0
近幾年，傳統(tǒng)行業(yè)正在加速上云推進數字化轉型。芯片設計雖屬于傳統(tǒng)行業(yè)，但芯片設計上云已經有多年的歷史。只是，隨著云計算方式的普及和硬件性能的提升，用云的方式設計芯片能夠獲得幾倍到上百倍的投入產出比的提升，因而被越來越多芯片設計公司采用。
對于新興的芯片設計公司而言，這或許是一個超越傳統(tǒng)大公司的機會。當然，成熟的芯片設計公司也可以借助云計算的方式實現更好的配置資源。
習慣了傳統(tǒng)芯片設計方式的成熟公司會欣然接受云上設計芯片嗎？芯片設計云又會給芯片行業(yè)帶來哪些的改變？
芯片設計為什么要上云？
很早之前，全球三大EDA提供商之一的新思科技就已經在積極探索云化EDA（電子設計自動化，Electronic Design Automation）工具，幫助芯片公司設計出更好的芯片。
新思科技中國副總經理、芯片自動化事業(yè)部總經理謝仲輝先生告訴雷鋒網：“我們多年前就開始部署EDA工具云化的項目，主要是與大型芯片公司合作開展內部云上部署。例如，我們攜手臺積電共同部署云上設計和芯片制造平臺，幫助臺積電成為首家實現云設計的代工廠。我們很驕傲，世界上首枚完全在云上實現的芯片就誕生在這個平臺上。我們還與臺積電在微軟Azure平臺上成功實現云上時序signoff新流程，加快下一代片上系統(tǒng)的開發(fā)。”
新思科技中國副總經理、芯片自動化事業(yè)部總經理謝仲輝
之前無論是云技術的生態(tài)和客戶接受程度，還是硬件的先進性都還不足以讓云上設計芯片得到推廣。但近幾年，我們看到國外的亞馬遜AWS、微軟Azure、谷歌云，國內的阿里云、紫光云都相繼推出芯片設計云，芯片設計云的接受程度隨之提高。
“芯片設計上云最大的驅動力是靈活優(yōu)化資源分配，” 謝仲輝指出，“對于中小型芯片設計公司，每年大規(guī)模項目的數量并不多，購買整個芯片設計過程中的所有工具和計算資源的成本高昂。對于財力雄厚且項目眾多的大公司，多個項目同時推進或臨時增加項目也會需要彈性的算力和額外的設計工具。所以無論公司規(guī)模大小，上云這種方式能夠滿足不同芯片設計公司在資源優(yōu)化方面的需求。”
特別是，在芯片設計復雜度不斷增加的當下，企業(yè)的IT與設計部門越來越難以依賴經驗進行有效算力與工具需求計算的匹配，超前部署算力資源會帶來巨大的成本負擔，算力與工具不足又難以快速滿足突發(fā)的、波動的負載。
這其中很重要的原因是芯片設計周期很長且每個流程的算力需求不同。芯片設計流程一般包含功能設計、設計描述、設計驗證等前端設計，以及綜合、STA（靜態(tài)時序分析）、PR（自動布局布線）等后端設計。
SoC設計流程，來源阿里云研究中心&新思科技
一位業(yè)內人士告訴雷鋒網，芯片設計的前端和后端對算力的需求不同，前端是單線程、高并發(fā)、原數據密集式的小文件為主，后端的設計仿真是多線程、大文件。并且，設計的芯片制程越先進對算力的需求越高，不同制程節(jié)點間的算力需求差別可達指數級。
謝仲輝也表示：“整個芯片設計的流程一般在12個月到18個月，每個階段使用的設計工具無論是數量還是種類上都不盡相同。芯片設計上云能夠協(xié)助中小型芯片公司充分利用有限的資金、人力資源，優(yōu)化工具和算力資源配置，提升自身技術創(chuàng)新力，追趕相對成熟的設計公司。”
上云+AI，芯片設計投入產出比提升幾倍到上百倍
需要強調的是，芯片設計上云更應該關注投入產出比，而非簡單的成本投入。謝仲輝解釋，比如花100萬能夠買下的工具或者計算資源非常有限，也不一定被充分利用。同樣100萬投資到購買云資源，合理分時優(yōu)化，長期累積可獲取的算力資源以及得到的生產力遠超過100萬，芯片設計公司應該從投入產出比的角度去看待芯片設計上云。同時，借助云上資源和大量的設計數據與AI來優(yōu)化設計流程，還可以減少人力成本支出。
從芯片設計的流程來看，相較于設計流程的其他環(huán)節(jié)，芯片的仿真驗證不僅復雜而且耗時。有數據顯示，部分芯片設計設計驗證所耗費的時間通常高達整個芯片設計周期的70%。因此，借助云計算的高算力、內存可以大大減少芯片仿真驗證的時間。
“很多新思工具的基礎架構都能夠自主進行深度學習，驗證工具也增加了AI功能。如果是傳統(tǒng)地購買EDA工具，工具中的模型數據量是固定的，需要依賴工程師的經驗去優(yōu)化和迭代才能達到芯片的項目要求。”
謝仲輝進一步表示，“在云上，EDA工具可基于已有的數據進行學習，接下來就可以通過更加智能的工具實施優(yōu)化，要達到芯片設計目標對工程師的經驗要求就會降低很多，效率就相應得以提升。可能本來需要5-8位工程師耗時兩個月才能達到的優(yōu)化點，現在僅需要兩三位工程師一兩周就可以實現。我認為這是未來芯片設計上云和EDA工具云化的主要動力之一。”
就在上個月，新思宣布其在Microsoft Azure上運行的IC Validator物理驗證解決方案在不到9小時的時間內，完成了對AMD Radeon Pro VII GPU（包括超過130億個晶體管）的驗證。
那芯片設計上云到底能帶來多少倍的投入產出提升？謝仲輝說：“這取決于項目規(guī)模和優(yōu)化程度。如果優(yōu)化得好，可以得到倍數以上的投入產出比提升。如果配合深度學習技術的優(yōu)化，投入產出比的提升可能不止幾倍，達到幾十倍上百倍都有可能。”
他同時表示，對于中小型公司而言，同等的投入能夠能得到倍數的投入產出比，上云的優(yōu)勢不可忽視。
芯片設計上云將引領芯片行業(yè)進入新的良性循環(huán)
即便有諸多吸引力，芯片設計上云能否快速普及仍有待觀察。“芯片設計公司是否上云還有其他方面的考慮，IP是芯片設計公司的核心資產，其安全性非常重要。另外在法律條款、知識產權保護等方面也存在分歧，還需要考慮第三方IP供應商是否支持上云，”
謝仲輝表示，“但芯片設計上云的價值也顯而易見，除了已經提到諸多顯性價值，諸如靈活的使用模式、更優(yōu)的投入產出比等，還有一項值得關注的隱形優(yōu)勢——獲取專家支持的實時響應。在云設計環(huán)境中專家級的專業(yè)支持和服務是實時的，不用受到任何地域的限制。這可以讓芯片設計企業(yè)在具體工作中切實享受到必備的且相應及時的專業(yè)支持，沒有后顧之憂。”
IC研發(fā)平臺分層架構，來源阿里云研究中心
另外，芯片設計云作為SaaS服務需要EDA工具提供商、云服務提供商、芯片制造商、芯片設計公司等的多方緊密協(xié)作，芯片設計云的安全性和能力也與云服務提供商的定位有密切關系。
但無論如何，芯片設計云釋放出的更多算力能夠激發(fā)工程師產生更多創(chuàng)意，再結合深度學習技術，將會帶來數量級的革新。
近幾年，隨著AI技術的興起，擁有大量數據的互聯網公司紛紛進入芯片行業(yè)，并借助云的方式設計出專用的AI芯片，比如谷歌TPU。謝仲輝表示：“這類公司設計的芯片都與數據中心和AI相關，相比一般芯片公司的優(yōu)勢在于擁有大量數據和算法。由于這些芯片以滿足內部需求為主，可以根據特性的業(yè)務進行垂直整合，因此能夠在特性場景優(yōu)化到極致。”
由此一來，這些伴隨AI和云技術出現的芯片設計公司，長期來看可能會對芯片行業(yè)的研發(fā)模式、技術趨勢、產業(yè)鏈、商業(yè)模式甚至文化帶來一定的改變。
謝仲輝認為這將會是一個良性的循環(huán)。對于那些有決心投入芯片設計的互聯網及系統(tǒng)公司，他們需要理解并接受芯片的投入周期相對軟件開發(fā)會更長。同時，他們又會對傳統(tǒng)芯片公司帶來新的啟發(fā)，讓傳統(tǒng)的芯片巨頭不再局限于芯片的性能和功耗，還需要與用戶的應用場景緊密結合并提供更好的服務體驗。
一個典型的例子就是手機行業(yè)的蘋果、華為、三星自研的SoC無不讓第三方手機SoC提供商感到壓力，為此，他們想要提供比手機廠商自研芯片表現更好的芯片，就需要與用戶體驗做更緊密的結合。
接下來的關鍵問題就是，傳統(tǒng)的芯片設計公司會有多少能夠快速接受設計上云的形式？他們與云時代誕生的新型芯片設計公司的競爭格局將會如何？時間會為我們書寫答案。雷鋒網
雷峰網原創(chuàng)文章，未經授權禁止轉載。詳情見轉載須知。
