广告

Cadence:AI新时代,EDA会以超出想象的广度和深度演进

展望未来,设计数量不会停在模块级,预计不远的将来,设计数量会发生在子系统级,目前Cadence也在开发一个完整的多模块设计中心,帮助每位工程师完成整个子系统的实现,从而极大地提升设计生产力,这也是能够让摩尔定律得以延续的根本原因。

目前人工智能应该是当今世界上最热门的话题之一,从IBM的深蓝到AlphaGo,再到最近火热的Chat GPT,AI的快速发展对各行各业都产生了巨大的冲击和挑战。7Ymesmc

“EDA行业也不例外,AI的发展离不开高性能、高带宽、低延时的芯片,此类芯片设计又对EDA提出了新的挑战,无论是性能还是在设计效率方面。” 在2023国际集成电路展览会暨研讨会——全球CEO峰会上,Cadence副总裁、亚太区技术运营总经理陈敏如是说道,“反之,EDA作为处理大数据量的计算软件,也天然会受益于AI。”7Ymesmc

7Ymesmc

7Ymesmc

Cadence副总裁、亚太区技术运营总经理陈敏7Ymesmc

EDA会以超出想象的广度和深度演进

从AI来,到AI去,EDA在AI新时代,会以超出想象的广度和深度演进。7Ymesmc

首先,从半导体行业的发展趋势来看,行业得益于很多的驱动力,从5G到云计算,再到物联网等等驱动力,更在共同驱动这一成长,预计在未来的三到五年内,半导体市场规模将突破万亿美元,而电子系统的市场规模也会达到3万亿美元。陈敏指出:“虽然短期复杂的诸多因素,可能会影响2023年的收入,但是我们依然看到,设计的活动依然非常活跃,所以长期来看,我们认为前景依然还是非常积极的。”7Ymesmc

7Ymesmc

其次,从市场和消费者角度来看,对芯片的需求种类越来越多,单个芯片的复杂度会越来越高。这对于设计人员带来了非常大的挑战,最关键的就是人才短缺。据美国半导体行业协会分析,到2030年设计工程师的缺口将会达到35%。同样中国半导体协会有这样的分析和预测,在2024年,行业人才需求总规模将达79万人左右,缺口会达23万。陈敏指出,要解决这一问题,首先是如何加速人才培养,但这是需要时间的。同时,他认为解决人才不足的很重要方面就是如何提升生产力。7Ymesmc

数百万年来,人类的祖先只能使用身体,也就是肌肉的力量和一些简单的工具来进行生产,这一进程发展得非常缓慢。当随着时间的推移,人类逐步掌握了科学知识,理解了一些基本的数学、物理的科学知识,为工业革命奠定了基础。工业革命大爆发后,从而赋予了人类从来未有的力量,使得人类的生产生活取得长足进步。7Ymesmc

“截至目前,我们依然着眼于在不同的程度,或者以不同的方式来增进增强人类身体的力量,或者是人类身体力量的延伸。”陈敏称,“目前我们面对的是另一次全新的开拓、全新的道路,也就是可以通过AI来使得人类的脑力能够实现跨越式提升,从而使生产力能够得到飞跃发展。”7Ymesmc

目前人类提升生产力驱动的来源是来自于机器的智慧,来延伸人类的脑力。实际上,在我们生活的现在社会,已经包围着非常多的智能系统,比如智能手机、智能传感器、智能汽车、智能家居,甚至智能城市等等。这些系统正变得越来越个性化,越来越互联,越来越智能。在这其中,智能汽车是一大典型。7Ymesmc

7Ymesmc

据半导体协会的统计数据显示,现在的汽车内部可能拥有几千个零部件或者芯片,拥有上百个电子控制系统,目前占整车成本的35%左右。预计到2025年,甚至2030年,这样的成品结构可能在发生进一步的变化,电子相关的可能会占到成本的50%以上。7Ymesmc

设计这样的智能系统,对EDA提出了非常大地挑战。众所周知,芯片发展的规律背后有着摩尔规律,如何能够让EDA支撑设计,满足摩尔定律的发展需求,面临巨大挑战。EDA界也在不断地努力,不断地演变,通过提升抽象层次,比如最原始的,从手工绘制版图的方式,发展到基于晶体管,甚至到基于标准单元的设计,甚至到DESIGN的阶段。紧接着,就是依靠AI DRIVEN的解决方案大幅提升生产力。每次的效率提升会是数量级的,也正因如此,才能得以延续摩尔定律。7Ymesmc

人工智能,即AI,与设计工程师之间的区别是什么?7Ymesmc

首先,设计工程师可创造性地提出对于复杂问题的解决方案,比如在设计一些创新算法,发明一些新的架构,这是人的优势,但是人并不善于处理海量数据。反而,机器,也就是人工智能的优点,AI可以在算法的引领之下,能够并行处理海量数据,且可在并行处理海量数据的过程中找到规律,从而极大地提升生产力。而人最多能够同时并行处理的数据量大概是3到5组。7Ymesmc

陈敏表示:“我们把两者结合起来,通过新一代的EDA算法,把人工智能和优秀工程师的能力结合在一起,也就是in the loop+AI的解决方案,既可解决高复杂度问题,还可以提升处理海量数据,从而提升生产力。”7Ymesmc

引入AI实现对EDA改造

对于Cadence而言,最初是优化原有产品中所有实现的引擎,近几年通过AI技术来处理大量的设计数据,提高设计效率,这是AI-Driven的解决方案。这是全栈的AI解决方案,目前其面向数字实现、验证、模拟版图设计、PCB版图设计,甚至系统级的优化设计,都有着全栈AI驱动的解决方案。7Ymesmc

以Allegro X AI为例,这是面向PCB板的解决方案,它可以完成板上元件的自动布局,自动生成,以及关键信号的自动布线。之前手工对这样的板子可能需要几天时间,现在利用X AI这样一个新的解决方案,可将时间缩短至几个小时。7Ymesmc

通过客户的实际案例,可以看到,元件布局的时间,可以由几十倍的时间收益。同时,对于大家更为关注的设计的质量,也就是X AI生成的质量会更高,这体现在连线长度更短,这意味着PCB尺寸可以变得更小。7Ymesmc

7Ymesmc

Cadence Verisium在验证当中的应用,验证工具真正花费的时间只有20%左右,剩下的时间都花费在调试、发现bug、定位bug、解决bug上,所以其基于AI的解决方案,是通过AI的引擎,如何从验证的数据中提取出来哪些故障最为关键,而且能够快速定位出来这些故障对应在设计的什么位置,比如是哪一行的代码造成bug。最后是如何告诉工程师快速地修正故障,解决bug。7Ymesmc

据介绍,目前 Cadence一些用户他们的实际数据,通过波形比较AI的功能,能将发现bug的效率提升30倍之多,定位bug的速度也会大大提升,从而使得整个验证周期大幅缩短。7Ymesmc

传统的数据实现是工程师利用他们的专业知识,利用他们之前项目的经验,来调整工具的选项以及设计的参数,通过不同地迭代优化,最终达到设计目标,这是非常耗时和耗费人工的工作方式。7Ymesmc

Cerebrus基于人工智能强化学习的方式,能够对工具显像也好,flow的变量也好,设计参数也好,这样一个组合的巨大空间当中,可以做智能的搜索,它不再需要数百万次的运行、迭代,以及数月的手工操作,就能够在非常短的时间内得到更好的设计结果。7Ymesmc

7Ymesmc

从结果反馈来看,一个数字电路的实现,关键是PPA。首先,可以生成高达30%-40%的leakeage power improvement,可以降低67%的timing。7Ymesmc

透过客户5纳米的SoC的芯片真实案例,其原来利用传统的Flow,利用人工迭代的方式,得出来一个理想的可以接受的Baseline结果,可能需要18天时间。采用Cold start,得出来的结果花了11.5天,而且结果更好。所以AI Driven的解决方案,能够最大程度地缩短设计周期,提升质量。7Ymesmc

Cadence提供的是全栈的Driven解决方案,上述提到的针对不同应用的解决方案,都是基于联合企业数据和AI平台,简称JedAI平台。此平台使得设计数据和AI训练的信息,都保存在一个开放的Platform内。这些数据信息可以被所有产品,也就是不同的应用,能够无缝传递。举一个例子,上述提到做验证的平白,在做验证的过程中,可以生成所有信号的翻转信息,通过JedAI,这些翻转信息就可以无缝传递到其中,让翻转信息能驱动实现的工具,去做更为准确的功耗优化。7Ymesmc

7Ymesmc

说到JedAI,首先它是一个企业级的,高度可扩展的,分布式的安全的AI平台,它可以存储和处理大量EDA的设计数据。它可以通过数据连接器和这些AI的解决方案,能够无缝衔接,可以有效地传输所有的设计数据。同时它也是一个非常开放的数据连接器,它可以通过标准的行业格式,这些数据通过连接器进来之后,最核心的是JedAI的一个分析引擎,这是核心价值所在。在此之上,会有Open API,一方面提供相应的应用来处理客户的针对性问题。当然,没有办法涵盖所有的需求,所以Cadence开放这个API,客户可以根据自身需求,去开发自己定制化的应用程序。7Ymesmc

例如,Cerebrus是针对数据设计和实现的解决方案,在这之上有非常多的APP,比如可以做优化。在这之前必须工程师手工调节,现在有这样的APP帮助做快速的探索。这样一个APP还可以往前延伸,可以把设计往系统级去延伸,可以去做架构的优化,甚至可以做3D IC的优化。另一端如何提升良品率,这些都是基于Cerebrus之上,增加应用程序,帮助客户快速实现目标。7Ymesmc

大数据模型现在非常热,Cadence也在进行相关的探索,该厂商也会内嵌自己的大数据模型,内嵌当然没有数据安全的问题,数据都是部署在客户端。当然也可以连接第三方的大语言模型。目前在大语言模型的结合上,Cadence与日本瑞萨(Renesas)保持着非常紧密的合作,通过这种方式旨在让设计工程师能够用自然语言作为接口,加速验证调试,提升整体效率。7Ymesmc

“EDA叫做电子设计自动化,所谓的自动化,我们梦寐以求的是能够把一个想法变成一个芯片,这是我们的终极EDA。” 陈敏如此说道,”我们也在考虑,我们是不是能够利用生成式AI的方式,能够生成代码,真正地完成从方案到产品的实现方式。7Ymesmc

小结

展望未来,设计数量不会停在模块级,预计不远的将来,设计数量会发生在子系统级,目前Cadence也在开发一个完整的多模块设计中心,帮助每位工程师完成整个子系统的实现,从而极大地提升设计生产力,这也是能够让摩尔定律得以延续的根本原因。7Ymesmc

责编:Zengde.Xia
本文为国际电子商情原创文章,未经授权禁止转载。请尊重知识产权,违者本司保留追究责任的权利。
夏曾德
夏曾德,《国际电子商情》副主分析师
  • 微信扫一扫,一键转发

  • 关注“国际电子商情” 微信公众号

近期热点

广告
广告

EE直播间

更多>>

在线研讨会

更多>>