Sawicki分享說,在參加Mentor技術論壇之前,他走訪了一些中國企業,其中有一家初創公司,剛剛成立兩年,但是半年前他們的AI晶片就已經去流片了。他感到驚訝的同時,也深表自豪,因為正是機器學習和人工智慧技術,才可以讓該企業在如此短的時間內取得巨大成功。Sawicki特別強調地說:“人工智慧和機器學習在下一個十年將會給整個半導體行業帶來巨大的機遇,EDA領域需要在設計和驗證方法論上有新的轉變。”
之前我們說到SoC積體電路晶片,更多說的是晶片的規格,比如記憶體的大小。而人工智慧時代,未來設計方法論會有一些顛覆性的改變。這個時代的方法論更多的是RTL,然後才在晶片上面進行驗證,這種驗證是為了讓晶片的效能更強。對於半導體公司來說,最重要的,應是著眼於價值堆疊,必須定製出一些架構來滿足使用者的體驗,這樣的原生環境就是人工智慧的開發平臺。
顛覆性方法論帶來的IC設計驗證改變
在傳統的設計環境中,通常會發現,有時候是CPU太慢,有的時候是GPU功耗太高,應該怎麼做?這時候需要找到一個很好的路勁,就是在原生設計環境當中運用人工智慧,實現最優的使用者體驗。
HLS(高階綜合)可以作為連線 AI 原生環境和晶片的橋樑。它可以幫助客戶更好地設計架構,管理記憶體的分配、神經網路的寬度和縱深,以及決定在裡面紡織多少管道等。管理好這些因素,才能為垂直應用提供經過優化的 IC 軟體體驗。
針對HLS(高階綜合),Mentor已經開發出了Catapult軟體高階綜合(HLS)工具包和生態系統,包括C/C++/SystemC HLS、HLS驗證以及低功耗HLS三大產品線。同時在整個Calibre平臺上增加了AI / ML基礎設施,並推出了兩種AI / ML技術,即Calibre Machine Learning OPC(mlOPC)和LFD with Machine Learning。據了解,該套件基於HLS C ++,提供了物件檢測參考設計和IP,可幫助設計人員快速找到神經網路加速器引擎的最佳功率、效能和區域實現。該解決方案還包括一個完整的設定,用於構建AI / ML演示器平臺,在FPGA原型板上提供實時HDMI饋送。
晶片設計的方法論需要發生轉變,驗證也同樣需要在方法論上進行改變。傳統的積體電路晶片驗證的測試方法就是要測試規則、架構和規範等,而在人工智慧時代,更多的是垂直應用。需要進行的驗證是在應用層面,也就是說需要一些技術模擬出來一個 AI 引擎,然後在 CPU 系統上可以把這些資料推送到 AI 引擎上面。這樣就會生成一個介面,可以產生一個虛擬的PCI。此外,也可以執行使用者想要執行的應用,包括整個程式碼的處理等。效能、耗能以及資料都可以通過驗證獲取。換而言之,也就是沒到晶片層面就可以理解整個過程的效能表現如何。
Mentor致力於開源IP
RFD設計中,Mentor也使用了機器學習,可以在雲平臺上面進行 Face ID 或者語音識別。而且知道設計的問題和產出的限制在哪裡,模擬的過程就可以大大降低。通過這樣的機器學習,可以模擬出一個可靠性非常高的庫或者矩陣。此外,通過機器學習方式,還可檢驗出測試系統當中哪些地方是失敗的,然後把這些和實體設計聯絡起來就能夠找出問題在哪裡,更好地推動設計的最終產品。
Sawicki表示:“我們最終想要做出的IP,不是要在客戶晶片上直接進行應用,而是更多地幫助客戶有這樣的能力駕馭最新的設計方法論。具體在IP領域,Mentor的理念更多的是架構層面,也就是開源的IP。有了這樣的方式,我們的客戶就已經能夠得到優化他們設計的起點。我們現在有許多客戶都在用高階綜合的方式來設計人工智慧和機器學習的晶片。比如 NVIDIA ,他們利用這些方法論,一個很好的益處就是生產效率已經提高了50%。更重要的是,他們的驗證成本降低了80%。”
資料中心聚合,看好邊緣計算
那麼到底是什麼因素在驅動這些變革?Sawicki分析說,現在有越來越多海量的資料被移動到了網路上,無論是車與車之間的智慧網聯,還是智慧城市、工業化/消費者層面的物聯網應用等。未來十年,這些高速資料將在網路呈現數十倍的增長,這種高速增長一定會轉變現有的 CPU 或者資料中心由雲進行管理的現有架構,都是由人工智慧、機器學習帶來的機遇。除了資料聚合之外,現在還有越來越多的處理和運算被移動到了邊緣進行,未來六年邊緣計算每年都會有成倍的增長。這些,未來不管是在雲的平臺還是在其它系統當中都可以大大提高系統的效率。
邊緣端連線裝置的年複合增長率將達190%
這些機遇會給市場帶來哪些不同影響?根據市場調研,人工智慧可以助力半導體公司從技術堆疊當中獲得高達40%-50%的產值,移動端時代只是為半導體行業提供價值20%的產值。對於晶片客戶來說,可能會把越來越多的晶片放在資料中心進行管理,或是放在邊緣進行處理。對於風投公司來說,自2001年網際網路泡沫破滅後,風投公司已經大大降低了積體電路行業的投入。不過近幾年,風投資金有了很大的迴歸和劇烈的增長,並且很多公司都已經著眼於人工智慧和機器學習。對於晶片設計公司來說,絕大多數機遇都會發生在邊緣,面對這一顛覆性的市場,必須要做出一些改變。
Mentor模擬+西門子技術,強勢佈局汽車市場
Mentor是在2016年被西門子收購的。在收購當年,業界各種聲音,揣測Mentor緣何被收購。有認為是西門子為將來佈局汽車電子市場而做的努力。今天看來,Mentor對西門子進軍AI領域起到了很大的推動作用。一方面,Mentor在被西門子收購之前在汽車行業表現的就很出色。Mentor有很多IC設計的工具,這些工具可以很好地提供給整車廠的供應商。在被西門子收購以後Mentor又開發了一項技術,還有模式分析方面的 OPC,需要有數千個CPU 24 小時不間斷地跑,通過機器學習提高效率,可以把整個時間和複雜性降低 3-4 倍。
西門子過去這些年裡在數字化雙胞胎技術(Digital Twin)方面一直在下大力氣去做。現在,通過Mentor的模擬系統與西門子的技術整合以後,通過Mentor的虛擬驗證方式生成自動駕駛在虛擬環境中所產生及處理資料的過程,之後將虛擬裝置與西門子Simcentor Amesim機電一體化系統模擬平臺相連線,一方面是Veloce模擬整個晶片平臺,一方面是Amesim模擬整個動力總成和底盤系統平臺。通過雙方互動,實現整個電子和機械一體化的模擬驗證過程,可以讓 OEM 廠商在虛擬環境下直接了解車輛的效能。有了這樣的連線,最後的模擬和設計就可以達到一個非常高的表現和可靠性。據了解,目前在電氣和機械方面已經都可以在設計上完成。
打造成功產品的三個關鍵