江苏龙网

  1. 首页 > 资讯 > 科技 > >

大数据&云计算|芯片设计上云投入产出比可提升百倍！或是新入局者实现超越的机会( 二 )


上云+AI ， 芯片设计投入产出比提升几倍到上百倍
需要强调的是 ， 芯片设计上云更应该关注投入产出比 ， 而非简单的成本投入 。 谢仲辉解释 ， 比如花100万能够买下的工具或者计算资源非常有限 ， 也不一定被充分利用 。 同样100万投资到购买云资源 ， 合理分时优化 ， 长期累积可获取的算力资源以及得到的生产力远超过100万 ， 芯片设计公司应该从投入产出比的角度去看待芯片设计上云 。 同时 ， 借助云上资源和大量的设计数据与AI来优化设计流程 ， 还可以减少人力成本支出 。
【大数据&云计算|芯片设计上云投入产出比可提升百倍！或是新入局者实现超越的机会】
从芯片设计的流程来看 ， 相较于设计流程的其他环节 ， 芯片的仿真验证不仅复杂而且耗时 。 有数据显示 ， 部分芯片设计设计验证所耗费的时间通常高达整个芯片设计周期的70% 。 因此 ， 借助云计算的高算力、内存可以大大减少芯片仿真验证的时间 。
“很多新思工具的基础架构都能够自主进行深度学习 ， 验证工具也增加了AI功能 。 如果是传统地购买EDA工具 ， 工具中的模型数据量是固定的 ， 需要依赖工程师的经验去优化和迭代才能达到芯片的项目要求 。 ”
谢仲辉进一步表示 ， “在云上 ， EDA工具可基于已有的数据进行学习 ， 接下来就可以通过更加智能的工具实施优化 ， 要达到芯片设计目标对工程师的经验要求就会降低很多 ， 效率就相应得以提升 。 可能本来需要5-8位工程师耗时两个月才能达到的优化点 ， 现在仅需要两三位工程师一两周就可以实现 。 我认为这是未来芯片设计上云和EDA工具云化的主要动力之一 。 ”
就在上个月 ， 新思宣布其在Microsoft Azure上运行的IC Validator物理验证解决方案在不到9小时的时间内 ， 完成了对AMD Radeon Pro VII GPU（包括超过130亿个晶体管）的验证 。

那芯片设计上云到底能带来多少倍的投入产出提升？谢仲辉说：“这取决于项目规模和优化程度 。 如果优化得好 ， 可以得到倍数以上的投入产出比提升 。 如果配合深度学习技术的优化 ， 投入产出比的提升可能不止几倍 ， 达到几十倍上百倍都有可能 。 ”
他同时表示 ， 对于中小型公司而言 ， 同等的投入能够能得到倍数的投入产出比 ， 上云的优势不可忽视 。
芯片设计上云将引领芯片行业进入新的良性循环
即便有诸多吸引力 ， 芯片设计上云能否快速普及仍有待观察 。 “芯片设计公司是否上云还有其他方面的考虑 ， IP是芯片设计公司的核心资产 ， 其安全性非常重要 。 另外在法律条款、知识产权保护等方面也存在分歧 ， 还需要考虑第三方IP供应商是否支持上云 ， ”
谢仲辉表示 ， “但芯片设计上云的价值也显而易见 ， 除了已经提到诸多显性价值 ， 诸如灵活的使用模式、更优的投入产出比等 ， 还有一项值得关注的隐形优势——获取专家支持的实时响应 。 在云设计环境中专家级的专业支持和服务是实时的 ， 不用受到任何地域的限制 。 这可以让芯片设计企业在具体工作中切实享受到必备的且相应及时的专业支持 ， 没有后顾之忧 。 ”

大数据&云计算|芯片设计上云投入产出比可提升百倍！或是新入局者实现超越的机会
本文插图

IC研发平台分层架构 ， 来源阿里云研究中心
另外 ， 芯片设计云作为SaaS服务需要EDA工具提供商、云服务提供商、芯片制造商、芯片设计公司等的多方紧密协作 ， 芯片设计云的安全性和能力也与云服务提供商的定位有密切关系 。
但无论如何 ， 芯片设计云释放出的更多算力能够激发工程师产生更多创意 ， 再结合深度学习技术 ， 将会带来数量级的革新 。
近几年 ， 随着AI技术的兴起 ， 拥有大量数据的互联网公司纷纷进入芯片行业 ， 并借助云的方式设计出专用的AI芯片 ， 比如谷歌TPU 。 谢仲辉表示：“这类公司设计的芯片都与数据中心和AI相关 ， 相比一般芯片公司的优势在于拥有大量数据和算法 。 由于这些芯片以满足内部需求为主 ， 可以根据特性的业务进行垂直整合 ， 因此能够在特性场景优化到极致 。 ”


推荐阅读


上一篇：互联网|“5G+工业互联网”领域首个国家级大会将在武汉召开

下一篇：互联网|警惕大润发的另一种竞争