從算法到硬件以最高效率實現(xiàn)機器學習的AI應用

半導體產(chǎn)業(yè)在自動駕駛汽車、智能手機、智能穿戴、通信、物聯(lián)網(wǎng)等新興領域的驅動下迎來了新一輪發(fā)展高潮，但同時其復雜度、性能、功率等挑戰(zhàn)是巨大的，過去將近十年，核心CPU的運算速度和功耗已經(jīng)達到極致，滿足特定領域硬件加速的需求迫在眉睫，Mentor全球副總裁兼亞太區(qū)總裁Danny Perng指出，尤其是在機器學習以及人工智能領域，需要利用新的設計方法和設計工具加速芯片設計。

Mentor全球副總裁兼亞太區(qū)總裁Danny Perng

半導體行業(yè)被冷落多年后重新成為投資界的寵兒，數(shù)據(jù)顯示，2017年資本行業(yè)開始加大對半導體產(chǎn)業(yè)的投資，特別是在2018年達到了有史以來投資高點，其中相當大一部分投資聚集在人工智能和機器學習領域，據(jù)相關預測，在2025年有望達到5萬億美元的規(guī)模市場。Danny Perng指出AI不是一個新事物，特別是現(xiàn)在汽車的復雜度上升到新的數(shù)量級，促使系統(tǒng)公司加入數(shù)字孿生技術，在從系統(tǒng)到芯片到軟件的過程中找到解決難題的答案。

絕大部分應用都與人工智能息息相關，實際上人工智能就是模仿人的大腦，需要強大的存儲基礎，把訓練經(jīng)驗積累起來快速運算做出決策。Danny Perng表示，根據(jù)不同的硬件架構有不同的考量，要在算法中做到最優(yōu)化的方法之一是利用HLS（高階綜合工具）將人工智能、機器學習等技術融合在一起生成高效RTL代碼以加速ASIC的設計，在復雜多變的算法中加快高性能且低功耗的設計過程。

Danny Perng進一步解釋道，HLS基于高階綜合設計方法學，將設計層次抽象到算法級，將設計的低值且復雜的 領域交給工具自動完成，使設計人員能夠將更多的時間應用在算法設計、優(yōu)化、架構探索等高價值領域，提高設計效率，專注產(chǎn)品質量的提升。他表示，希望通過EDA設計工具，免去設計工程師的基本的、簡單的工作，將精力注入更深層次問題的解決，尋找到更有效率更加創(chuàng)新性的東西，這也是應對半導體行業(yè)人才短缺的問題之一。

EDA工具解決的很多問題沒有精準的模型，以往傳統(tǒng)的算法會帶來各種各樣的問題，而用人工智能和機器學習的方式去解決，會產(chǎn)生比較好的結果。Danny Perng例舉了英偉達和谷歌的案例，利用Mentor HLS設計，將設計效率提高50%的同時，英偉達減少了80%的驗證成本；谷歌驗證RTL代碼的時間縮短兩倍，驗證的速度加快500倍，并且99%的錯誤都可以在C仿真階段暴露出來。

Mentor認為系統(tǒng)和IC是要并重的，現(xiàn)在除了設計公司，更多系統(tǒng)公司、供應商加入到芯片設計的領域中來，系統(tǒng)公司們非常清楚自己的應用場景，專注在特色上下功夫，而每一家的專注點又不一樣，一來芯片供應商不夠充分了解自身需求的芯片，二來也不會專門為其需求設計一款芯片，這促使系統(tǒng)公司們轉而利用EDA廠商提供的設計工具來自己設計芯片，特斯拉就是一個很好的例子。Danny Perng分析，為應對市場的快速需求，特斯拉開始自己設計計算機芯片，將處理速度提高10倍的同時大幅降低功耗，以進一步實現(xiàn)自動駕駛技術。其厲害之處就在于他的算法，因為他們知道需要什么東西，在他們的專業(yè)領域他們是最牛的，所以可以寫出最好的算法。

據(jù)悉，為了不斷實現(xiàn)設計工具的升級與創(chuàng)新，Mentor還在業(yè)務中引入了人工智能和機器學習等新技術、新應用，利用工具Caliber能夠提升后端DFM良率并且做出分析，在實現(xiàn)加快開發(fā)速度的同時可減少仿真次數(shù)。Danny表示，通過近幾年大力度的投入Mentor在Machine Learning領域真正能夠幫到客戶開發(fā)其理想產(chǎn)品。

確確實實，人工智能、機器學習等技術正在改變EDA設計工具，它將為整個EDA設計的發(fā)展帶來更多新的機會和可能性。Danny 稱，眼下CPU的運算速度和功耗已經(jīng)達到了極致，西門子也是結合系統(tǒng)加上Mentor的 EDA直到IC實現(xiàn)Digital Twin，就是把西門子最強的建模（Modeling）外接的訊號接入進來不用再做出芯片，而是把算法集成（Algorithm Integrated）做到最佳，最終要達到最高效率實現(xiàn)Machine Learning或者AI應用。