【AET原创】AI时代来临，EDA的变革与发展
——专访Mentor IC EDA执行副总裁 Joseph Sawicki
对于电子工程师来说，EDA（Electronics Design Automation，电子设计自动化）软件，是不可或缺的工具。优秀的EDA工具能够大大提高工作效率，缩短产品开发周期，降低成本。EDA行业高度集中，全球领先的三家厂商占据了全球逾60%的市场份额，Mentor Graphics（简称Mentor）就是其中之一。
2019年9月5日，2019 Mentor论坛在北京举办，Mentor IC EDA执行副总裁 Joseph Sawicki先生作了主题演讲，他表示，人工智能（AI）将对半导体行业带来划时代的影响，并推动EDA技术发生巨大的创新和变革。
Mentor IC EDA执行副总裁 Joseph Sawicki
人工智能将成为未来十年半导体行业的发展动力
近几年，人工智能的热度不言而喻。而人工智能将为半导体行业带来怎样的影响？Joseph援引了近期知名分析机构对此的分析：麦肯锡咨询认为，人工智能正在为半导体产业开启数十年来的最佳商机，而且半导体公司有望从人工智能技术堆栈当中获得高达40%~50%的产值。普华永道的调研显示，人工智能很可能成为半导体行业下一个十年发展周期的催化剂，能够很好地利用这种长期的趋势发挥市场潜力的公司正是那些能够因为人工智能受惠的公司。
Joseph表示，人工智能能够成为半导体行业未来发展的驱动力，重要因素在于近年来爆炸式增长的联网数据。现在有越来越多海量的数据被移动到了网络上面，无论是车与车之间的智能网联，或者是智慧城市、工业化IoT物联网应用以及消费者层面等等，未来十年当中这些高速数据将在网络呈现数十倍的增长。
海量的数据将为行业带来哪些变化？孕育着哪些机遇？Joseph表示，除了数据中心聚合之外，现在越来越多的处理和运算被移动到了边缘进行，边缘计算应用不管是在云的平台还是在其他系统当中都可以大大提高系统的效率。来自第三方调研机构的分析认为，未来六年，边缘计算市场将达到年均190%的复合增长率。这种高速增长的数据一定会转变现有的CPU或者数据中心由云进行管理的架构，这也成为人工智能、机器学习带来的机遇。
AI将对目前IC设计方法论带来颠覆性变革
面向边缘计算应用的芯片设计与传统芯片设计有哪些差异？又对EDA软件提出了哪些挑战？
Joseph表示，人工智能以及机器学习等应用更加面向特定的应用领域，具有与众不同的特点。AI带来的绝大多数机遇都会发生在边缘，而边缘计算应用需求的实现对芯片设计提出了许多新的挑战。目前对于人工智能领域芯片设计的公司来说，传统的计算架构都体现出不足之处。有的时候是CPU太慢，有的时候是GPU功耗太高。对于芯片设计公司来说，必须定制出一些架构来满足用户的体验，未来设计方法论会有一个颠覆性的改变。
Joseph表示，之前提到SOC集成电路芯片的时候更多的是说它的规格，如内存大小，这个时代我们说的方法论更多的是RTL，然后才在芯片上面进行验证。当然，这种验证是为了让芯片的性能更强。但是在人工智能时代需要定制架构满足消费者的用户体验，这样的原生环境就是人工智能的开发平台，设计语言可以是C语言或者C++语言。具体应该怎么做呢？需要找到一个很好的路径，在原生设计环境当中最好地运用人工智能，实现最优的用户体验。
Mentor的Catapult® High-Level Synthesis（HLS）（高阶综合）工具可以作为连接AI原生环境和芯片的桥梁。它可以帮助客户更好地设计架构，管理内存的分配、神经网络的宽度和纵深，以及决定在里面设计多少管道等等。管理好这些因素，才能为垂直应用提供经过优化的IC软件体验。Joseph介绍，Mentor已经针对人工智能领域应用开发出了工具箱，其中四种不同的设计都是可选的，Joseph表示，我们最终想要做出的IP不是要在消费者芯片上直接进行应用，而是更多地帮助消费者有这样的能力驾驭最新的设计方法论。
Joseph表示，现在已经有许多客户都是在用高阶综合的方式来设计人工智能和机器学习的芯片，比如NVIDIA，他们利用Mentor的HLS设计Tegra X1，生产率已经提高了50%，验证成本降低了80%。
垂直化应用场景对仿真验证提出更高要求
人工智能和机器学习将推动更多边缘端计算需求，对于芯片设计者来说，不但设计过程面临挑战，在验证环节同样衍生了更多的需求。在EDA领域具有强大实力的Mentor，结合母公司Siemens的相关技术，更是如虎添翼，在仿真验证领域实力超群。
Joseph表示，设计方法论需要发生转变，验证也需要在方法论上面改变，传统的集成电路芯片验证的测试方法就是要测试规则、架构和规范等等，而在AI时代更多的是垂直应用。需要进行的验证是在应用层面，也就是说需要一些技术仿真出来一个AI引擎，然后在CPU系统上面可以把这些数据推送到AI引擎上面，这样就会生成一个界面，可以产生一个虚拟的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等，性能、耗能以及数据都可以反馈给设计者，就是说没到芯片层面就可以理解整个过程的性能表现如何。
Joseph介绍，西门子近年来在数字孪生方面进行了许多研究，用现在的虚拟验证方式可以仿真出一个产品的模型，也可以仿真这个产品制造的过程，然后再把得到的数据通过物联网回传给整个仿真系统。有了这样的连接，最后的仿真和设计就可以达到非常高的性能和可靠性，目前在电气和机械方面的仿真都可以在设计上完成。
Joseph以自动驾驶领域的应用介绍了Mentor为设计者带来的体验：把Mentor的算法软件和西门子本身的系统整合起来，目前Mentor已经开发出了一个建模系统，可以让自动驾驶的车辆在虚拟的环境当中进行驾驶。如下图所示，左图是西门子的Simcenter Prescan，可以模拟道路环境，包括行人和路况，这些数据都会输送到系统上面。右图当中的Simcenter Amesim可以让一级供应商了解车辆的动力总成和底盘是怎样的，刹车和行驶的时候传动是怎样的。中间的图是芯片仿真，这些都是虚拟数据，可以很好地进行数字孪生，无论是汽车设计者还是芯片设计者都可以很清楚地知道最后的体验。