芯片產(chǎn)業(yè)在不斷競(jìng)速，作為AI產(chǎn)業(yè)落地重要基底的AI芯片更是如此。在持續(xù)火熱多年后，如今我國(guó)AI芯片產(chǎn)業(yè)已經(jīng)朝著肉搏階段邁進(jìn)，誰(shuí)率先落地產(chǎn)品、構(gòu)建生態(tài)，誰(shuí)就能在這場(chǎng)競(jìng)爭(zhēng)中突圍。

激烈的市場(chǎng)競(jìng)爭(zhēng)與迫切的Time to Market，讓人們對(duì)芯片設(shè)計(jì)的“好與快”提出了更高要求，在新一輪挑戰(zhàn)面前，如何整合EDA、IP與設(shè)計(jì)資源，讓AI芯片快人一步？

相輔相成的EDA

EDA全稱Electronic design automation，主要為集成電路的設(shè)計(jì)、生產(chǎn)等提供自動(dòng)化輔助設(shè)計(jì)能力。憑借精細(xì)的軟件設(shè)計(jì)，EDA保證了芯片設(shè)計(jì)各個(gè)階段、各個(gè)環(huán)節(jié)的準(zhǔn)確性，縮短了設(shè)計(jì)周期、降低了設(shè)計(jì)成本，因此被人稱之為半導(dǎo)體工業(yè)軟件皇冠上的明珠。

然而人工智能的興起，卻將EDA推向了新浪潮。無(wú)論是在EDA工具中應(yīng)用AI算法賦能芯片設(shè)計(jì)的“AI Inside”，還是EDA工具助力AI芯片高效設(shè)計(jì)的“AI Outside”，都意味著EDA對(duì)于提高AI芯片設(shè)計(jì)效率有著不可或缺的重要作用。

在“AI Outside”方面，AI芯片隨著數(shù)據(jù)爆炸時(shí)代的到來(lái)應(yīng)運(yùn)而生，龐大的算力意味著其往往具備超大的設(shè)計(jì)規(guī)模，對(duì)于芯片來(lái)說(shuō)，規(guī)模越大，結(jié)構(gòu)越復(fù)雜、精度越高，對(duì)于EDA軟件的依賴程度也就越高。

以在EDA總體算力比重較大的驗(yàn)證來(lái)說(shuō)，作為解鎖芯片流片成敗的關(guān)鍵環(huán)節(jié)之一，要想提高流片成功率，就要在流片之前做好充分的系統(tǒng)級(jí)驗(yàn)證。一般來(lái)說(shuō)，芯片驗(yàn)證工作隨著SoC芯片復(fù)雜度、集成度規(guī)模的擴(kuò)大，占比不斷提高，甚至可達(dá)70%。面對(duì)復(fù)雜的設(shè)計(jì)需求，傳統(tǒng)基于電路的仿真技術(shù)無(wú)法實(shí)現(xiàn)對(duì)極端情況的驗(yàn)證覆蓋，使得驗(yàn)證覆蓋率的收斂成為了阻礙AI芯片設(shè)計(jì)效率進(jìn)一步提升的“絆腳石”。

為此，AI芯片在驗(yàn)證策略選擇上往往需要引入多種驗(yàn)證手段，通過(guò)仿真、形式化驗(yàn)證、FPGA原型驗(yàn)證等一系列驗(yàn)證手段提前發(fā)現(xiàn)問(wèn)題，確保芯片在功能、功耗、調(diào)度性能等方面達(dá)到設(shè)計(jì)期望。使用EDA工具，可以針對(duì)AI的分布式、矩陣式等運(yùn)算特點(diǎn)，驗(yàn)證AI芯片的性能和收斂能力，推出對(duì)應(yīng)的解決方案，以此來(lái)得到更快的結(jié)果，提高芯片設(shè)計(jì)效率。

圖源：芯華章

這也是EDA的優(yōu)勢(shì)所在，無(wú)論是人工智能，還是云計(jì)算、5G、智能汽車，EDA領(lǐng)域均有對(duì)應(yīng)其應(yīng)用特點(diǎn)的芯片設(shè)計(jì)解決方案，對(duì)于芯片設(shè)計(jì)者而言，EDA工具可以快速將基礎(chǔ)信息進(jìn)行有效的建模和抽象，幫助設(shè)計(jì)者將精力更多地投入上層和系統(tǒng)設(shè)計(jì)。設(shè)計(jì)者只需完善算法設(shè)計(jì)，即可通過(guò)EDA實(shí)現(xiàn)一個(gè)性價(jià)比更高、性能更匹配的系統(tǒng)設(shè)計(jì)。

在本土領(lǐng)域，已有多家AI芯片廠商與EDA廠商合作，以此提高設(shè)計(jì)驗(yàn)證效率。例如：國(guó)微思爾芯原型驗(yàn)證工具助力埃瓦科技 3D 視覺(jué) AI 芯片量產(chǎn)；鯤云科技采用芯華章的形式化驗(yàn)證工具穹瀚(GalaxFV)，提升新一代復(fù)雜AI芯片的設(shè)計(jì)驗(yàn)證效率，進(jìn)一步保障復(fù)雜AI芯片的功能和可靠性。

而在“AI Inside”方面，EDA+AI更是已經(jīng)成為了熱門話題，不少專家都認(rèn)為EDA應(yīng)用AI是必然趨勢(shì),AI在其中可以起到加速和輔助作用。

在傳統(tǒng)EDA設(shè)計(jì)工具中,芯片架構(gòu)探索、設(shè)計(jì)、驗(yàn)證、布局布線等工作的人力占比巨大，隨著人工智能的興起，EDA設(shè)計(jì)工具也開始逐漸朝著智能化趨勢(shì)發(fā)展，在深度、強(qiáng)化學(xué)習(xí)等技術(shù)的加持下，智能化EDA設(shè)計(jì)能夠吸收過(guò)去的設(shè)計(jì)經(jīng)驗(yàn)和數(shù)據(jù), 有效減少人力投入、縮短設(shè)計(jì)周期、提高芯片設(shè)計(jì)及生產(chǎn)的性能和精度。

從某種意義上來(lái)說(shuō)，芯片設(shè)計(jì)過(guò)程的復(fù)雜性非常適合 AI 算法。比如，當(dāng)AI應(yīng)用于布局布線、平面規(guī)劃等芯片后端設(shè)計(jì)時(shí)，EDA工具可以通過(guò)攝取設(shè)計(jì)工具生成的大數(shù)據(jù)流來(lái)探索搜索空間，觀察設(shè)計(jì)如何隨時(shí)間演變，并調(diào)整設(shè)計(jì)選擇、技術(shù)參數(shù)和工作流程。

又或者，在計(jì)算時(shí)延中使用AI的方法，可以根據(jù)建模精確度把解決方案代入到時(shí)延范圍內(nèi)，得到你最終想要的結(jié)果。

總的來(lái)說(shuō)，只要AI技術(shù)運(yùn)用得好，可以把后端工具的運(yùn)行時(shí)間縮短。當(dāng)然，AI還可以在前端設(shè)計(jì)時(shí)，通過(guò)建模檢測(cè)其在后端的運(yùn)行結(jié)果，讓前端工程師知道他們現(xiàn)在的優(yōu)化動(dòng)作在后端是否有效，能否縮減迭代的速度。

此外，EDA上云作為未來(lái)的趨勢(shì)之一，在云端上可以開放更多的計(jì)算資源，也可以加快設(shè)計(jì)和驗(yàn)證過(guò)程。

Chiplet時(shí)代，大放異彩的IP

與EDA一樣，IP核作為芯片設(shè)計(jì)中的關(guān)鍵一環(huán)，通常是指事先定義，經(jīng)過(guò)驗(yàn)證可以重復(fù)使用的、能夠完成某些功能的設(shè)計(jì)模塊，可以降低芯片設(shè)計(jì)中冗余的設(shè)計(jì)成本，以及錯(cuò)誤發(fā)生風(fēng)險(xiǎn)，提高設(shè)計(jì)效率。

在如今AI芯片企業(yè)分類中，除了Nvidia、Intel、AMD、Qualcomm、華為海思等芯片設(shè)計(jì)龍頭企業(yè)，以及以寒武紀(jì)、地平線等為代表的專注于人工智能芯片研發(fā)企業(yè)，還包括了ARM、Cadence、Synopsys等以IP授權(quán)為主要商業(yè)模式的企業(yè)。

對(duì)于AI芯片廠商來(lái)說(shuō)，使用成熟、穩(wěn)定、滿足需求、質(zhì)量可靠的IP核，通過(guò)快速?gòu)?fù)用積累的技術(shù)，可以有效提高芯片設(shè)計(jì)效率，提升芯片設(shè)計(jì)公司的交付能力，極大縮短SoC芯片的開發(fā)周期。

比如，接口IP的硬化服務(wù)能夠?yàn)?SoC 騰出空間，為達(dá)到更高的 AI 性能提供了寶貴的片上 SRAM 和處理器組件；專業(yè)的AI加速硬件IP能夠提供在芯片中部署AI加速功能所需的工具；內(nèi)存IP核解決方案支持針對(duì)不同AI內(nèi)存約束的高效架構(gòu)，可以減少AI應(yīng)用中的延遲。

另外，由于IP廠商只設(shè)計(jì)芯片局部的某些功能模塊，因而更能夠追求這些功能模塊設(shè)計(jì)的最優(yōu)化，不斷迭代，更新，AI芯片廠商也因此可以借助先進(jìn)的IP核，在保持競(jìng)爭(zhēng)力的同時(shí)，也可以保障芯片設(shè)計(jì)的按時(shí)交付。

當(dāng)然還有很重要的一點(diǎn)就是：Chiplet時(shí)代的到來(lái)。

Chiplet俗稱芯粒，也叫小芯片，它是將一類滿足特定功能的die（裸片），通過(guò)die-to-die內(nèi)部互聯(lián)技術(shù)實(shí)現(xiàn)多個(gè)模塊芯片與底層基礎(chǔ)芯片封裝在一起，形成一個(gè)系統(tǒng)芯片，以實(shí)現(xiàn)一種新形式的IP復(fù)用。從這個(gè)意義上來(lái)說(shuō)，Chiplet也可以看作一個(gè)新的IP重用模式。

圖源：信達(dá)證券

當(dāng)前，算力已經(jīng)成為AI芯片的重要指標(biāo)之一，只有保證充足的算力，才能應(yīng)對(duì)爆發(fā)式增長(zhǎng)的計(jì)算需求。要想提升AI芯片的算力，增大芯片面積是最為簡(jiǎn)單有效的方法，然而芯片面積越大意味著良率越低，成本越高。為了解決芯片性能和良率之間的矛盾問(wèn)題，Chiplet技術(shù)出現(xiàn)了。

在Chiplet的加持下，IP 模塊經(jīng)濟(jì)性和復(fù)用性也有望得到大幅提升。不同功能的IP，如 CPU、存儲(chǔ)器、模擬接口等，可靈活選擇不同的工藝分別進(jìn)行生產(chǎn)，從而可以靈活平衡計(jì)算性能與成本，實(shí)現(xiàn)功能模塊的最優(yōu)配置，而不必受限于晶圓廠工藝。

此外，Chiplet還可以看作是硅片級(jí)的IP，企業(yè)僅需將多個(gè)已經(jīng)成功驗(yàn)證的芯粒通過(guò)先進(jìn)封裝技術(shù)進(jìn)行封裝，即可得到相應(yīng)的產(chǎn)品，即高效，也降低了芯片設(shè)計(jì)的難度和成本。

因此，對(duì)于對(duì)性能有著高追求、渴望先進(jìn)工藝的AI芯片來(lái)說(shuō)，IP和Chiplet無(wú)疑是其加速的一大利器。

加速中的芯片設(shè)計(jì)服務(wù)

同EDA和IP一樣，芯片設(shè)計(jì)服務(wù)作為芯片設(shè)計(jì)公司和晶圓廠之間的重要橋梁，對(duì)于AI芯片廠商來(lái)說(shuō)，也是一個(gè)無(wú)比重要的存在。

不過(guò)與EDA和IP不同的是，IC設(shè)計(jì)服務(wù)提供商的主要作用則是，整合和利用自身的資源集中優(yōu)勢(shì)和豐富專業(yè)的設(shè)計(jì)開發(fā)能力及經(jīng)驗(yàn)，為客戶爭(zhēng)取更具競(jìng)爭(zhēng)力的IP資源、晶圓制造乃至封裝測(cè)試等服務(wù)支持，有效降低和縮減客戶的芯片產(chǎn)品設(shè)計(jì)開發(fā)費(fèi)用、開發(fā)風(fēng)險(xiǎn)和開發(fā)周期，降低產(chǎn)品運(yùn)營(yíng)費(fèi)用和風(fēng)險(xiǎn)。

眾所周知，AI芯片的開發(fā)成本相當(dāng)高，尤其是ASIC架構(gòu)設(shè)計(jì)的芯片，流片數(shù)量動(dòng)則千萬(wàn)，包含人力成本，投入可高達(dá)2500萬(wàn)美元以上。而與之相對(duì)的卻是，越來(lái)越多的初創(chuàng)型AI芯片企業(yè)。

中商情報(bào)網(wǎng)數(shù)據(jù)顯示，近年來(lái)，我國(guó)AI芯片企業(yè)注冊(cè)量快速增長(zhǎng)，由2017年的1110家迅速增長(zhǎng)至2021年的13492家，年均復(fù)合增長(zhǎng)率達(dá)86.7%。最新數(shù)據(jù)顯示，2022年1-5月，我國(guó)AI芯片企業(yè)注冊(cè)量達(dá)6783家，已超過(guò)2020年新增企業(yè)數(shù)量。

圖源：中商情報(bào)網(wǎng)

對(duì)于這些資金、人力都短缺的初創(chuàng)型AI芯片企業(yè)，只有在有限的時(shí)間和資金中做出產(chǎn)品，才能獲得下一輪資本的青睞，才不會(huì)消失在時(shí)間的洪流中。而在此過(guò)程中，一家可靠、合適的設(shè)計(jì)服務(wù)供應(yīng)商便成為了重中之重。

眾所周知，芯片設(shè)計(jì)過(guò)程不是單方面一來(lái)一回地順序傳遞，而是有大量交互與溝通在重疊進(jìn)行，對(duì)于有芯片設(shè)計(jì)服務(wù)相關(guān)需求的公司而言，選擇設(shè)計(jì)服務(wù)團(tuán)隊(duì)，不只是選擇一個(gè)供應(yīng)商，更是在選擇合作伙伴, 反之亦然。

而追趕在行業(yè)風(fēng)口的AI芯片設(shè)計(jì)就如同登山，目之所及有限，殊不知前路風(fēng)景，在披荊斬棘過(guò)程中，如果能匹配到合適的芯片設(shè)計(jì)服務(wù)團(tuán)隊(duì)，就如同英雄降魔路上有了寶刀利器，可以更快走向最終勝利。

從上世紀(jì)80年代后期至今，芯片產(chǎn)業(yè)鏈中已經(jīng)涌現(xiàn)了一批芯片設(shè)計(jì)服務(wù)廠商，如何在眾多設(shè)計(jì)服務(wù)團(tuán)隊(duì)中尋找最合適自己的，或許成為了AI初創(chuàng)企業(yè)所需面對(duì)的新難題。

對(duì)于眾多處于初創(chuàng)階段的AI芯片企業(yè)來(lái)說(shuō)，有了芯片設(shè)計(jì)服務(wù)商的助力，就可以把寶貴的人力財(cái)力更加專注于市場(chǎng)，產(chǎn)品定義以及系統(tǒng)級(jí)支撐， 把芯片實(shí)現(xiàn)的專業(yè)要求交給專業(yè)團(tuán)隊(duì)實(shí)現(xiàn)。不過(guò)需要注意的是，在選擇芯片設(shè)計(jì)服務(wù)商時(shí)，要明白自己的所需、所想，選擇與自己最適合、最匹配的，方可事半功倍。

寫在最后

隨著人工智能場(chǎng)景在金融、制造、電信、醫(yī)療、交通等行業(yè)應(yīng)用不斷深化，其發(fā)展也呈現(xiàn)出應(yīng)用場(chǎng)景多元化的特征。愈發(fā)多元的應(yīng)用場(chǎng)景，以及逐漸成熟的技術(shù)，讓AI芯片市場(chǎng)競(jìng)爭(zhēng)越來(lái)越激烈。

“工欲善其事，必先利其器。”

想要成為這個(gè)競(jìng)爭(zhēng)激烈的行業(yè)內(nèi)的捷足先登者，或許學(xué)會(huì)運(yùn)用各類工具和設(shè)計(jì)資源，不失為一種正確的打開方式。

審核編輯 ：李倩