ข้อคิดจาก CadenceLIVE 2023

ข้อคิดจาก CadenceLIVE 2023

ประทับเวลา: 11 พฤษภาคม 2023 9:00 น
โหนดต้นทาง: 2645206

ด้วยความหลงใหลที่ได้รับความนิยม จึงดูเหมือนเป็นไปไม่ได้เลยในทุกวันนี้ที่จะพูดถึงสิ่งอื่นนอกเหนือจาก AI ที่ CadenceLIVE รู้สึกสดชื่นที่ได้ย้ำเตือนว่าวิธีการพื้นฐานที่การออกแบบทุกประเภทยังคงอยู่และจะถูกครอบงำในทุกด้านของวิศวกรรมด้วยคณิตศาสตร์ ฟิสิกส์ วิทยาการคอมพิวเตอร์ และเคมีที่ลึกซึ้ง แม่นยำ และปรับขนาดได้ AI ช่วยเสริมเทคโนโลยีการออกแบบ ช่วยให้วิศวกรสามารถสำรวจตัวเลือกและการเพิ่มประสิทธิภาพเพิ่มเติมได้ แต่จะยังคงยืนหยัดบนไหล่ของความเชี่ยวชาญด้าน STEM และวิธีการคำนวณที่สะสมมามากกว่า 200 ปี เพื่อเป็นเครื่องห่อหุ้ม แต่จะไม่แทนที่วิธีการเหล่านั้น

ข้อคิดจาก CadenceLIVE 2023

จากการสังเกตนี้ AI มีประโยชน์อย่างไรในวิธีการออกแบบระบบอิเล็กทรอนิกส์ และโดยทั่วไปแล้ว AI และเทคโนโลยีอื่นๆ ส่งผลต่อการเปลี่ยนแปลงทางธุรกิจในอุตสาหกรรมเซมิคอนดักเตอร์และระบบอิเล็กทรอนิกส์อย่างไร นั่นคือหัวข้อของส่วนที่เหลือของบล็อกนี้

AI ในผลิตภัณฑ์ Cadence

Cadence ตั้งใจที่จะเป็นผู้นำในด้านแอปพลิเคชัน AI อย่างชัดเจน ในช่วงไม่กี่ปีที่ผ่านมา พวกเขาได้ประกาศผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI หลายรายการ ได้แก่ Cadence Cerebrus สำหรับการสังเคราะห์ทางกายภาพ, Verisium สำหรับการตรวจสอบ, Joint Enterprise Data และ AI (JedAI) สำหรับการรวมชุดข้อมูลขนาดใหญ่เป็นหนึ่งเดียว และ Optimality สำหรับการเพิ่มประสิทธิภาพหลายฟิสิกส์ เมื่อเร็วๆ นี้ พวกเขาได้เพิ่มส่วนขยาย Virtuoso สำหรับการออกแบบแอนะล็อก, Allegro X AI สำหรับ PCB ขั้นสูง และ Integrity สำหรับการออกแบบ 3D-IC

ในฐานะผลิตภัณฑ์สังเคราะห์ทางกายภาพ ฉันคาดหวังว่า Cadence Cerebrus จะมุ่งเป้าไปที่การออกแบบบล็อกเป็นหลัก ด้วยเหตุผลเดียวกับที่ฉันกล่าวไว้ในบล็อกก่อนหน้านี้ ที่นี่ ฉันคาดหวังว่าการเรียนรู้แบบเสริมกำลังเกี่ยวกับการสังเคราะห์ทางกายภาพเต็มรูปแบบหลายครั้งจะช่วยขับเคลื่อนการสำรวจตัวเลือกที่กว้างขึ้นและ PPA ขั้นสูงสุดที่ดีขึ้น

Verisium มีวัตถุประสงค์ที่ค่อนข้างกว้างในการตรวจสอบ โดยครอบคลุมการเพิ่มประสิทธิภาพการดีบักและชุดการทดสอบ นอกเหนือจากการเพิ่มประสิทธิภาพความครอบคลุมระดับบล็อก นอกเหนือจากการครอบคลุมระดับบล็อกแล้ว ฉันคาดหวังว่าแง่มุมอื่นๆ จะให้คุณค่าทั่วทั้งสเปกตรัมการออกแบบ อีกครั้งโดยอิงตามการเรียนรู้แบบเสริมประสิทธิภาพในการทำงานหลายครั้ง (และบางทีอาจเป็นระหว่างผลิตภัณฑ์ในตระกูลเดียวกันด้วยซ้ำ)

การเพิ่มประสิทธิภาพนั้นเป็นชุดการวิเคราะห์และการเพิ่มประสิทธิภาพระดับระบบโดยแท้จริง นอกจากนี้ การเรียนรู้แบบเสริมกำลังในการวิ่งหลายรอบสามารถช่วยการวิเคราะห์ทางฟิสิกส์หลายแบบที่ซับซ้อน เช่น ความสมบูรณ์ของแม่เหล็กไฟฟ้า ความร้อน สัญญาณ และพลังงาน เพื่อมาบรรจบกันกับตัวอย่างจำนวนมากเกินกว่าที่จะพิจารณาในการวนซ้ำด้วยตนเองแบบดั้งเดิม

Virtuoso Studio สำหรับแอนะล็อกเป็นเครื่องมือออกแบบระดับบล็อกโดยเนื้อแท้ เพราะตามความรู้ของฉันไม่มีใครสร้างการออกแบบแอนะล็อกแบบฟูลชิปในระดับ SoC (ยกเว้นความทรงจำและบางทีอาจเป็นสิ่งที่เกี่ยวกับระบบประสาท) ระบบอัตโนมัติในการออกแบบแอนะล็อกเป็นเป้าหมายที่หวังไว้แต่ยังไปไม่ถึงมานานหลายทศวรรษ ขณะนี้ Virtuoso กำลังเสนอวิธีการเรียนรู้สำหรับการจัดวางและการกำหนดเส้นทาง ซึ่งฟังดูน่าสนใจ

Allegro X AI มีเป้าหมายที่คล้ายกันในการออกแบบ PCB โดยนำเสนอการวางตำแหน่งและการกำหนดเส้นทาง PCB อัตโนมัติ เว็บไซต์แนะนำว่าพวกเขากำลังใช้เทคนิคการกำเนิดที่นี่ ซึ่งถือเป็นแนวหน้าของ AI ในปัจจุบัน แพลตฟอร์ม Integrity สร้างขึ้นบนความจุฐานข้อมูลขนาดใหญ่ของ Innovus Implementation System และใช้ประโยชน์จากทั้ง Virtuoso และ Allegro สำหรับการออกแบบร่วม RF แบบอะนาล็อกและแพ็คเกจ ทำให้เกิดการออกแบบ 3D-IC โซลูชันครบวงจรและครบวงจร

มุมมองสามประการในการปรับตัวต่อการเปลี่ยนแปลง

ไม่ใช่ความลับที่ตลาดกำลังเปลี่ยนแปลงอย่างรวดเร็วเพื่อตอบสนองต่อเทคโนโลยีเกิดใหม่หลายอย่าง (รวมถึง AI) และการเปลี่ยนแปลงที่รวดเร็วยิ่งขึ้นในตลาดระบบ รวมถึงความเครียดทางเศรษฐกิจและภูมิรัฐศาสตร์ การเปลี่ยนแปลงที่ชัดเจนอย่างหนึ่งในโลกของเราคือการเติบโตอย่างรวดเร็วของการออกแบบชิปภายในบริษัทในกลุ่มบริษัทระบบต่างๆ เหตุใดจึงเกิดขึ้น และบริษัทเซมิคอนดักเตอร์และ EDA ปรับตัวอย่างไร

มุมมองของระบบจาก Google Cloud

Thomas Kurian ซีอีโอของ Google Cloud พูดคุยกับ Anirudh เกี่ยวกับแนวโน้มความต้องการในการออกแบบระบบคลาวด์และชิป เขาเดินผ่านวิวัฒนาการของความต้องการสำหรับการประมวลผลแบบคลาวด์ โดยเริ่มจาก Software-as-a-Service (SaaS) ซึ่งขับเคลื่อนโดยแอปพลิเคชันจาก Intuit และ Salesforce จากนั้น ภาพรวมก็ก้าวหน้าไปสู่ ​​Infrastructure-as-a-Service (IaaS) ทำให้เราสามารถซื้อการเข้าถึงฮาร์ดแวร์ประมวลผลได้อย่างยืดหยุ่นโดยไม่จำเป็นต้องจัดการฮาร์ดแวร์นั้น

ตอนนี้ Thomas มองว่าการเปลี่ยนผ่านสู่ดิจิทัลเป็นตัวขับเคลื่อนหลัก: ในรถยนต์ โทรศัพท์มือถือ เครื่องใช้ในบ้าน และเครื่องจักรอุตสาหกรรม เมื่อความก้าวหน้าทางดิจิทัลเกิดขึ้น Digital Twins ก็ได้รับความนิยมในการสร้างแบบจำลองและเพิ่มประสิทธิภาพกระบวนการเสมือนจริง โดยใช้การเรียนรู้เชิงลึกเพื่อสำรวจความเป็นไปได้ที่หลากหลายมากขึ้น

เพื่อสนับสนุนวัตถุประสงค์นี้ในวงกว้าง Google ต้องการรักษาศูนย์ข้อมูลในเครือข่ายทั่วโลกให้เป็นทรัพยากรการประมวลผลแบบครบวงจร โดยเชื่อมต่อผ่านแฟบริคเครือข่ายที่มีเวลาแฝงต่ำเป็นพิเศษเพื่อประสิทธิภาพและเวลาในการตอบสนองที่คาดการณ์ได้ไม่ว่าจะกระจายปริมาณงานอย่างไร การบรรลุเป้าหมายนั้นจำเป็นต้องมีการออกแบบเซมิคอนดักเตอร์แบบกำหนดเองจำนวนมากสำหรับเครือข่าย การจัดเก็บข้อมูล สำหรับเอ็นจิ้น AI และสำหรับตัวเร่งความเร็วอื่นๆ Thomas เชื่อว่าในบางพื้นที่ที่สำคัญ พวกเขาสามารถสร้างโซลูชันที่แตกต่างซึ่งบรรลุเป้าหมาย CAPEX และ OPEX ได้ดีกว่าการใช้เซมิคอนดักเตอร์ที่มาจากภายนอก

ทำไม ซัพพลายเออร์ภายนอกไม่สามารถทดสอบในระดับระบบที่แท้จริงได้เสมอไป ใครสามารถสร้างการรับส่งข้อมูลวิดีโอสตรีมมิ่งในระดับ Google หรือ AWS หรือ Microsoft ได้บ้าง นอกจากนี้ ในการสร้างความแตกต่างของกระบวนการของระบบ การปรับส่วนประกอบให้เหมาะสมจะช่วยได้ แต่ไม่มากเท่ากับการปรับให้เหมาะสมของกระบวนการทั้งหมด พูดตั้งแต่ Kubernetes ไปจนถึงคอนเทนเนอร์ การจัดเตรียม ไปจนถึงฟังก์ชันการคำนวณ เป็นเรื่องยากสำหรับซัพพลายเออร์กึ่งกระแสหลักในการจัดการขอบเขตดังกล่าว

มุมมองเซมิคอนดักเตอร์จาก Marvell

Chris Koopmans, COO ของ Marvell พูดคุยเกี่ยวกับวิธีที่พวกเขาปรับตัวให้เข้ากับความต้องการของระบบที่เปลี่ยนแปลงไปของบริษัท Marvell มุ่งเน้นไปที่เทคโนโลยีโครงสร้างพื้นฐานข้อมูลในศูนย์ข้อมูลและผ่านเครือข่ายไร้สายและแบบมีสายอย่างเต็มที่ การฝึกอบรม AI และโหนดอื่นๆ จะต้องสามารถสื่อสารได้อย่างน่าเชื่อถือที่แบนด์วิดธ์สูงและเวลาแฝงต่ำที่เทราไบต์ต่อวินาทีตลอดระยะทางขนาดศูนย์ข้อมูล ลองนึกถึง ChatGPT ซึ่งมีข่าวลือว่าต้องใช้ GPU ประมาณ 10 ตัวในการฝึกฝน

การเชื่อมต่อระดับนั้นต้องการโครงสร้างพื้นฐานข้อมูลที่มีประสิทธิภาพสูง แต่ผู้ให้บริการระบบคลาวด์ (CSP) ต้องการความแตกต่างทั้งหมดที่สามารถรับได้ และต้องการหลีกเลี่ยงโซลูชันที่มีขนาดเดียวเหมาะกับทุกระบบ Marvell ร่วมมือกับ CSP ในการออกแบบสิ่งที่พวกเขาเรียกว่าซิลิคอนที่ปรับให้เหมาะสมกับระบบคลาวด์ สิ่งนี้เริ่มต้นด้วยส่วนประกอบที่ใช้งานทั่วไป ซึ่งตอบสนองความต้องการขั้นสูงสุด ซึ่งประกอบด้วยส่วนผสมที่เหมาะสมสำหรับ CSP ที่กำหนด แต่ถูกสร้างมากเกินไป ดังนั้นจึงมีประสิทธิภาพไม่เพียงพออย่างที่เป็นอยู่ โซลูชันที่ปรับให้เหมาะสมบนคลาวด์ได้รับการปรับแต่งจากแพลตฟอร์มนี้ให้เหมาะกับปริมาณงานและแอปพลิเคชันเป้าหมายของ CSP โดยลดสิ่งที่ไม่จำเป็นลง และปรับให้เหมาะสมสำหรับตัวเร่งความเร็วและอินเทอร์เฟซสำหรับวัตถุประสงค์พิเศษตามความจำเป็น แนวทางนี้ช่วยให้ Marvell สามารถนำเสนอการออกแบบเฉพาะของลูกค้าจากการออกแบบอ้างอิงโดยใช้ส่วนประกอบโครงสร้างพื้นฐานที่แตกต่างของ Marvell

มุมมอง EDA จาก Cadence

Tom Beckley รองประธานอาวุโสและ GM ของกลุ่ม Cadence Custom IC & PCB ที่ Cadence สรุปมุมมองของ EDA เกี่ยวกับการปรับตัวเพื่อการเปลี่ยนแปลง คุณอาจคิดว่า EDA เป็นเรื่องง่ายสำหรับลูกค้าในด้านระบบและการออกแบบเซมิคอนดักเตอร์ อย่างไรก็ตาม เพื่อตอบสนองความต้องการในช่วงนี้ โซลูชัน "EDA" ที่ครอบคลุมจะต้องครอบคลุมสเปกตรัม ตั้งแต่การออกแบบ IC (ดิจิทัล อนาล็อก และ RF) ไปจนถึง 3D-IC และการออกแบบบรรจุภัณฑ์ ไปจนถึงการออกแบบ PCB และจนถึงการออกแบบเครื่องกลไฟฟ้า (Dassault การทำงานร่วมกันของระบบ)

เพิ่มการวิเคราะห์และการเพิ่มประสิทธิภาพให้กับส่วนผสม เพื่อให้มั่นใจในความสมบูรณ์ของแม่เหล็กไฟฟ้า ความร้อน สัญญาณ และพลังงาน ช่วยให้ลูกค้าสามารถสร้างแบบจำลองและเพิ่มประสิทธิภาพระบบทั้งหมด (ไม่ใช่แค่ชิป) ก่อนที่ฮาร์ดแวร์จะพร้อมใช้งาน ในขณะเดียวกันก็ตระหนักดีว่าลูกค้ากำลังทำงานตามตารางงานที่แน่น โดยขณะนี้มีพนักงานที่มีข้อจำกัดมากขึ้น เมื่อรวมกันแล้ว นั่นเป็นคำสั่งที่สูง การทำงานร่วมกันที่มากขึ้น ระบบอัตโนมัติที่มากขึ้น และการออกแบบที่มีระบบ AI นำทางมากขึ้นจะเป็นสิ่งจำเป็น

ด้วยแนวทางแก้ไขที่อธิบายไว้ที่นี่ ดูเหมือนว่า Cadence กำลังอยู่ในเส้นทางที่ดี ประเด็นสำคัญของฉันคือ CadenceLIVE 2023 เป็นการอัปเดตที่ดีว่า Cadence ตอบสนองความต้องการของอุตสาหกรรมอย่างไร (ด้วย AI ในปริมาณที่เหมาะสม) รวมถึงข้อมูลเชิงลึกใหม่ๆ เกี่ยวกับทิศทางอุตสาหกรรมระบบ/เซมิคอนดักเตอร์/การออกแบบ

แชร์โพสต์นี้ผ่าน:

ประทับเวลา:

เพิ่มเติมจาก กึ่งวิกิ