亚马逊网络服务公司(AWS)以及半导体和硅知识产权开发和授权公司Arm表示，他们已经在云计算中展示了生产规模的电子设计自动化(EDA)，引领了半导体行业的转型。
使这种极端工程可行的关键技术。
EDA工作流程很复杂，包括前端设计、仿真和验证，以及越来越大的后端工作负载，包括时间和功耗分析、设计规则检查以及为生产准备芯片的其他应用程序。这些高度迭代的工作流程通常需要花费数月甚至数年的时间来生产一个新设备，比如片上系统(SoC)，并涉及大量的计算能力。
在本地运行这些工作负载的半导体公司必须不断平衡成本、进度和数据中心资源，以便同时推进多个项目。因此，它们可能面临计算能力的不足，从而导致进程缓慢或承担维护空闲计算能力的费用。
该公司表示，通过将其EDA工作负载迁移到AWS，它克服了传统管理EDA工作流的限制，并通过大规模可伸缩的计算能力获得弹性，使其能够并行运行模拟，简化遥测和分析，减少半导体设计的迭代时间。在不影响交付计划的情况下增加测试周期。Arm利用Amazon Elastic Compute Cloud (Amazon EC2)，通过在各种专门的Amazon EC2实例类型上优化EDA工作流，来简化其成本和时间线。
例如，该公司使用基于AWS graviton2的实例来实现高性能和可伸缩性，从而实现比运行数十万台本地服务器更经济的操作。Arm使用AWS计算优化器，该服务使用机器学习为特定的工作负载推荐最佳的Amazon EC2实例类型，以帮助简化工作流程。
该公司表示，除了成本效益外，它还利用AWS Graviton2实例的高性能来增加工程负载的吞吐量，与上一代基于x86处理器的M5实例相比，每美元的吞吐量持续提高了40%以上。此外，Arm还使用AWS合作伙伴Databricks的服务来开发和运行云计算中的机器学习应用程序。通过运行在Amazon EC2上的Databricks平台，该公司
