新型態(tài)競(jìng)爭(zhēng)風(fēng)云起 EDA啟動(dòng)AI芯片新戰(zhàn)場(chǎng)

AI將引導(dǎo)全世界走向工業(yè)革命以來(lái)，最大幅度的社會(huì)經(jīng)濟(jì)革新。

相關(guān)廠商必須快速將運(yùn)算芯片上市，來(lái)處理AI架構(gòu)的全新挑戰(zhàn)。

這樣的需求正驅(qū)使EDA工具日新月異，便于開(kāi)發(fā)更高等級(jí)的方案。

隨著AI技術(shù)的逐漸擴(kuò)大應(yīng)用，復(fù)雜性也不斷增加，人們?cè)絹?lái)越清楚地知道，AI及其許多工具（例如深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等）都將再一次引導(dǎo)全世界走向工業(yè)革命以來(lái)，最大幅度的社會(huì)經(jīng)濟(jì)革新。

盡管AI的使用，在道德層面上仍然存在著許多的爭(zhēng)議，但不可否認(rèn)的是，盡管目前仍只是處于AI發(fā)展的初期，然而AI已被大量部署于許多不同的領(lǐng)域，用于改善并實(shí)現(xiàn)機(jī)器的自動(dòng)化。從數(shù)據(jù)的收集、通訊、機(jī)械人技術(shù)、工廠自動(dòng)化、汽車(chē)設(shè)計(jì)到IC設(shè)計(jì)產(chǎn)業(yè)，都可以見(jiàn)到AI的蹤影。特別是在IC設(shè)計(jì)的EDA領(lǐng)域，AI的應(yīng)用案例更是不勝枚舉。

AI邁入自主系統(tǒng)時(shí)代

根據(jù)Mentor Graphics（明導(dǎo)國(guó)際）所發(fā)表的白皮書(shū)指出，正由于得益于最新的技術(shù)進(jìn)展，AI現(xiàn)已進(jìn)入自主系統(tǒng)的時(shí)代，讓人們可以擁有強(qiáng)大的能力，來(lái)處理運(yùn)算密集的復(fù)雜任務(wù)。AI系統(tǒng)既便利又強(qiáng)大，可以用來(lái)解決全球面臨的各種重大挑戰(zhàn)。

AI系統(tǒng)包括三部分，超大數(shù)據(jù)集、數(shù)據(jù)處理算法，以及用來(lái)處理數(shù)據(jù)的運(yùn)算硬件。一般來(lái)說(shuō)，AI系統(tǒng)必須要能夠快速地處理大量數(shù)據(jù)，才能實(shí)際發(fā)揮作用，而這就需要使用快速的運(yùn)算能力。AI對(duì)于運(yùn)算能力的需求，也催生了AI芯片（或者AI加速器）這個(gè)快速成長(zhǎng)且充滿競(jìng)爭(zhēng)的新市場(chǎng)。要在這個(gè)市場(chǎng)上領(lǐng)先群雄，就必須快速將芯片上市，并且透過(guò)設(shè)計(jì)與測(cè)試的解決方案，來(lái)處理AI芯片架構(gòu)的全新挑戰(zhàn)。

提高AI運(yùn)算效能

從Mentor Graphics的研究數(shù)據(jù)中可以發(fā)現(xiàn)，AI競(jìng)賽的展開(kāi)，使得AI運(yùn)算的需求大增，每3.5個(gè)月便增加一倍，自2012年起至今，已經(jīng)增加了300,000倍。接著來(lái)看這三家處理器廠商的案例，他們各自采用了不同的硬件技術(shù)，來(lái)滿足AI運(yùn)算市場(chǎng)的成長(zhǎng)需求。Graphcore與Mythic這兩家新創(chuàng)公司是以ASIC芯片的方式提供AI運(yùn)算能力，其ASIC架構(gòu)是以創(chuàng)新的大規(guī)模平行架構(gòu)為基礎(chǔ)，能夠大幅提升AI系統(tǒng)的數(shù)據(jù)處理能力。至于Intel、AMD與Nvidia等處理器大廠，則是持續(xù)開(kāi)發(fā)并優(yōu)化現(xiàn)有的處理器架構(gòu)，包括GPU、CPU以及FPGA等，使其能滿足AI系統(tǒng)的運(yùn)算需求。

事實(shí)上，AI市場(chǎng)可以說(shuō)相當(dāng)活躍，目前已有超過(guò)50家新創(chuàng)公司以及25家傳統(tǒng)半導(dǎo)體大廠，都爭(zhēng)相搶食AI市場(chǎng)的市占率。由于AI相關(guān)廠商的快速成長(zhǎng)，使得市場(chǎng)競(jìng)爭(zhēng)也日趨激烈。對(duì)這些廠商來(lái)說(shuō)，產(chǎn)品的上市時(shí)間相當(dāng)重要，因此設(shè)計(jì)流程中的每一個(gè)細(xì)節(jié)，包含IC測(cè)試與芯片調(diào)校等過(guò)程，都必須把『盡快將質(zhì)量最好的芯片送到客戶手中』當(dāng)作策略目標(biāo)。

更快的AI芯片設(shè)計(jì)工具

大多數(shù)AI開(kāi)發(fā)都是從數(shù)學(xué)算法開(kāi)始的。開(kāi)發(fā)人員在數(shù)學(xué)工具中創(chuàng)建算法，并將其轉(zhuǎn)換為C語(yǔ)言，然后在處理器上運(yùn)行該算法。在這樣的過(guò)程中，工程人員會(huì)發(fā)現(xiàn)算法的某些部分能以最佳方式運(yùn)行，至于其他部分則運(yùn)行速度較慢。

因此，這樣的發(fā)現(xiàn)使得AI加速器的IP和芯片開(kāi)發(fā)上出現(xiàn)了巨大的成長(zhǎng)。工程人員可以強(qiáng)制某些算法透過(guò)C語(yǔ)言的調(diào)整，使其在現(xiàn)有的ASSP架構(gòu)上運(yùn)行，但可能會(huì)降低性能和功耗。至于某些算法則需要特別的邏輯性才能進(jìn)行最佳運(yùn)算，例如在行動(dòng)設(shè)備上的ML演算。

AI芯片雖然可能有不同的架構(gòu)，但通常有幾個(gè)關(guān)鍵的設(shè)計(jì)特性是共享的。通常AI芯片架構(gòu)與測(cè)試要求對(duì)DFT實(shí)作策略會(huì)產(chǎn)生影響。無(wú)論使用的架構(gòu)為何，AI芯片通常都具有以下的設(shè)計(jì)特性：

?閘極數(shù)量達(dá)數(shù)十億的大型設(shè)計(jì)。

?大量經(jīng)過(guò)復(fù)制的處理核心。

?分散的內(nèi)存。

為特定應(yīng)用程序開(kāi)發(fā)正確的AI架構(gòu)，這樣的需求也正驅(qū)使著EDA工具日新月異，讓相關(guān)廠商能夠開(kāi)發(fā)更高等級(jí)的解決方案，現(xiàn)階段許多廠商都正嘗試開(kāi)發(fā)用于AI的SoC，使得EDA廠商的相關(guān)業(yè)務(wù)也都出現(xiàn)了成長(zhǎng)。

Mentor Graphics開(kāi)發(fā)的Catapult HLS平臺(tái)，讓AI架構(gòu)師可以將開(kāi)發(fā)完成的數(shù)學(xué)算法轉(zhuǎn)換成為C或SystemC等語(yǔ)言，并預(yù)先了解如何透過(guò)軟件與硬件來(lái)達(dá)到AI演算的最佳結(jié)果，并將這些AI架構(gòu)更完美地應(yīng)用到實(shí)時(shí)的AI裝置上。

利用AI芯片的規(guī)則度

AI系統(tǒng)必須快速處理大量數(shù)據(jù)，這就需要使用快速的運(yùn)算能力。這也催生了AI芯片這個(gè)快速成長(zhǎng)且充滿競(jìng)爭(zhēng)的新市場(chǎng)。

AI芯片通常具有大量相同的核心，利用AI芯片的規(guī)則度進(jìn)行可測(cè)試性設(shè)計(jì)（DFT），代表DFT作業(yè)（包含測(cè)試插入、測(cè)試向量產(chǎn)生以及驗(yàn)證等）只會(huì)在核心層級(jí)完成一次。然后經(jīng)過(guò)sign-off的完整核心會(huì)自動(dòng)進(jìn)行復(fù)制，以完成芯片層級(jí)的DFT實(shí)作。Mentor Graphics表示，Tessent階層式DFT是相當(dāng)理想的解決方案，除了能利用AI芯片的規(guī)則度，并允許在不同的層級(jí)對(duì)區(qū)塊進(jìn)行完整的DFT sign-off。

對(duì)于AI芯片來(lái)說(shuō)，以最快的速度將芯片推出市面是首要目標(biāo)。要滿足這項(xiàng)要求，DFT解決方案必須能夠支持三項(xiàng)關(guān)鍵功能：

?利用AI芯片的規(guī)則度

?在RTL中進(jìn)行DFT插入

?消除DFT到測(cè)試的迭代

Tessent的RTL（register-transfer level）型階層式DFT與Tessent SiliconInsight方案，能夠縮減DFT與芯片調(diào)教所需的時(shí)間。Tessent的RTL型階層式DFT，可利用AI芯片的規(guī)則度，完成核心層級(jí)的DFT sign-off，以及IJTAG的核心復(fù)制與整合。RTL型階層式DFT支持DFT的插入與驗(yàn)證，以及RTL層級(jí)的可測(cè)試性分析，進(jìn)而加速設(shè)計(jì)開(kāi)發(fā)周期。使用這項(xiàng)解決方案，用戶的測(cè)試向量產(chǎn)生速度能提高10倍，向量縮減量能達(dá)到2倍，系統(tǒng)內(nèi)存使用量則能夠減少10倍。

結(jié)語(yǔ)

既然AI的寶箱已經(jīng)被開(kāi)啟，我們所需要的就是用正面與積極的態(tài)度來(lái)?yè)肀：翢o(wú)疑問(wèn)的，在2020年，AI芯片與系統(tǒng)的設(shè)計(jì)與部署，也將會(huì)隨著EDA工具的成熟與完備，而繼續(xù)成長(zhǎng)茁壯。