EDA上云是偽需求？人工智能與EDA融合不斷加深

伴隨集成電路60多年的發展歷程，EDA工具行業也歷經了從計算機輔助設計（CAD）到電子系統設計自動化（EDA）的演變。未來，云端EDA工具或許將是一個新的發展趨勢。

EDA上云是不是偽需求

然而目前看來，除了一些大廠之外，EDA上云這個概念依然很少被提及，在普及率上似乎并沒有向傳統EDA看齊，這讓人不禁遐想，EDA上云究竟是否存在市場需求？

電子發燒友網采訪了國微思尓芯的總裁兼CEO林俊雄，他給出了自己的答案：EDA上云未來需求會很大，也是行業一個長期的發展趨勢，全球疫情下EDA云平臺的價值更是凸顯。但是企業對EDA上云這一新模式也在評估，是否采用、何時采用、如何使用等問題，使得考慮時間會比較久。如何保障數據安全、眾多點工具的遷移上云、并能讓工程師快速上手，都是云平臺面臨的挑戰。


云上EDA的缺點

在考慮將EDA和芯片設計轉移到云端時，最大和最明顯的風險之一就是安全性。

芯片設計相關文件是公司的知識產權，在許多情況下，它們可以說是公司最有價值的財產。考慮到這一點，公司歷來將其所有EDA和其他設計文件專門托管在本地機器上，任何人都無法在其網絡之外訪問。云計算本質上不如本地計算安全。遷移到云端，就意味著公司將信任其他實體，來托管可能價值數十億美元的知識產權。

此外，托管上云可以允許成千上萬的用戶同時訪問相同的硬件資源。此功能可能會增加信息被惡意對手竊取或黑客攻擊的風險。

公司如果能放心地將他們的設計遷移到云中，則一定需要云資源已經驗證過端到端的安全性。過去，對半導體知識產權 (IP) 和數據安全性的擔憂阻礙了EDA向云的遷移。


云上EDA的優點

盡管存在安全性的主要缺點，但將EDA遷移到云端仍有好處。

云計算對EDA而言最顯著的優勢之一是它允許公司根據需要向上和向下擴展其計算資源，能從效率、經濟、結果角度提供顯著優勢。

從效率的角度來看，將EDA遷移到云端是非常有益的，它為設計人員提供了無限的計算資源。IC 設計的仿真和驗證在計算上可能非常昂貴，在某些情況下需要一整天才能完成仿真。本地數據中心無法快速適應不斷變化的設計和驗證工作負載。通過將EDA遷移到云端，云計算可以通過訪問更多和靈活的計算資源來幫助提高吞吐量，設計人員可以獲得比其他方式更多的計算資源，從而使他們能夠比更快地仿真和驗證設計。

在經濟效益上，用于EDA的云計算也很有意義。IC設計生命周期的不同階段需要不同數量的計算。某些階段，例如驗證和模擬，可能需要大量計算，而其他階段可能不需要計算。 這在經濟上成為一個挑戰，因為公司可能會購買驗證階段所需的計算，但隨后在計算密集度較低的階段，大部分時間硬件處于閑置狀態。這個過程可以被視為一種資源和資金浪費，他們的計算硬件沒有被使用，這意味著他們的投資沒有得到充分利用。具有“按需付費”結構的云計算有可能通過允許公司根據需要擴大或縮小其計算資源來解決這個問題。這種彈性使公司能夠在給定的時間只支付和使用所需的資源，通過最小化間接成本來節省資金。 像初創公司這樣的公司可能會選擇全部上云。

另一方面，企業半導體公司可能會使用混合云模型來增強其本地數據中心。隨著云服務供應商提供靈活的定價模式，如按需付費定價，設計團隊可以在IP設計開發周期的每個階段根據需要擴展和縮減計算資源。云計算資源有助于減少資本支出并降低全年升級和維護數據中心所需的成本。最重要的是，云計算可以允許訪問可用的最新硬件，否則使用最新硬件持續升級本地機器的成本太高。

從結果質量角度來看，為了滿足規范并適應更小、更先進的技術節點的挑戰，同時不影響結果質量、性能、良率，設計人員需要進行廣泛的驗證以考慮所有潛在的設計變化。這些是高度計算密集型工作負載，需要的計算資源比本地數據中心所能容納的要多得多。芯片設計遷移到云端，能在生產運行時間內以更高的芯片良率達到并超越結果質量。


EDA云工具達到商業化節點

根據researchandmarkets數據，2020年全球EDA市場規模約為115億美元，預計到2025年可達到145億美元。在這其中，云平臺EDA工具所占的比例正在迅速提高。也正因如此，Synopsys、Cadence等國際EDA巨頭越來越重視EDA上云的進程。英特爾、英偉達等芯片巨頭也開始探索EDA云工具的應用。

日前，Synopsys宣布，亞馬遜公司旗下的云計算服務平臺部署了新思科技的VCS FGP 技術。在云端運行相關技術，可讓設計團隊實現更高的效率，縮短驗證收斂時間，獲得優異的硬件性價比。對此，新思科技中國區副總經理許偉表示：“EDA上云是一個發展趨勢，不管是算力還是大數據等云計算端都有著自身的優勢，將有越來越多設計公司從自建私有云向公有云過度?！?br style="white-space: normal; color: rgb(102, 102, 102); font-family: 宋體; font-size: 12px;"/>
隨著公有云架構逐漸穩固，數據安全體系逐漸成熟。目前，EDA云平臺工具和運行環境逐漸整合在一起，產品能夠規模化地復制到不同的行業，并提供給客戶。云技術的運算能力與存儲容量及EDA技術融合，可以在很大程度上解決當前IC設計面臨的算力缺口，為開發者提供實時可用的算力、更加靈活高效的開發環境、更加優化的成本，并縮短產品上市時間?？梢哉f，EDA云平臺產業已經到了商業化發展的關鍵節點。

人工智能與EDA融合不斷加深

在云計算技術的加持下，人工智能與EDA的融合也在不斷加深。通過應用AI技術優化客戶體驗、提升效能是EDA迭代發展的一個重要方向。深度學習等算法能夠提高EDA軟件的自主程度，提高IC設計效率，縮短芯片研發周期。

報告顯示，機器學習在EDA的應用可以分為四個方面：數據快速提取模型；布局中的熱點檢測；布局和線路；電路仿真模型。目前，諸多EDA企業都在人工智能方面進行了深入的布局與開發。Cadence公司中國區總經理 汪曉煜表示：“人工智能在大規模數字芯片優化、數字仿真驗證、PCB設計綜合等領域都有著巨大的發揮空間。以仿真驗證為例，當前企業花費在仿真驗證上的運算資源與時間呈指數級升高。采用機器學習，生產力提升的效率甚至可以達到10倍以上。”

將AI和算法應用于自身的產品中，實現垂直領域的創新解決方案是各大EDA廠商共同的策略。2020年，Synopsys推出用于芯片設計的自主人工智能應用程序DSO.ai，能夠在芯片設計解決方案中，搜索優化目標，利用強化學習來優化功耗、性能和面積。Cadence的Cerebrus直接集成到Cadence工具鏈中，從System C定義到標準庫單元、宏、RTL以及signOff，允許一個工程師給它以任何級別上定義的規范和優化對象。西門子EDA的Solido產品可利用機器學習快速進行特征向量庫的生成和提取，以更少的時間實現更高的驗證精度，并將所得數據以可視化方式呈現。