新年的祝福

每年我都会运行一个 预测文章。这是行业内许多人的想法的混搭，虽然许多预测多少有些自私，但也有一些更多是发自内心的——或者也许它们只是梦想而不是期望。我在其中一些人身上看到了希望，特别是那些寻求我们行业和我们行业可持续发展的人。

就像验证一样，有两个词描述其目的——验证和确认。验证是显示设计与规范相匹配的行为，而验证是确保规范符合您的要求。一种是内向的，另一种是外向的。可持续发展也是如此。

可持续发展有两个方面——我们是否以最可持续的方式做每件事，以及我们创造的东西是否会带来更可持续的未来？

可持续地做事

当我想到验证时，我发现浪费了大量的时间、精力和大量本不应该需要的计算。坦率地说，所使用的方法很幼稚。业界最优秀的人才未能提出一种具有任何效率概念的方法。我们高举双臂，表示这是一项不可能完成的任务，我们永远无法完成任务。然而，该行业能提出的最好方案是一种随机方法，可以驱动刺激并执行临时检查，收集隐含的覆盖数据。

今天定义的受限随机测试模式方法推动了更多模拟器许可证的销售，而设计规模的增加也改变了模拟器的情况。但覆盖范围的定义方式几乎不可能考虑真正的完整性或最佳刺激集，并且同样的事情被重新验证可能比所需的多数十亿倍。

我很高兴看到一些公司开始考虑真正的分层方法来解决行业中的许多问题，而验证是必须重新考虑的方法。从详细模型自动生成抽象模型是其中的关键要素。块级别的验证应该创建一个更高级别的模型，可用于集成验证或其他更高形式的验证。这些生成的模型特定于更高级别验证的目的。例如，更高级别的模型可能是一个抽象函数和一个计时统计模型，或者它可能只是捕获一个 I/O 模型，如果它看到一组未被块覆盖的模式和状态，则该模型会标记警告。级别验证。有很多可能性。

然后是设计中的效率。从与这项任务相关的芯片故障数量来看，很明显，各公司正在努力降低功耗。该行业需要更好的工具来帮助提高效率并验证其影响。

为可持续的未来创造事物

您所做的工作是否能让世界变得比您的产品问世之前更加节能？在某些情况下，这个问题可能相当容易回答，例如生产出比上一代每瓦执行更多操作的处理器。但这有很多层次。

一种思维模式困扰了我很长时间。软件编程范式如此根深蒂固，以至于业界会不遗余力地保护它，即使它效率低下以至于应该被废弃并用其他东西取代。这可能会导致软件需要更多的时间，但产品的能源效率最终会提高几个数量级。例如，谁使用通用 CPU 进行 ML？他们做了一段时间才找到更合适的替代方案，但还有许多其他任务继续使用错误的处理架构。

同样，在人工智能/机器学习领域，研究人员一直在减少对不必要的高精度的需求。最初使用它是因为没有别的办法，但使用全精度浮点浪费了太多能量。边缘推理的改进速度更快，因为没有它，产品就不可能实现。但在大幅减少学习精力方面还需要更多的思考。

还有一类产品违背了所有可持续概念。他们存在的唯一理由就是以牺牲环境为代价来赚钱。我总是举的例子是推荐引擎。我们能阻止这种愚蠢行为吗？他们不工作，也没有什么好的目的。对于从事这些产品工作的人来说，请重新思考你将自己的才能放在哪里，如果你有机会改变一些对社会有益的事情，那么请这样做。

我们的行业具有影响社会各个方面的巨大力量。虽然我认为我们有一个合理的记录，但它还远非完美。我们每次都选择简单的道路，这意味着我们距离能源效率的目标还有很长的路要走。我们需要在我们所做的每一个角落都考虑到这一点。新冠疫情表明，即使工作条件发生变化也会产生重大影响。我们需要在办公室工作和利用“本地”资源之间找到平衡。我们需要停止认为计算能力是无限的，而更多地关注如何减少所需的计算量，或者如何更有效地执行计算。

我们都 能够 做出改变。请利用新年开始多思考一下。我们个人无法解决问题，但我们每个人都可以做出小小的贡献。