新型態(tài)競爭風(fēng)云起 EDA啟動(dòng)AI芯片新戰場(chǎng)

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

相關(guān)廠(chǎng)商必須快速將運算芯片上市，來(lái)處理AI架構的全新挑戰。

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

隨著(zhù)AI技術(shù)的逐漸擴大應用，復雜性也不斷增加，人們越來(lái)越清楚地知道，AI及其許多工具（例如深度學(xué)習、機器學(xué)習等）都將再一次引導全世界走向工業(yè)革命以來(lái)，最大幅度的社會(huì )經(jīng)濟革新。

盡管AI的使用，在道德層面上仍然存在著(zhù)許多的爭議，但不可否認的是，盡管目前仍只是處于A(yíng)I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)現機器的自動(dòng)化。從數據的收集、通訊、機械人技術(shù)、工廠(chǎng)自動(dòng)化、汽車(chē)設計到IC設計產(chǎn)業(yè)，都可以見(jiàn)到AI的蹤影。特別是在IC設計的EDA領(lǐng)域，AI的應用案例更是不勝枚舉。

AI邁入自主系統時(shí)代

根據Mentor Graphics（明導國際）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現已進(jìn)入自主系統的時(shí)代，讓人們可以擁有強大的能力，來(lái)處理運算密集的復雜任務(wù)。AI系統既便利又強大，可以用來(lái)解決全球面臨的各種重大挑戰。

AI系統包括三部分，超大數據集、數據處理算法，以及用來(lái)處理數據的運算硬件。一般來(lái)說(shuō)，AI系統必須要能夠快速地處理大量數據，才能實(shí)際發(fā)揮作用，而這就需要使用快速的運算能力。AI對于運算能力的需求，也催生了AI芯片（或者AI加速器）這個(gè)快速成長(cháng)且充滿(mǎn)競爭的新市場(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)設計與測試的解決方案，來(lái)處理AI芯片架構的全新挑戰。

提高AI運算效能

從Mentor Graphics的研究數據中可以發(fā)現，AI競賽的展開(kāi)，使得AI運算的需求大增，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(zhù)來(lái)看這三家處理器廠(chǎng)商的案例，他們各自采用了不同的硬件技術(shù)，來(lái)滿(mǎn)足AI運算市場(chǎng)的成長(cháng)需求。Graphcore與Mythic這兩家新創(chuàng )公司是以ASIC芯片的方式提供AI運算能力，其ASIC架構是以創(chuàng )新的大規模平行架構為基礎，能夠大幅提升AI系統的數據處理能力。至于Intel、AMD與Nvidia等處理器大廠(chǎng)，則是持續開(kāi)發(fā)并優(yōu)化現有的處理器架構，包括GPU、CPU以及FPGA等，使其能滿(mǎn)足AI系統的運算需求。

事實(shí)上，AI市場(chǎng)可以說(shuō)相當活躍，目前已有超過(guò)50家新創(chuàng )公司以及25家傳統半導體大廠(chǎng)，都爭相搶食AI市場(chǎng)的市占率。由于A(yíng)I相關(guān)廠(chǎng)商的快速成長(cháng)，使得市場(chǎng)競爭也日趨激烈。對這些廠(chǎng)商來(lái)說(shuō)，產(chǎn)品的上市時(shí)間相當重要，因此設計流程中的每一個(gè)細節，包含IC測試與芯片調校等過(guò)程，都必須把『盡快將質(zhì)量最好的芯片送到客戶(hù)手中』當作策略目標。

更快的AI芯片設計工具

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

因此，這樣的發(fā)現使得AI加速器的IP和芯片開(kāi)發(fā)上出現了巨大的成長(cháng)。工程人員可以強制某些算法透過(guò)C語(yǔ)言的調整，使其在現有的ASSP架構上運行，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)行最佳運算，例如在行動(dòng)設備上的ML演算。

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

?閘極數量達數十億的大型設計。

?大量經(jīng)過(guò)復制的處理核心。

?分散的內存。

為特定應用程序開(kāi)發(fā)正確的AI架構，這樣的需求也正驅使著(zhù)EDA工具日新月異，讓相關(guān)廠(chǎng)商能夠開(kāi)發(fā)更高等級的解決方案，現階段許多廠(chǎng)商都正嘗試開(kāi)發(fā)用于A(yíng)I的SoC，使得EDA廠(chǎng)商的相關(guān)業(yè)務(wù)也都出現了成長(cháng)。

Mentor Graphics開(kāi)發(fā)的Catapult HLS平臺，讓AI架構師可以將開(kāi)發(fā)完成的數學(xué)算法轉換成為C或SystemC等語(yǔ)言，并預先了解如何透過(guò)軟件與硬件來(lái)達到AI演算的最佳結果，并將這些AI架構更完美地應用到實(shí)時(shí)的AI裝置上。

利用AI芯片的規則度

AI系統必須快速處理大量數據，這就需要使用快速的運算能力。這也催生了AI芯片這個(gè)快速成長(cháng)且充滿(mǎn)競爭的新市場(chǎng)。

AI芯片通常具有大量相同的核心，利用AI芯片的規則度進(jìn)行可測試性設計（DFT），代表DFT作業(yè)（包含測試插入、測試向量產(chǎn)生以及驗證等）只會(huì )在核心層級完成一次。然后經(jīng)過(guò)sign-off的完整核心會(huì )自動(dòng)進(jìn)行復制，以完成芯片層級的DFT實(shí)作。Mentor Graphics表示，Tessent階層式DFT是相當理想的解決方案，除了能利用AI芯片的規則度，并允許在不同的層級對區塊進(jìn)行完整的DFT sign-off。

對于A(yíng)I芯片來(lái)說(shuō)，以最快的速度將芯片推出市面是首要目標。要滿(mǎn)足這項要求，DFT解決方案必須能夠支持三項關(guān)鍵功能：

?利用AI芯片的規則度

?在RTL中進(jìn)行DFT插入

?消除DFT到測試的迭代

Tessent的RTL（register-transfer level）型階層式DFT與Tessent SiliconInsight方案，能夠縮減DFT與芯片調教所需的時(shí)間。Tessent的RTL型階層式DFT，可利用AI芯片的規則度，完成核心層級的DFT sign-off，以及IJTAG的核心復制與整合。RTL型階層式DFT支持DFT的插入與驗證，以及RTL層級的可測試性分析，進(jìn)而加速設計開(kāi)發(fā)周期。使用這項解決方案，用戶(hù)的測試向量產(chǎn)生速度能提高10倍，向量縮減量能達到2倍，系統內存使用量則能夠減少10倍。

結語(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?。毫無(wú)疑問(wèn)的，在2020年，AI芯片與系統的設計與部署，也將會(huì )隨著(zhù)EDA工具的成熟與完備，而繼續成長(cháng)茁壯。