模不断提高,数量也持续增加,将使EDA工具与半导体领域更为蓬勃发展,这一点将是毋庸置疑的。


相关文章
利用学习资源及AI提升自动化程式开发效率
EDA的AI进化论
ChatGPT热潮推动AI加速运算重要性 提高效能为关键
摩尔定律碰壁 成本为选择先进封装制程的关键考量
为大数据与各种工作负载设计的解决方案
comments powered by Disqus
相关讨论
  相关新闻
» 国科会扩大国际半导体人才交流 首座晶创海外基地拍板布拉格
» SEMI:2023年全球半导体设备市况 出货微降至1,063亿美元
» TrendForce:台湾强震过後 半导体、面板业尚未见重大灾损
» 亚湾2.0以智慧科技领航国际 加速产业加值升级
» 高通执行长Cristiano Amon於COMPUTEX 2024 分享智慧装置上的生成式AI运算


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 远播信息股份有限公司版权所有 Powered by O3  v3.20.1.HK84K62TMUQSTACUKL
地址:台北数位产业园区(digiBlock Taipei) 103台北市大同区承德路三段287-2号A栋204室
电话 (02)2585-5526 #0 转接至总机 /  E-Mail: webmaster@ctimes.com.tw