账号:
密码:
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:【1067】
  

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。对於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於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)

对於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。对於Cadence(益华电脑)这样的EDA厂商来说,自然有一套自己对於AI的见解以及解决之道。


内外兼顾的EDA布局

一般来说,AI对於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可以有助於获得更好的数据和最隹化的晶片布局。只不过这些改进对於使用者来说,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隹的结果。为了获得最隹化的布局、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可用於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。

为什麽ML对於EDA工具如此的重要,主要在於到目前为止,EDA工具多半具有大量的输入叁数,但是没有一个叁数可以撷取历史记录或者学习关於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。


最隹化的工具体验

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有助於获得更好的数据和最隹化晶片布局。

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,但最大的挑战在於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,汽车晶片对於长寿命的需求,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。


对於EDA工具来说,要能支援更广泛的应用市场,关键在於最隹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,在於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工具的最隹化已是趋势,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
EDA云端化一举解决IC设计痛点
先进制程推升算力需求 云端EDA带来灵活性与弹性
新型态竞争风云起 EDA启动AI晶片新战场
再见摩尔定律?
EDA跨入云端环境新时代
comments powered by Disqus
相关讨论
  相关新品
Lattice MachXO Control Development Kit
原厂/品牌:Lattice
供应商:Lattice
產品類別:FPGA
Lattice ECP3 PCI Express
原厂/品牌:Lattice
供应商:Lattice
產品類別:FPGA
Lattice ECP3 Video Protocol Board
原厂/品牌:Lattice
供应商:Lattice
產品類別:FPGA
  相关新闻
» 恩智浦以四大关键技术打造多元应用面向
» IIR HiRel 与 NASA毅力号火星探测车共创里程碑
» SCHURTER通过奕力解决方案扩展PCAP控制器组合
» 智慧医疗产业前瞻 贸协揭开医材应用新商机
» IC设计领域奥林匹克大会 台湾论文获选量为全球第四
  相关产品
» 瑞萨新款光隔离型三角积分调变器适用於工业自动化应用
» DELO 推出新款旒合剂适用於功率半导体元件
» ST独占飞时测距感测器领域??头
» 笙泉科技推出新一代MG82F6D17 MCU
» 意法半导体生态系统扩充功能支援微控制器以USB-C作为标准介面
  相关资源
» Power Management Solutions for Altera FPGAs

AD


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 ©1999-2020 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw