人工智能为半导体业开启最佳机遇，芯片设计验证工具链将发生哪些变化？

普华永道调研显示，人工智能将成为下一个推动半导体行业持续十年增长的催化剂;麦肯锡咨询认为，人工智能正在为半导体行业开启数十年来最佳商机。人工智能可以让半导体公司从技术堆栈中获取总价值的40～50%，而EDA工具作为半导体行业的基础，也必将在此次AI革命中从中受益，并必须要跟随AI技术发展作出相应的升级。

在近日召开的Mentor技术论坛北京站上，Mentor IC EDA执行副总裁Joseph Sawicki针对AI给EDA工具带来的机遇和Mentor的战略进行了精彩的演讲。

两个看似相反目标共同推动着AI发展

“两个看似相反的目标正在共同推动着AI的发展：增长的数据中心容量和加强的边缘处理能力。”Joseph如是向记者分享，“网络上海量数据高速增长一定会改变现有CPU或数据中心的现有架构。除了数据中心聚合外，越来越多的计算和处理被移动到了边缘侧进行，这将会提升整体系统的效率。”

AI所带来的机遇已经被大多数半导体公司所认同，因为并不仅仅是AI芯片的设计制造商，整个行业都将受益于此次革命。EDA工具在AI时代到来之际，需要迎合AI芯片设计的需求进行相应的升级和改变，并借助AI的力量来提高自身工具的运行效率。

HLS是连接AI原生环境和芯片的桥梁

对于芯片设计公司而言，未来设计方法论会有一个颠覆性的改变。专注于边缘计算芯片的设计厂商需要着眼于价值堆栈，定制出合适的架构来满足用户体验。如何在原生设计环境中找到可以实现人工智能的最好运用、实现最优的用户体验的路径，这是EDA工具需要进行考量的一个要素。传统在进行SoC芯片设计时，我们更多关注的是规格等参数、譬如内存大小等;而在现在，我们所关注的方法论则是RTL，然后才是在芯片层面上进行验证。

HLS(高阶综合)可以作为连接AI原生环境和芯片的桥梁，它可以帮助芯片设计者更好地实现架构设计、管理内存分配、神经网络的宽度与深度、以及决定在其中编织多少管道;管理好这些因素才能为垂直应用提供优化的IC设计工具体验。

Mentor已经针对垂直应用提供了可供参考的设计和工具，此外Mentor提供了四种人工智能设计可选的工具箱，包括在FPGA领域进行验证。设计平台包含CPU子系统、HW/SW接口和用于系统集成的的HLS加速案例。

据悉，英伟达采用Mentor提供的HLS的方式设计的芯片，在生产率方面提高了50%，验证费用方面减少了80%。

在AI垂直应用层面提高验证效率

在AI芯片的验证方面，也要搭建出更适合AI场景的垂直应用验证环境。传统集成电路芯片验证的测试方法是要验证测试规则、架构和规范等，在AI时代则需要在应用层面进行验证。据Joseph介绍，验证过程中需要通过一些技术手段仿真出一个AI引擎，然后在CPU系统上将数据推送到AI引擎上，这样就会生成一个界面，产生虚拟的PCI，也可以执行用户想要执行的应用，包括整个代码的处理等。然后系统可以将性能、功耗和数据等输出给到验证着，这样在验证进入到芯片层面之前，设计者就可以通过模拟的验证过程而完整地理解到真实芯片在垂直应用层面的具体表现如何。

借助ML的力量，EDA自身也会实现更高的运行效率。在OPC方面，Mentor的工具通过ML将OPC的输出预测在单个纳米精度内，实现了3倍的快速运行。在LFD方面，通过机器学习还可以预测产量限制和设计修改准册。

在大数据应用方面，Mentor可以通过机器学习来变异感知设计与表征、通过根本原因反褶积来提高FinFet的内部产量。

据Joseph分享，在被西门子收购后Mentor开发了一项新技术：在模式分析方面的OPC需要数千个CPU 24小时不间断运行，而借助机器学习这个过程就可以将时间和复杂度降低3～4倍。

机械和电气进行整合模拟验证

自从被西门子收购以后，Mentor已经将自身的算法软件与西门自身的系统进行了整合，目前可以为用户提供机械和电气的统一的验证。这种验证方法对于OEM厂商而言具有较大的意义。举例来说，下图中Simcent Prescan可以模拟道路环境，将数据传送到系统上;Simcent Amesim可以让一级供应商来思考车辆的动力总成和底盘的表现如何、刹车和传动表现如何等;而中间的部分则是芯片的仿真。这样用户就可以在整个产品出来之前就对整个系统进行模拟仿真，实现机械和电气部分在虚拟场景中的验证。

AI芯片设计面临着极大的挑战，而相应的AI/ML IC设计工具也面临着更高的要求。在AI计算领域，ASIC市场预计将越来越大，达到和GPU、CPU三分天下的局面。这也将会给EDA工具厂商带来更多的商机。