【原创】产品设计周期越来越短,IC业者该怎么应对?

winniewei 提交于 周二, 12/11/2018
【原创】产品设计周期越来越短,IC业者该怎么应对?

作者:张国斌

最近两年,电子产品设计周期呈现不断缩短趋势,以手机为例,传统上9个月左右出一款新机型,但是现在中国手机品牌可以做到4个月出一款新机型,且这样的新机型并非简单的外观、存储容量升级,而是要增加新的创新功能,这对提供新功能的IC业者提出了严峻挑战,他们不仅需要在内部改革产品设计流程,更在外部需要得到EDA厂商的支持,那么,EDA厂商又是如何帮到他们的呢?

1

 “近几年汽车行业面临的挑战越来越大,不仅要采用大量半导体器件,更要加快芯片开发,未来新车型的开发周期将缩短到2~3年,但传统芯片开发周期都在2年,而且高端车型软件代码量高达1亿行!该如何应对这个挑战?”在近日珠海召开的ICCAD2018上,新思科技中国区副总经理王礼宾在主题演讲中剖析了IC业者面临的挑战后指出,“人工智能技术将全面展开,目前人工智能芯片算力还很低,要大幅度提升人工处理芯片性能,就必须在人工智能芯片架构上做创新。”

此外,他指出其他行业也有高性能需求,例如,在仿真新药分子结构的时候,超级计算机需要花数小时来测算其在一毫秒内的运动行为,速度可达Z级计算标准即每秒1021 次浮点运算,所以现在处理器还需要大幅度提升处理能力。

性能要提升,功耗要下降,设计周期还要缩短,这些以往看似不可能完成的任务现在要实现,如何突破挑战?他表示要应对新的挑战,必须注重计算架构及处理器设计的突破,加强软硬件协同设计和优化,改变传统的设计理念和方法,图灵奖得主David A. Patterson曾表示现在是计算机系统结构的黄金时代,专为处理特定型计算问题而定制的革命性新硬件架构和新软件问题正等待着我们的去开发。

2

实际上,新思科技已经推出能在供应链中轻松共享架构性能要求的虚拟原型关键技术。例如最近发布的Platform Architect™解决方案采用了任务图生成器(TGG)技术,可自动从软件应用程序中提取关键性能特征,从而支持架构探索,优化下一代多核系统级芯片(SoC)的性能和功率。

日本电装公司基础电子研发部门的项目经理Takashi Abe就表示:“为了应对日益增长的软件内容,汽车电子系统中越来越多地使用多核架构。使用Platform Architect中的TGG功能,我们能够捕获现有软件的关键特征,得出高度准确的下一代多核架构的性能。在早期的规划阶段中使用这种方法,我们就能够确保系统规格满足这些应用程序苛刻的性能要求。”

3

使用Platform Architect,半导体供应商就能根据系统客户的软件应用程序要求定义下一代SoC的架构规格。系统设计人员可以映射TGG生成的软件工作负载模型,得到任务图,以便处理SoC中的资源。这允许他们在开发周期之初就探索、分析和优化下一代多核SoC架构的性能和功率。因为任务图是抽象的工作负载模型而不是真实的软件,所以系统设计团队能够更轻易地按照可执行规格与半导体供应商共享这些内容,改善供应链中的合作。

王礼宾表示采用新思科技的虚拟原型软硬件协同设计后,可将未来智能汽车5-7年设计开发周期压缩到2-3年之内。

01 高屋建瓴,新思科技如何帮助本土IC企业加速设计

4

新思科技全球资深副总裁暨亚太总裁林荣坚表示中国现有1600多家IC公司中绝大多数是年营业额在1亿以下的,这些企业应该思考自己的核心竞争力,然后确定合理的产品定位和市场。

新思科技1995年落户中国,2004年协助大唐电信完成中国第一款SoC, 23年来我们一直帮助本土IC设计公司,现在设计业面临新的挑战,新思科技不但提供大量经过验证的IP ,更从软硬件协同、封装、虚拟原型方面加速IC设计。

在本次ICCAD技术分论坛上,新思科技中国区技术应用总监关逸基以及新思科技华南区IP销售总监钟香建都从技术实现层面介绍了新思科技如何帮助本土AI与汽车电子IC企业加速设计。

5

关逸基表示谷歌阿法狗、阿法元的示例给EDA产业带来很多启发,“我们也在思考如何通过机器学习提升IC设计效率和降低成本,尤其是最近两年,虽然摩尔定律放慢了,但是我们看到,客户设计的晶体管数量却还在依据这个定律增长,还有,我们看到台积电的7nm芯片design rule比16nm增加了一倍,芯片复杂度提升很多,但设计周期却在缩短,这就给设计师提出了很多挑战,因此我们在想是否可以通过机器学习来提升设计效率。”他指出。“其实人类设计师就是不断修正错误的过程中提升设计能力的,基于这个思路可以用机器学习设计。”

6

机器学习如何帮助IC设计?关逸基表示其实机器学习的本质是从大数据总抽取出属于我们自己的数据,建立一个机器学习的算法,然后通过不断的迭代来优化结果,这样可以建立一个机器设计的模型。

7

他以新思科技静态时序工具PrimeTime为例,解释机器学习如何提升IC设计三大挑战之一—时序分析挑战,他表示PrimeTime不但有时序分析功能,它还有先进工程变更指令(Engineering Change Order,ECO)技术帮助降低芯片功耗。

8

采用机器学习之后,PrimeTime通过迭代来优化功耗指标。“我们会在设计中加入一些裕量,然后不断通过筛选更好的设计优化结果,到时序收敛完成时可以裕量收回来,把功耗优化到最好。”

据他透露,经过这样机器学习后的设计效率可以提升4.2倍!即便设计需求不同,但是平均下来,设计面积和功耗优化可以5到10倍平均提升。他认为机器学习已经成为解决高复杂度、高成本挑战的强大技术,具有颠覆性的潜力。

目前,一颗复杂的SoC芯片往往包含很多IP,IP也成为制约IC设计的一个瓶颈,作为全球第一大芯片接口IP供应商,新思科技如何帮助AI和自动驾驶领域的本土企业呢?

9

在11月30日上午举行的IP与IC设计分论坛上,新思科技华南区IP销售总监钟香建从IP的角度介绍了新思科技提供的人工智能相关IP技术解决方案。

他认为人工智技术未来应用呈现急速增长趋势,2018年AI市场规模是18亿美元,到2022年就暴涨到160亿美元,到2021年,主流智能手机都具会有AI处理功能,到2022年数据中心50%的处理器使用AI功能,到2022年20% IoT设备中将具有AI功能,而目前AI的主要应用包括场景、数据中心、汽车电子、5G等等,这样的前景自然吸引了大量IC设计公司进入,在AI SoC设计方面,他认为存在以下挑战:

1、专用处理能力:异构架构、大规模并行计算,大量矩阵运算等等;

2、存储性能:容量和带宽限制、缓存一致性,减少数据搬移;

3、实时连接:-可靠可配置的实时连接能力、实时对接传感器数据如图像、音频、云等等,包括跟云之间的及时性连接性等,此外对功耗还有要求。

0

他表示,针对这样的挑战,新思科技提供完整的DesignWare IP解决方案,涵盖ARC处理器、DDR、USB、CCIX等基于不同工艺及协议的上百个IP,极大得满足了AI芯片公司的各种需求。

1

他进一步解释说新思科技提供的是完整IP解决方案,除了提供经过验证的处理器和标准处理器IP外,针对AI的预处理和后处理,新思科技还提供集成的加速器,以及深度定制的模块例如浮点乘法器,深度优化AI算法,根据客户应用不同,客户可以利用ASIC套件去开发相应的AI的加速器。

对于片内存储需求以及大量存储和并行运算,都有相应的支持,可以加速SoC 的主频,此外还提供云端解决方案,所以新思科技提供整套AI解决方案。

他以汽车电子设计来说明新思科技如何提供对IC厂商的支持,他指出未来三年增长最大的是经过认证的汽车ADAS SoC,从汽车电子架构发展来看,第二代汽车电子架构产生变化,分成几个域,例如车身、动力系统、娱乐系统等,这几个域尽量要独立,在通过车规认证的时候复杂度降低。随着辅助驾驶的要求越来越高,第三代是我们现在处于的阶段,对各个域之间的协同提出了新的要求,只有各个域之间的协同才能完成更复杂的功能,但同时也要尽量保持独立,以确保车载的安全性。第四代也是我们未来的一代,为了满足自动驾驶需求,整个车载系统将是一个融合的系统,第四代是将传统的域融合在一起。

2

他认为车载电子IC最大的设计挑战是车规认证,而新思科技可以提供经过硅验证的安全认证的IP解决方案,这些IP都是完整的车规型解决方案,可以保证IP开发,帮助客户快速拿到车规认证标准。

3

他表示新思科技ARC处理器,MIPI、DDR\LPDDR等都经过了ACQ100的认证,此外一些模拟IP也获得了车规认证。 

451

他强调新思科技在保证车规认证情况下去完成IP开发。另外,交互界面也可以按照要求给客户提供集成硬件以及失效模型的诊断。

林荣坚表示从这个半导体产业发展来看,IC设计的主导已经fabless公司转移到系统公司,转移到提供服务应用的公司上,未来很多系统公司或者提供服务的公司都将开始做IC芯片,而系统公司和服务公司做IC和fabless有完全不同的思路,未来纯粹的fabless公司要成功会很困难,如果大力支持系统公司和服务型公司,则这样公司成功的概率很大。

科技的发展就像是一场永无止境的变革,芯片和软件正在驱动着变革, 新思科技将两者结合,将人工智能嵌入芯片设计来推动产业链的融合与创新,与合作伙伴共同迎接全面智能化的时代。

注:本文为原创文章,转载请注明作者及来源

相关文章

Digi-Key