如今，構建復雜的芯片和系統需要一些底層支撐。Imagination 和 Cadence 是芯片生態系統的重要組成部分，它們構建了許多技術，使消費者的生活更加高效、舒適和安全。 在我的職業生涯中，當我們都更專注于硬件輔助驗證時，我遇到了 Imagination 驗證平臺副總裁Colin McKellar。

在 Colin 的領導下，Imagination 一直在最先進的EDA技術的應用的最前沿，仿真和原型設計的組合使用證明了這一點，當然，這已經成為主流。

放眼全球，Imagination 和 Cadence 通過專注于細分行業和技術被行業所熟知。我和我的團隊致力于垂直領域的解決方案：消費類、超大規模計算、移動、網絡、汽車、航空航天/國防、工業和健康，以及 AI/ML、數字孿生、安全、3D-IC 和低功耗等技術點。

我們在汽車、移動/消費者以及數據中心和臺式機計算方面與 Imagination 保持同一步調。Imagination 側重跨垂直領域的 AI/ML、CPU 和圖形產品。

當然，作為 IP 供應商，主流性能與高端性能等問題在移動和消費市場中相當重要。我最近參加了在紐倫堡舉行的嵌入式世界 2022 大會，Imagination 和 Cadence 都是參展商，Imagination 展臺展示了汽車、圖形和 AI 三個關鍵主題。

數據中心、超大規模計算和超連接

超大規模計算時代如此熱衷于EDA 和 IP，因為計算需求的多樣性——圖形、加速和專業 AI/ML 增強了“傳統”計算。鑒于數據中心內以及進出計算區域的數據遷移受到重大影響，連接性至關重要。Cadence 為這些極其復雜的芯片提供了用于大容量實現和驗證的工具，Imagination 則從圖形、連接性和用于 AI/ML 計算的優化處理器三個角度解決了這一問題。

在圖形方面需要滿足的要求包括虛擬化、安全性和基于云游戲的可靠 API 等方面。當然，低功耗是關鍵，Imagination 在這方面一直很強。以太網是值得信賴的首選連接協議，Imagination 擁有強大的以太網包處理器產品。Imagination 致力于 AI/ML 和具有特定 GPU 和 RISC-V 的通用計算，在這些領域具有領先優勢，尤其是在異構 GPU/CPU 計算方面。

在與 Imagination 等公司的討論中，我總是很好奇特定垂直行業的需求是如何影響對我們所提供工具的要求。對于超大規模計算用戶，最佳性能/功耗比與安全性相結合至關重要。Colin 在組合中添加了“每平方英尺收益”的觀點，即利用率和所需能源。

至于工作負載利用率，在以硬件為中心的EDA行業，通常只關注仿真和基于 FPGA 的虛擬原型，而Imagination 在虛擬化方面的出色推動給我留下了深刻印象。從數據中心實現最佳工作負載的需求跨越硬件和軟件，算力虛擬化至關重要。考慮如何通過虛擬化計算處理用戶的負載平衡，并結合反映一天中平衡如何變化的分布信息。當我們其他人決定睡覺時，Z和 Alpha可能開始消耗本地計算周期。借助虛擬化，可以平衡其他并行工作負載。該行業需要在系統級別應對這些挑戰，其中硬件和軟件是共同優化的。

對于低功耗，我們長期以來一直在合作推動低功耗設計流程的極限，這是 Cadence 正在推動的技術極限之一。我記得我們討論過動態功耗分析，當 .lib 文件中的實際工藝信息可以成為等式的一部分時，它使用仿真生成的行為數據來驅動寄存器傳輸和門級的低級實現分析 (DPA)。像 DPA 這樣的流程越來越多地被主流采用，而像我們這樣的協作推動了開發底層工具的需求。趨勢類似于向系統級移動時的利用率，這從低功耗擴展的趨勢遠遠超出芯片熱分析和電磁分析方面。 說到“超越硅”，我們的討論現在轉向特定領域、工作負載優化的設計。Hennessy 和 Patterson 教授將這一趨勢稱為半導體的“黃金時代”。

在這種情況下考慮 3D-IC 技術時，對于像 Imagination 這樣的 IP 供應商，客戶討論包括基于小芯片的設計方面。您是否將 IP 作為小芯片交付？需要為芯片到芯片的互連提供哪些接口？在將經典 SoC 分解為封裝組裝時，如何處理諸如“已知良好芯片”之類的因素，因為來自良率失敗的概率乘積是一個關鍵問題？我們同意異構整合領域是一個傳統的“需要底部支撐”的情況，沒有一個玩家可以獨自處理這一切。它需要一個強大的工具和 IP 供應商生態系統，以及組裝和技術供應商。新的合作聯盟成為必須。

邊緣——平衡消費設備和數據中心之間的計算

增加數據中心的工作負載和平衡計算還有更多工作要做。當移動游戲用戶上線時，數據中心不需要非常強大的 GPU。一個 GPU 有時可以并行服務多達 8 個用戶，從而優化基礎架構，以更有效地用單個GPU同時為 8 人提供服務，同時不會將成本擴大 8 倍。同樣，虛擬化在這里至關重要。計算的平衡正在適應需求。

有時，作為終端設備的手機有效地充當屏幕，在 5G 基站內作為邊緣技術與用戶帳戶相關聯的第二層。Colin 列舉了一些增長示例，尤其是在亞洲，需要特別考慮以實現最佳用戶體驗，其中可能包括在正確的時間提供適當的廣告，需要不同的延遲。行業根據場景，根據體驗規模優化消費者變現。 Imagination和Cadence的協作以IP 和工具為重點，在設計鏈中處于相對上游的位置。

我們比較了從客戶那里聽到的一些需求，客戶最終決定在設備上、遠、中、近邊緣以及最終在數據中心完成哪些計算部分。需求從系統公司和芯片架構師那里反饋給我們，并在 IP 模塊和工具中實現。 不同地區的消費者也提出了不同的要求。在線率最高的地區（尤其是亞洲），大部分任務都是通過手機執行的。不同地區的增長率平衡一直在發生變化，并且可能在未來幾年內進一步發生變化。

汽車——車輪上的數據中心

對于Cadence 和 Imagination 來說汽車都是關鍵領域。它根據 ISO 26262 對工具“安全使用”提出了精確需求，并推動了用工具來驗證芯片和系統功能安全性的需求。去年，Cadence 推出了一個全面的新安全規劃和驗證解決方案，解決了數字和模擬/混合信號方面的問題。

Imagination 從圖形進入汽車市場，在信息娛樂領域占有重要的市場份額。他們已經轉向駕駛艙中的人機界面（HMI），以取代窗口控制按鈕。

自動駕駛是下一個將 CPU 和 GPU 緊密結合的使用場景。Imagination 傳統上對安全和安保的高度關注有助于該領域的發展，以及組合了以太網包處理器IP的產品方案來支持汽車擴展。OEM 信任供應商的安全和保障，而不是像 ADAS 那樣驅動他們的定制組件。Imagination 在汽車行業已有超過 15 年的經驗積累。HMI 領域是非常合適的下一步，可以將安全性提升到信息娛樂之外的下一個級別。

在每小時 200 公里的速度下，人們需要能夠信任所有顯示屏，并且在正確的時間觸發喚醒和安全機制的硬件/軟件堆棧，這需要安全可靠——或者正如 Colin 所說的——“非常純粹。" 看這個高性能計算架構的通用框圖，很明顯，客戶會從不同的地方選擇 IP。這是一個與“指環王”相反的情況。不可能只有一個 IP 供應商提供一切，因此在生態系統參與者競爭的時代，IP 的不同組合將會演變。

盡管如此，對于像我們這樣的公司來說，仍有足夠的互補領域可以進行良好的合作。


?


我們討論了汽車行業設計鏈的變化，這些變化使 IP 和工具供應商更受歡迎。簡而言之，隨著 OEM 扮演更重要的角色并推動其獨特的定制芯片的開發，新的 OEM 率先進入市場，從而產生了新的客戶。反過來，在數字和模擬混合信號領域的開發過程中，安全要求至關重要，也是 Imagination 和 Cadence 持續了一段時間合作的主題。

此外，前端的安全分析必須連接到實現，以指導哪些方面需要冗余。整體設計流程變得更加集成。實現信息流回到前端進行分析，行業正在朝著將需求自動升級到數字化的方向發展。

設計鏈中的另一個挑戰是參與者的互動。IP 模型的可用性始終至關重要的。盡管如此，在集成 SoC 時，如上所述，早期的軟件開發依賴于不同供應商提供的虛擬協同工作。SystemC TLM 2.0 已成為遵守的標準，模型已成為任何 IP 產品的預期部分。

模型保真度和性能的平衡比以往任何時候都更加關鍵，因此用戶期望模型用于虛擬原型設計和較低的準確性，但也需要用于基于硬件的原型設計和仿真模型。

Colin 為軟件開發人員提供了一些有趣的例子，他們迫不及待地等待芯片實現。像 Imagination 這樣的 IP 供應商需要考慮客戶的需求，他們擁有許多軟件開發人員，他們使用虛擬原型，在軟件決策、架構分析和軟件啟動方面具有適當的保真度/性能平衡。并非所有事情都可以通過基于硬件的仿真來完成。

在 RTL 之前做好這件事可以為客戶節省大量的項目時間，滿足數百名開發人員的需求。對于成熟的 IP模 塊，客戶認為 RTL 是“神圣的”。盡管如此，另一個重要的考慮因素是在開發環境之間切換的能力，并且在六個月前提供一個代表性模型肯定會讓切換變得值得。無論底層執行引擎和保真度如何，業界都在迅速尋找統一軟件調試等體驗的方法。

除了上述 SoC 框圖的復雜性話題，我們想要討論的另一個主題是互連，片上、片外和芯片之間。業界圍繞芯片到芯片的接口，以及需要考慮數據訪問的緩存一致性等方面的復雜片上互連，有了很多討論。對于像 Imagination 這樣的 IP 供應商來說，一定程度的中立性在這里至關重要。IP 接口與 AXI 等標準接口兼容。

例如，對于如何連接到 HBM 存儲器的復雜方案，與最終客戶的密切合作會快速產生合適的解決方案。 最后，汽車設計鏈的變化也增加了對工程人才的需求——這是最近在嵌入式2022 大會上看到的一個關鍵主題。一個關鍵的解決方案是使用 AI/ML 提高 EDA 的生產力。用于數字實現的 Cadence Cerebrus技術在這里提供了可喜的成果。





審核編輯：劉清