行業挑戰

半導體行業正處于關鍵轉折點。2025 年，1927 億美元的風險投資涌入 AI 領域，市場對匹配 AI 快速創新周期的驗證平臺的需求激增。隨著 AI、Multi-Die 架構和邊緣計算推動芯片創新的復雜度呈指數級增長，傳統驗證方法難以滿足 AI 工作負載對 IP、子系統、芯粒以及 Multi-Die 驗證的需求。

硬件輔助驗證（HAV）對于確保功能、功耗和性能至關重要。設計團隊必須通過投資具備前瞻性的驗證系統來優化整體成本——既要滿足超大規模 AI 芯片硬件仿真所需的可擴展性需求，又要實現驗證硬件在仿真和原型驗證場景中的復用。

雖然新型仿真與原型驗證硬件對提升效率至關重要，但相關的工作負載應用軟件如今更為關鍵。新硬件需支持在現有設備上實現持續擴展、提高吞吐量并拓展應用場景，從而加速產品上市進程。

正如“軟件定義”的創新曾經改變了智能手機、汽車、數據中心以及物聯網領域，我們如今已進入“軟件定義硬件輔助驗證（HAV）”的時代。

日益復雜的驗證難題

為何這一轉變如此重要？

為了更好地理解當今的驗證挑戰，下面的圖 1 展示了軟件、硬件、接口以及驗證用例層面不斷疊加的復雜度增長。

▲圖1：日益復雜的驗證難題

圖片來源：新思科技、《人工智能與存儲墻：2403.14123》、Baya Systems、Visual Capitalist

我們進一步深入分析：

AI 應用的核心在于軟件程序（稱為工作負載）和大語言模型（LLM）。工作負載的復雜度通常以代碼行數來衡量。盡管軟件應用愈發專業化，聚焦于特定任務，例如 AI 訓練與推理，或文本、圖像、視頻的生成，但由于終端用戶需求持續提升，軟件需快速迭代以保持競爭力，其復雜度仍在不斷增長。此外，我們正面臨一波真正的 AI 大語言模型浪潮，從數據中心到邊緣端，全方位滿足生成式 AI 和推理需求，模型規模每四個月就會翻一番。

這也意味著，要在當今日益復雜且高度專業化的應用領域中保持競爭力，需要定制化硬件來滿足功能、功耗和性能等要求。與此同時，硬件還必須具備足夠的可擴展性，以支持應用的多樣化，并在未來幾年內保持前瞻性，以適配下一代 AI 算法。

以英偉達（NVIDIA）為例：

在發布 Blackwell 架構后，英偉達宣布 Rubin 人工智能平臺和 Rubin Ultra 系列將分別于 2026 年和 2027 年推出。2025 年 9 月，專為大規模上下文推理應用設計的 Rubin CPX 架構亮相時，英偉達還同步披露了現有硬件產品在軟件驅動下取得的重大性能提升——Blackwell 架構自發布以來性能提升 2 倍，Hopper 架構在生命周期內性能提升 4 倍，Dynamo 軟件則實現了 6 倍的吞吐量提升。

對終端用戶而言，這意味著系統級的顯著優化：Llama 模型運行速度提升了 2-4 倍，首 token 延遲可降低至 1/6，token 輸出速度提升 3 倍。

硬件和軟件的復雜性不斷增加，并且愈發專業化，而軟件定義系統則確保在硬件生命周期內可以進行軟件升級。為這些“軟件定義系統”設計芯片的難點在于，摩爾定律已面臨物理極限，而實現更大規模設計的核心路徑是采用 Multi-Die 系統。單顆芯片的開發和驗證類似于 SoC 的流程，但將不同的芯粒組合在一起又帶來了獨特挑戰，并且由于“超越摩爾定律”的創新，硬件規模每 18 個月仍會翻倍。更復雜的是，芯粒供應商日益多元化，這要求生態系統各方在通信協議和驗證方法學上協同一致。

因此，實現這些通信協議的接口 IP 快速迭代，已成為驗證復雜度攀升的關鍵因素。為向 AI 算法提供更多數據以獲取更智能的洞察或實現特定任務自主執行，通信協議以驚人速度演進，帶寬每兩年翻一番（如圖 3 所示）。

▲圖3：PCIe 與以太網的演進

此外，所有數據都必須以極快的速度進行存儲和讀取，以減少用戶向 AI 機器人/代理發出請求到實際響應之間的延遲。存儲架構的創新（如圖 4 所示）在推動支持最新 AI 計算架構的能力方面發揮了關鍵作用。

▲圖4：高帶寬內存創新

最后，驗證用例定義了驗證范圍，而由于必須對運行中的工作負載進行特性分析并優化最終產品，新的用例正以前所未有的速度不斷涌現。

如今，軟件復雜度的增長速度前所未有，推動了對 Multi-Die 系統擴展和接口 IP 協議創新的新需求；同時，為了在快速演進的 AI 領域保持競爭力，新一代芯片的推出速度不斷加快。這迫使開發者采用“左移”策略，提前進行軟硬件驗證工作，以滿足產品上市時間的緊迫要求并避免芯片重新設計的情況。

因此，驗證的范圍正在急劇擴大，以確保功能、功耗、性能、吞吐量、延遲、安全性、可靠性、可擴展性等關鍵指標都能滿足產品要求。這也催生了新的驗證用例需求，將大部分驗證任務提前到硅前階段完成。

硬件輔助驗證新時代

隨著軟件、硬件和接口復雜性的不斷增加，再加上硅前階段用例的擴展，驗證需求已飆升至千萬億級時鐘周期。而且這些驗證周期并非完全相同，例如 RTL 驗證、軟件驗證和性能驗證的要求各不相同。這意味著，就像在 AI 領域一樣，我們既需要更專業的驗證硬件以支持更大的容量需求，也需要驗證硬件具備更高的靈活性和前瞻性，以應對不斷增長和變化的驗證需求。

正如軟件驅動的更新不斷提升數據中心和汽車的創新，我們如今已進入“軟件定義的硬件輔助驗證”時代，要求持續實現改進并保持靈活性。

作為全球技術創新的引領者，新思科技致力于通過持續重構工程設計賦能創新，并以未來為導向打造硬件輔助驗證系統。我們的“軟件定義硬件輔助驗證”解決方案助力開發者在不同領域擴展驗證能力，滿足日益增長的硅前驗證需求。

軟件定義的硬件輔助驗證正在重塑芯片和系統驗證。新思科技愿與全球合作伙伴攜手共進，通過持續軟件創新，共創未來。