EDA走向云端
窗口。dataLayer =窗口。dataLayer | | [];
函数gtag () {dataLayer.push(论点);}
gtag (js,新的日期());gtag(“配置”、“ua - 160857065 - 1”);
如果你是一名一定年龄的工程师，你会记得“工程工作站”。那些高成本、高性能的机器供不应求，被用来运行领先的电子设计自动化(EDA)工具。
但工作站也驱动了芯片和图形架构。Silicon Graphics驱动MIPS架构(并被纳入Cray和现在的HP Enterprise)， Sun Microsystems在被Oracle收购之前有自己的Sparc架构，Digital Equipment (DEC, RIP)有基于arm的Alpha芯片，该芯片由一个后来加入苹果的团队开发，可以说是导致了支持最新Macbook的M1芯片。
然而，这些强大的机器(在当时)被网络超越了。客户机-服务器架构允许更高性能的服务器来运行EDA工具。
这些服务器被整合成服务器农场，现场有机架的处理器，现在我们正看到向云发展的下一个阶段。
“三巨头”Eda供应商在他们的战略路线图中有云已经有好几年了，这项工作今年已经取得了成果。本月初，ARM就展示了云的重要性。
Arm的IP集团总裁Rene Haas表示:“随着我们完成向AWS的迁移，作为我们努力的一部分，Arm正在将其大部分EDA工作转移到AWS，以减少我们全球数据中心的占用率至少45%，并减少80%的本地计算能力。”“我们已经实现了在AWS上EDA工作流的性能时间提高了6倍，并看到了将吞吐量提高10倍的潜力。”
作为这一举措的一部分，AWS使用了来自运行在基于arm的gravon2服务器上的Synopsys的VCS细粒度并行(FGP)技术。这使得突破性连接技术和soc的加速开发和验证成为可能。
下一个:数字双胞胎EDA
VCS与Synopsys Verification IP和Verdi高级调试解决方案的本地集成使设计团队能够以优越的硬件价格/性能实现更高的生产率，加速验证关闭。
亚马逊ECS副总裁David Brown表示:“AWS一直是Synopsys功能验证解决方案的早期采用者，以加速我们下一代数据中心芯片的开发。”“在AWS gravon2上使用Synopsys验证工具，使我们能够以更低的成本执行完整的芯片模拟。”
Synopsys验证组工程副总裁Sandeep Mehrotra表示:“随着SoC设计复杂性的增长，它们所需的模拟周期数量也在增加，这增加了对更多计算能力的需求。”“我们的验证技术合作使AWS能够为他们的数据中心soc执行全芯片模拟，并更快地发现错误。通过针对基于arm的多核和多核CPU平台的云端优化VCS，用户能够将模拟工作负载转移到云端，实现更快的上市时间。”
在此之前，Cadence使用一种称为Cloudburst的技术对其模拟和分析工具进行了彻底的重新架构。
Cadence定制IC & PCB集团多物理系统分析产品管理组主任Brad Griffin说:“之所以说这是正确的时机，是因为Cloudburst确实是EMI测试的答案，而不用花钱买一个500核模拟器的腔室。”“我们可以设置所有的软件运行在一个环境中，一切都是正常运行的，客户可以登录并使用云来确定使用多少核来获得模拟结果。这就相当于你把一个原型放在一个测试室内，”他说。
Mentor，也就是现在的Siemens EDA，也一直在向云端转移，将其EDA工具与之结合。与ST Microelectronics合作，mentor正致力于加速库的特性化，扩大其云处理的规模，将所需时间从数周缩短至数小时。
但这次向云的转移也是为了增加新的功能，尤其是机器学习，Mentor/ST项目也显示了这一点。
这种添加机器学习等其他功能的能力意味着混合云将步工作站的后尘。仍然会有本地处理的需求，特别是对于低延迟的设计流程，比如fpga上的物理模拟，但即使这样，也在向云转移。
数字双
但云不仅仅是EDA流程中的加速点工具。西门子一直在推动将数字双胞胎作为整个设计过程的核心，从芯片到软件再到终端系统。
“当我们第一次开始谈论数字双胞胎时，我们的反应是一直在模拟设计。这是实现数字双胞胎的部分原因，但不仅仅是设计的数字双胞胎，还有提供反馈的制造过程和设备使用方式，”西门子EDA的乔·萨维奇(Joe Sawicki)表示
英飞凌正在将数字双胞胎技术用于汽车设计的芯片设计，
英飞凌科技汽车系统集团高级副总裁Hans Adlkofer表示:“现在的变化是我们正在远离硬件板，很多事情都是通过在线工具模拟完成的，这让人们可以更快地进行早期原型。”“对开发人员来说，越来越大的挑战是软件
ARM已经使用该技术为整辆汽车建模。
Sawicki说:“数字双胞胎不仅在自动驾驶汽车上有用。”“在5G中，我们希望对边缘的行为进行建模，并将其与手机基站、通道和连接到云端的接口结合起来，这样我们就可以对整个堆栈进行建模，并观察5G应用程序将如何执行。”
这当然会给工具链的下游带来挑战，特别是在验证和验证方面
下:EDA的下一步是什么
云端的整合才刚刚开始。随着即将于2024年投产的3nm芯片，芯片设计的尺寸和复杂性正在蓬勃发展，加速单个工具的能力将加快验证和提高质量。2nm一代将为工具带来更多的挑战。
结合工具来创建一个数字双胞胎的能力更令人兴奋。为每一个新设计构建一个数字双胞胎并不划算，因此双胞胎成为了广泛产品的平台，无论是在开发还是在运营中。相反，数字双胞胎在产品的整个生命周期中使用，支持软件升级的开发和测试，并监控性能，以提供预测性维护，在现场出现问题之前突出问题。
Sawicki说:“例如，当现场的设备出现问题时，这些问题可以被捕获并反馈到数字双胞胎中。”这也导致了今年UltraSoc和Moortec的收购，为数字双胞胎模型提供来自芯片的数据。
所有这一切意味着创新的新工具当然将是云原生的，从一开始就设计用来利用现象
但云通过互联互通为工具开辟了新的方向。量子计算机基本上只能通过云访问，并得到经典云计算的支持。退火算法以及地点和路线探索设计空间，寻找局部极小值，这非常适合量子计算。访问AWS Braket服务和来自Microsoft Azure和谷歌Cloud的量子计算。
www.cadence.com;www.synopsys.com;www.arm.com;www.mentor.com
相关文章
eeNews欧洲的其他文章
