AI芯片設計需要新的EDA方法論和工具

　　王?瑩?（《電子產品世界》，北京?100036）

　　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(yè)的應用中快速增長。日前，Mentor公司ICEDA部門的掌舵人 Joseph Sawicki先生在“2019 Mentor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(yè)正在加快AI和機器學習的創(chuàng)新

　　Joseph最近拜訪了中國的一家初創(chuàng)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AI（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?？梢?，這些仿真和AI/機器學習（ML）的技術和工具的運用，正是使這家初創(chuàng)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(yè)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(yè)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(yè)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(yè)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(yè)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(yè)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）。

　　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(yè)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。

　　現在AI芯片業(yè)有3種類型的企業(yè)：傳統芯片設計公司，阿里等擁有海量數據的云端公司，初創(chuàng)企業(yè)。

　　認為這3類企業(yè)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(chuàng)公司進行聯合，或者向初創(chuàng)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(fā)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(fā)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(fā)流程中，我們可能更關注的是設計上的規(guī)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(fā)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(guī)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(huán)境就是AI的開發(fā)平臺，設計語言可以是C或C++。

　　最重要的是，在設計業(yè)中有時會發(fā)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(huán)境中最好地運用AI，以實現最優(yōu)的用戶體驗。

　　HLS（高階綜合）可以作為連接AI原生環(huán)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(yōu)化的IC軟件體驗（如圖3）。

　　關于HLS，Mentor已經開發(fā)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(yè)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

　　傳統芯片驗證的測試方法是要測試規(guī)則、架構和規(guī)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(zhí)行用戶想要執(zhí)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(yōu)勢？Joseph稱，Mentor既有設計工具，也有驗證工具。Mentor最大的優(yōu)勢是在仿真方面的方法論，例如虛擬化環(huán)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(fā)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(yōu)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(fā)者，這些開發(fā)者希望能向市場提供不同的產品，也就是不只是開發(fā)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

　　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(fā)展，即不僅要單項強，而且要做更廣泛的業(yè)務，特別是在整個EDA（電子設計自動化）行業(yè)——從芯片一直到系統，甚至到工業(yè)應用——提供一攬子的整體解決方案。

　　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(fā)。

　　合并后，西門子PLM軟件公司現已成為全球第一大工業(yè)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(yè)額，居行業(yè)第一。西門子工業(yè)的年收入增長值每年超過10%。

　　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。