2022年会成为芯片设计的云年吗？基于云的芯片设计成为现实-电子发烧友网

作者：新思科技云解决方案副总裁 Sandeep Mehndiratta

如果您无法再在 Netflix 上播放电影、无法通过 Paypal 支付在线购买的账单或远程工作，该怎么办？那是一个没有云计算的世界。

云计算的概念在大多数行业和企业中根深蒂固，IT 专业人员、开发人员和 C 级管理人员都同意依靠公共云服务提供商来托管和维护最关键的数据和计算资源的智慧. 事实上，如果亚马逊、谷歌和微软等公司不通过某种云模型的变化来提供我们所依赖的服务，我们的日常生活将会大不相同。云计算的按需性质为各种类型和规模的公司提供了更高的灵活性和经济效益。

但是——尽管是实现广泛、性能更好和更安全的云解决方案的基础元素——电子和半导体行业在为自己采用该模型方面一直非常缓慢。对 IP 安全性的担忧、超专业应用程序的性能需求以及希望保持对事物的控制的普遍趋势阻碍了领先芯片和电子系统的设计人员更广泛地接受云计算。

鉴于需要更大更好芯片的大局趋势，思维方式开始发生变化。硅设计的新创新是推动从 4G-5G-6G 的通信迁移、满足药物和生物科学研究、环境建模、更好地了解气候变化以及探索产生能源或生产新方法的大数据需求的关键。产生水。所有这些先进的、需要大量计算的应用程序都依赖于前所未有的芯片和系统复杂性，而这反过来又需要强大的计算主干来设计它们。

Synopsys 在促进为云供应商开发高性能计算 (HPC) SoC 方面发挥着不可或缺的作用，因此我们对这些设计人员从 EDA 的角度为 HPC 工作负载生产芯片的需求有着一线的视角。我们在优化一些关键应用程序以在云中高效运行方面取得了重大进展，虽然在采用托管芯片设计方面取得了令人鼓舞的步骤和一些显着的成功，但一场完美的驱动因素风暴很可能会加速向云计算的趋势。未来一年的 EDA 工具的 SaaS 模型。

是什么推动了芯片设计采用云？

云模式在其他行业的成功并没有输给传统保守的半导体行业。看到财富 500 强公司和知名研究机构将他们最重要的销售、人力资源、财务、工程和其他关键运营信息信任到云中，现在让芯片设计决策者相信它也可以为他们工作。事实上，云提供商为资源提供的精细遥测、监控和控制取代了企业在其本地数据中心部署的安全机制。因此，尽管安全始终是一个没人愿意减少的问题，但它已不再是一个顶级问题。

在科学研究、医学研究、金融和能源领域需要 HPC 的用例证明，当需要灵活访问最强大的资源时，并不总是需要，甚至不是最优的，在本地拥有所有马力。许多计算密集型应用程序可以在安全可靠的数据中心同样高效地运行，从而减轻管理开销并为设计团队提供更高的灵活性。我们已经看到我们自己的客户在使用云优化工具进行数字实施、图书馆表征、签核、自定义布局和物理验证方面取得了显著成功。通过我们自己的经验，我们已经看到基于云的计算的灵活性和弹性在许多层面上都起作用。

关键事件的融合正在推动芯片设计采用云：

超融合集成的系统复杂性以及摩尔定律的规模复杂性需要超融合设计流程，而这反过来又需要成倍增加的计算和 EDA 资源
云服务提供商已经扩展了HPC 优化基础设施的可用性、可负担性和处理这些工作负载的能力
AI 正在更多的设计流程和设计工具中使用，对前两个场景具有自然的乘法效应

半导体公司对用于计算和管理所需资源的共享或托管模型的信心和信任发生了重大转变。安全态势、身份管理和其他基础设施增强方面的改进促使工程团队和高管跨越鸿沟，采用更灵活和更具成本效益的方法来支持他们的工程工作。

而这是半导体行业，主要驱动力是规模和性能。随着芯片和系统变得越来越大和越来越复杂，访问更多计算资源几乎是一种无法满足的需求。对于某些人来说，在内部设置和管理一个又一个服务器群是不切实际的，如果不是不可能的话，尤其是如果对此类资源的需求是周期性的——大多数芯片设计验证过程就是这种情况。仅在需要时才利用额外的马力，即使是最大的公司也能获得额外的灵活性和敏捷性，更不用说为快速创业提供更经济有效的方法了。

云为任何规模的公司和任何应用程序提供了在安全环境中根据需要扩展设计和验证能力的灵活性。在芯片设计的情况下，团队可以访问最先进的计算和存储资源，降低他们自己的系统维护成本（甚至完全消除它们），并享受更灵活的基于使用的模型，支持一些常见的突发使用期芯片设计过程的各个阶段。Synopsys 提供了一套强大的安全工具来降低基于云的环境中的风险。

实现更多的协作和灵活性，以及更高的效率

无论你在哪个行业，过去两年都改变了传统的工作模式，也许是永久性的。今天的随时随地工作的现实实际上是一般科技公司的延伸，尤其是电子和芯片公司，已经有一段时间了。协作一直是电子设计成功的基石，而顶级公司早就采用了分散的劳动力模式——使他们能够利用全球的卓越中心和技能组合，并保持项目全天候运行。

采用第三方托管的以云为中心的模型只会加强这种方法，在某些情况下提供更优化的基础架构，以允许团队共享信息、协作工作并访问他们目前需要的共享资源，从而支持灵活的高峰使用模型. 在同时管理硬件/软件设计时尤其如此，这在当今的系统开发世界中是必须的。

在大多数情况下，基于云的模型最适合在计算资源的潜在需求成为瓶颈的领域进行芯片设计。这可能是在大规模验证项目中，例如，蛮力计算优先于人类设计专业知识和技能。此外，计算密集型任务（例如功率估计和噪声分析以及形式验证）可以通过云方法在大规模分布式计算和存储资源中分解成更小的部分。本白皮书例如，探索分布式计算模型对设计验证的效率优势。除了利用对强大计算的灵活访问之外，还可以针对云实施优化设计协作任务，例如大型回归测试共享或共享库。

使 EDA 工具适应云端类似于 EDA 工具针对新的多线程和多处理架构进行优化时的过渡。支持云的分布式计算和分布式存储基于相似的底层原理，我们将看到更多针对这种使用模型优化的 EDA 工具。