對于電子工程師來說，EDA（Electronics Design Automation，電子設計自動化）軟件，是不可或缺的工具。優秀的EDA工具能夠大大提高工作效率，縮短產品開發周期，降低成本。EDA行業高度集中，全球領先的三家廠商占據了全球逾60%的市場份額，Mentor Graphics（簡稱Mentor）就是其中之一。
2019年9月5日，2019 Mentor論壇在北京舉辦，Mentor IC EDA執行副總裁 Joseph Sawicki先生作了主題演講，他表示，人工智能（AI）將對半導體行業帶來劃時代的影響，并推動EDA技術發生巨大的創新和變革。
Mentor IC EDA執行副總裁 Joseph Sawicki
人工智能將成為未來十年半導體行業的發展動力
近幾年，人工智能的熱度不言而喻。而人工智能將為半導體行業帶來怎樣的影響？Joseph援引了近期知名分析機構對此的分析：麥肯錫咨詢認為，人工智能正在為半導體產業開啟數十年來的最佳商機，而且半導體公司有望從人工智能技術堆棧當中獲得高達40%~50%的產值。普華永道的調研顯示，人工智能很可能成為半導體行業下一個十年發展周期的催化劑，能夠很好地利用這種長期的趨勢發揮市場潛力的公司正是那些能夠因為人工智能受惠的公司。
Joseph表示，人工智能能夠成為半導體行業未來發展的驅動力，重要因素在于近年來爆炸式增長的聯網數據。現在有越來越多海量的數據被移動到了網絡上面，無論是車與車之間的智能網聯，或者是智慧城市、工業化IoT物聯網應用以及消費者層面等等，未來十年當中這些高速數據將在網絡呈現數十倍的增長。
海量的數據將為行業帶來哪些變化？孕育著哪些機遇？Joseph表示，除了數據中心聚合之外，現在越來越多的處理和運算被移動到了邊緣進行，邊緣計算應用不管是在云的平臺還是在其他系統當中都可以大大提高系統的效率。來自第三方調研機構的分析認為，未來六年，邊緣計算市場將達到年均190%的復合增長率。這種高速增長的數據一定會轉變現有的CPU或者數據中心由云進行管理的架構，這也成為人工智能、機器學習帶來的機遇。
AI將對目前IC設計方法論帶來顛覆性變革
面向邊緣計算應用的芯片設計與傳統芯片設計有哪些差異？又對EDA軟件提出了哪些挑戰？
Joseph表示，人工智能以及機器學習等應用更加面向特定的應用領域，具有與眾不同的特點。AI帶來的絕大多數機遇都會發生在邊緣，而邊緣計算應用需求的實現對芯片設計提出了許多新的挑戰。目前對于人工智能領域芯片設計的公司來說，傳統的計算架構都體現出不足之處。有的時候是CPU太慢，有的時候是GPU功耗太高。對于芯片設計公司來說，必須定制出一些架構來滿足用戶的體驗，未來設計方法論會有一個顛覆性的改變。
Joseph表示，之前提到SOC集成電路芯片的時候更多的是說它的規格，如內存大小，這個時代我們說的方法論更多的是RTL，然后才在芯片上面進行驗證。當然，這種驗證是為了讓芯片的性能更強。但是在人工智能時代需要定制架構滿足消費者的用戶體驗，這樣的原生環境就是人工智能的開發平臺，設計語言可以是C語言或者C++語言。具體應該怎么做呢？需要找到一個很好的路徑，在原生設計環境當中最好地運用人工智能，實現最優的用戶體驗。
Mentor的Catapult? High-Level Synthesis（HLS）（高階綜合）工具可以作為連接AI原生環境和芯片的橋梁。它可以幫助客戶更好地設計架構，管理內存的分配、神經網絡的寬度和縱深，以及決定在里面設計多少管道等等。管理好這些因素，才能為垂直應用提供經過優化的IC軟件體驗。Joseph介紹，Mentor已經針對人工智能領域應用開發出了工具箱，其中四種不同的設計都是可選的，Joseph表示，我們最終想要做出的IP不是要在消費者芯片上直接進行應用，而是更多地幫助消費者有這樣的能力駕馭最新的設計方法論。
Joseph表示，現在已經有許多客戶都是在用高階綜合的方式來設計人工智能和機器學習的芯片，比如NVIDIA，他們利用Mentor的HLS設計Tegra X1，生產率已經提高了50%，驗證成本降低了80%。
垂直化應用場景對仿真驗證提出更高要求
人工智能和機器學習將推動更多邊緣端計算需求，對于芯片設計者來說，不但設計過程面臨挑戰，在驗證環節同樣衍生了更多的需求。在EDA領域具有強大實力的Mentor，結合母公司Siemens的相關技術，更是如虎添翼，在仿真驗證領域實力超群。
Joseph表示，設計方法論需要發生轉變，驗證也需要在方法論上面改變，傳統的集成電路芯片驗證的測試方法就是要測試規則、架構和規范等等，而在AI時代更多的是垂直應用。需要進行的驗證是在應用層面，也就是說需要一些技術仿真出來一個AI引擎，然后在CPU系統上面可以把這些數據推送到AI引擎上面，這樣就會生成一個界面，可以產生一個虛擬的PCI，也可以執行用戶想要執行的應用，包括整個代碼的處理等等，性能、耗能以及數據都可以反饋給設計者，就是說沒到芯片層面就可以理解整個過程的性能表現如何。
Joseph介紹，西門子近年來在數字孿生方面進行了許多研究，用現在的虛擬驗證方式可以仿真出一個產品的模型，也可以仿真這個產品制造的過程，然后再把得到的數據通過物聯網回傳給整個仿真系統。有了這樣的連接，最后的仿真和設計就可以達到非常高的性能和可靠性，目前在電氣和機械方面的仿真都可以在設計上完成。
Joseph以自動駕駛領域的應用介紹了Mentor為設計者帶來的體驗：把Mentor的算法軟件和西門子本身的系統整合起來，目前Mentor已經開發出了一個建模系統，可以讓自動駕駛的車輛在虛擬的環境當中進行駕駛。如下圖所示，左圖是西門子的Simcenter Prescan，可以模擬道路環境，包括行人和路況，這些數據都會輸送到系統上面。右圖當中的Simcenter Amesim可以讓一級供應商了解車輛的動力總成和底盤是怎樣的，剎車和行駛的時候傳動是怎樣的。中間的圖是芯片仿真，這些都是虛擬數據，可以很好地進行數字孿生，無論是汽車設計者還是芯片設計者都可以很清楚地知道最后的體驗。
人工智能時代的到來，為半導體行業帶來巨大的發展機遇，也對EDA供應商提出了新的挑戰。設計方法走向更高層階，驗證過程提供更加垂直化的仿真驗證環境，“Mentor, a Siemens Business”，結合Siemens的技術及產品，我們有理由相信，AI時代，Mentor將更加強大。