雖然EDA行業傾向于關注前沿設計，其中的設計成本只占產品總成本的一小部分，但由于電子行業的長尾效應，沿著尾部走得越遠，設計成本占總成本的比例就越大。
許多這類設計傳統上都是使用標準元件（如微控制器）來構建的，但隨著更多的復雜技術逐漸滲透到物聯網邊緣設備中，人們對計算能力的需求正在增加，超出了簡單微控制器所能提供的能力。
標準元件再無法提供可接受的解決方案，其原因五花八門，而且與日俱增。在許多情況下，設計需要自定義內容以減少功耗。設計還需要更高水平的可靠性或額外的安全性，這些都超出了標準元件提供的能力。
如今，由于設計的經濟性，這類元件大多數都未能制造出來。如果設計變得更廉價，整個半導體市場會增長多少？這并不意味著降低工具成本，而是意味著提高生產力，即便這意味著放棄其他東西——例如面積。
圖1：NRE（非重復性工程費用）對總成本的影響。（來源：DARPA CRAFT）
這個問題變得越來越重要，以至于美國國防部高級研究計劃局（DARPA）于2015年在“以更快的時間尺度實現電路（CRAFT）”的保護下啟動了幾個項目。他們的愿景是“大幅降低國防部使用使用尖端CMOS技術構建定制IC的障礙，同時保持該技術承諾的在功率方面的高性能水平?！?/p>
目前，國防部的大部分技術都基于標準元件，再次指出，NRE的成本對于小體積元件而言實在是太高了。該項目著眼于像UC伯克利RISC-V中心的BOOM-2這樣的項目，將其作為概念的驗證。2014年，6名研究生用傳統EDA流程中沒有的語言和技術，在6個月內完成了含有25M個晶體管的設計。
與此相比，有報道稱，英偉達最近的一塊芯片花費了8000名員工一年的時間進行設計。西門子Mentor旗下HLS集團工程總監Bryan Bowyer指出：“沒有多少公司能負擔得起。即使對于大體積芯片而言，NRE成本對人們而言也都是無法控制的。壓力無處不在?！?/p>
減少非重復性工程費用（NRE）并不是什么新鮮事。Arm公司嵌入式和汽車業務戰略副總裁Tim Whitfield表示：“自從客戶擁有工具/無晶圓廠模型開始以來，我們一直在持續努力降低設計成本。從高級設計語言（Verilog / VHDL）和邏輯綜合開始，我們在提高設計質量、提高生產率和最終降低成本方面取得了重大進展?！?/p>
我們還可以看看Arm和其他IP供應商所帶來的巨大的生產力提升。這些成果讓我們走到了今天的位置，我們還需要走得更遠。
關注前沿
傳統上講，支持工具開發的是前沿設計。Cadence的產品管理總監Dave Pursley表示：“盡管我們關注的是大客戶，但我們也有很多客戶在尋求成本更低、生產率更高的解決方案。他們承擔不起投入大量人力的代價，需要找到更好的辦法?！?/p>
Bowyer對此表示贊同，但他也表示，無論如何，這可能并不健全?！澳壳疤幱谇把氐墓救匀皇菍DA工具影響最大的公司。這可能有點問題。我們通過接觸前沿公司來訓練我們的工具，然后讓行業的其他人使用這些工具。我們有機會改善這一流程。當你離開前沿的時候，對面積之類的壓力會小一些?；ㄌ鄷r間去優化那些相對于NRE不需要花費太多成本的東西是沒有意義的?！?/p>
抽象（Abstraction）
抽象是一切改進的核心，這一點幾乎沒有異議。Pursley表示：“在硬件和軟件兩方面都提高抽象級別是有意義的。這樣，你編寫的代碼行數就會更少，這就意味著需要驗證的代碼更少了，而且你的代碼還可以跨代重用。”
但是，對于這個行業的很大一部分而言，抽象的采用已經停滯不前。Whitfield承認：“雖然自動化和抽象水平明顯高于20年前，但復雜性的增長大大抵消了這些進步。在廉價設計和行業發展方向方面，人們似乎更加關注設計的高級抽象，但是如果我們能夠縮小設計描述、功能驗證，以及在芯片中實現的功能之間的差距，它有可能被更廣泛采用?！?/p>
高級綜合
一個引人注目的領域是高級綜合（HLS）。Bowyer指出：“HLS允許你抽象設計，這已成為許多公司使用的技術之一。我們還看到了人們對一種更容易重新配置的新IP的興趣。每個人都希望設計重用，但如果每次改版芯片或遷移到新的工藝節點時都需要重新調整IP，那么就會妨礙設計重用。HLS有機會，因為大多數人不想在總線接口上進行創新，所以，一個工具是否可以讓你僅僅通過一組接口連接若干IP，并對組件進行處理？”
大多數HLS采用者都在使用它來創建優化的解決方案。Pursley補充說：“通過HLS，你可以創建多個實現，可以從一個描述中查看功率、性能和面積。因此，你可以獲得生產力，而且還可以從架構探索中獲益。總是有假設認為你會放棄一些東西，比如性能、功率或面積。面積直接等于成本。工具內部的變化通常意味著你不必放棄任何PPA。你必須放棄的是你正在使用的方法。你確實放棄了一些控制權?！?/p>
有一些例子表明，HLS的使用已經實現了一些非常快速的流片。Syntiant公司硬件副總裁David Garrett表示：“從規格書到流片，我們只花了四個月的時間。在設計周期的頭兩個月，我們使用高級綜合來生成每個區塊的多個實現，包括每個區塊的邏輯綜合的速度、面積和功率估計。這使我們能夠通過硬數據做出權衡決定來優化SoC，然后再讓它通過RTL，來到GDS流程?！?/p>
改善流程（FLOW）
使用標準接口是越來越多的公司采用的一種技術。西門子Mentor事業部產品管理部門總監Prashant Varshney解釋說：“人們傾向于開始轉向易于使用的界面，以便在更高層次上更容易做出改變。然后，工具和自動化的結合將是首選，這是我們所看到的新興市場，他們希望從高級抽象開始，讓工具自動完成任務，而不是在流程的每個階段都必須硬化IP?！?/p>
擁有一組固定接口的半柔性拼圖組件是業界越來越多采用的策略。Pursley指出：“為了使其完全即插即用，無論我做什么，我都能夠插入所有這些組件，你必須注意要讓設計對延遲不敏感，例如使用信號交換等方式。如果你愿意這樣做，而一些公司想要獲得生產率方面的收益，那么你就可以使用這種方法?！?/p>
然而，Pursley提醒說：“人們仍然想知道，如果不用信號交換，他們是否能消除三次翻轉?！?/p>
同樣，把精力集中在前沿領域可能會產生問題。Varshney補充說：“我們意識到，對前沿設計的培訓只會給你一個擴展功能集。雖然其中許多可能適用于其他設計，但你還需要更多東西。例如，180nm的設計僅使用三層進行布線，這是你在前沿應用中永遠不會看到的。但是，這要求你以不同方式管理資源，像全局布線引擎這類東西必須用不同的方式進行調整?！?/p>
小體積芯片和前沿設計之間還有一個很大的區別。Varshney繼續說道：“當你擁有一位前沿客戶時，你便可以接近設計收斂，這會讓他們非常高興。他們讓人們坐在那里準備完成最后階段的任務。但當你和另一類客戶打交道時，他們只有一個人在做整個芯片。如果你有DRC或有違規之處，他們會認為這是工具中的錯誤。兩類客戶的期望非常不同。這為EDA工具的自動化帶來了額外的需求，其自動化程度要超過過去的水平?！?/p>
機器學習被認為是一種有助于彌合分歧的技術。Bowyer表示：“我們希望用戶能夠從所有的前沿設計中學習經驗，并將其應用到更小或更老的幾何圖形，或小體積設計中。如今，這是一個人工過程，機器學習可能會有所幫助——讓我們看看錯誤的工具或工具鏈的樣子，逐漸理解并解決它們。今天，預計在這條路上的每一個重要步驟中，都要有人去限制工具，去做出改變和調整。”
一些人已經看到了機器學習的價值。Whitfield表示：“設計自動化過程中的機器學習將變得更加重要，Arm已經在使用機器學習技術來加速其功能驗證。這些技術將有助于綜合和物理實現，并可能使自動布線達到最佳的PPA權衡?！?/p>
但一個障礙是，這妨礙了降低NRE成本。Pursley指出：“無論哪種類型的公司，都會盡其所能進行驗證。如果你能更快地進行驗證，那就再好不過，但這并不能降低成本。他們會盡其所能地花費，并希望能花得更多?？傆懈嗟氖虑橐觥Ｋ鋵嵅皇枪潭ǔ杀?，但有點像?！?/p>
但是，HLS具有驗證優勢。Pursley補充說：“驗證方面的變化是，你可以在更高的抽象層次上進行更多的驗證。HLS允許你使用C或SystemC進行更多的驗證。這就確保了你投入到系統其余部分的內容是正確的?！?/p>
Chiplet
另一個有前途的方向是以chiplet的形式直接重用硬IP。Varshney表示：“如果你看一下通用IP，比如應用處理器或微控制器，你會發現它們都是從架構層面高度優化的。它們的實現方式將工藝節點中的所有內容都擠出來。所以，這些通用IP有硬化的空間，并且會有市場?！?/p>
現有的工藝節點中可能有許多優化。Bowyer補充說：“我們拭目以待，看看該行業是否能在一個節點上停留足夠長的時間，讓投資變得物有所值?！?/p>
一些公司正在為此做準備。Helic公司營銷副總裁Magdy Abadir表示：“請考慮先進芯片封裝技術以及3D IC堆疊及其所有變體，如WOW，INFO等。這些技術的成本、尺寸和性能優勢的關鍵促成因素，只有在能夠分析所有相互作用的金屬層、再分配層和緊密放置在一起的封裝結構之間的電磁耦合的工具的幫助下才能實現?！?/p>
但是，人們也可以進行其他工藝優化，特別是在考慮特定領域的應用時。Abadir補充說：“大多數設計中都包括大型螺旋電感器。通過在密集布線區域和電容器組頂部移動這些大型電感器，可以實現顯著的面積縮減。此時需要工具來確保電感器和下面的其他結構之間不會產生明顯的耦合?！?/p>
圖2：VCO折疊示例實現了顯著的面積縮減。（來源：Helic）
長尾會持續嗎？
DARPA承認，對于這個問題沒有簡單的解決方案，否則這些方案早就已經實施了。然而，大學和工業項目已經表明，使用不同的工具和方法，可以在合理的時間內創建復雜的設計。
DARPA面臨的一大問題是，是否有足夠的資金來支持針對小體積產品的工具開發?！伴L期來看，會有足夠多的小型物聯網公司來維持這種局面嗎？”Bowyer問道，“對此我不確定，但今天的確有。小公司在機器學習和物聯網領域投入了大量資金。所以今天，支持他們的呼聲越來越高?！?/p>
*點擊文末閱讀原文，可閱讀英文原文?；虻顷懢W站https://semiengineering.com/