最近兩年，電子產品設計周期呈現不斷縮短趨勢，以手機為例，傳統上9個月左右出一款新機型，但是現在中國手機品牌可以做到4個月出一款新機型，且這樣的新機型并非簡單的外觀、存儲容量升級，而是要增加新的創新功能，這對提供新功能的IC業者提出了嚴峻挑戰，他們不僅需要在內部改革產品設計流程，更在外部需要得到EDA廠商的支持，那么，EDA廠商又是如何幫到他們的呢？

“近幾年汽車行業面臨的挑戰越來越大，不僅要采用大量半導體器件，更要加快芯片開發，未來新車型的開發周期將縮短到2~3年，但傳統芯片開發周期都在2年，而且高端車型軟件代碼量高達1億行！該如何應對這個挑戰？”在近日珠海召開的ICCAD2018上，新思科技中國區副總經理王禮賓在主題演講中剖析了IC業者面臨的挑戰后指出，“人工智能技術將全面展開，目前人工智能芯片算力還很低，要大幅度提升人工處理芯片性能，就必須在人工智能芯片架構上做創新。”

此外，他指出其他行業也有高性能需求，例如，在仿真新藥分子結構的時候，超級計算機需要花數小時來測算其在一毫秒內的運動行為，速度可達Z級計算標準即每秒1021 次浮點運算，所以現在處理器還需要大幅度提升處理能力。

性能要提升，功耗要下降，設計周期還要縮短，這些以往看似不可能完成的任務現在要實現，如何突破挑戰？他表示要應對新的挑戰，必須注重計算架構及處理器設計的突破，加強軟硬件協同設計和優化，改變傳統的設計理念和方法，圖靈獎得主David A. Patterson曾表示現在是計算機系統結構的黃金時代，專為處理特定型計算問題而定制的革命性新硬件架構和新軟件問題正等待著我們的去開發。

實際上，新思科技已經推出能在供應鏈中輕松共享架構性能要求的虛擬原型關鍵技術。例如最近發布的Platform Architect?解決方案采用了任務圖生成器（TGG）技術，可自動從軟件應用程序中提取關鍵性能特征，從而支持架構探索，優化下一代多核系統級芯片（SoC）的性能和功率。

日本電裝公司基礎電子研發部門的項目經理Takashi Abe就表示：“為了應對日益增長的軟件內容，汽車電子系統中越來越多地使用多核架構。使用Platform Architect中的TGG功能，我們能夠捕獲現有軟件的關鍵特征，得出高度準確的下一代多核架構的性能。在早期的規劃階段中使用這種方法，我們就能夠確保系統規格滿足這些應用程序苛刻的性能要求。”

使用Platform Architect，半導體供應商就能根據系統客戶的軟件應用程序要求定義下一代SoC的架構規格。系統設計人員可以映射TGG生成的軟件工作負載模型，得到任務圖，以便處理SoC中的資源。這允許他們在開發周期之初就探索、分析和優化下一代多核SoC架構的性能和功率。因為任務圖是抽象的工作負載模型而不是真實的軟件，所以系統設計團隊能夠更輕易地按照可執行規格與半導體供應商共享這些內容，改善供應鏈中的合作。

王禮賓表示采用新思科技的虛擬原型軟硬件協同設計后，可將未來智能汽車5-7年設計開發周期壓縮到2-3年之內。

01

高屋建瓴，新思科技如何幫助本土IC企業加速設計

新思科技全球資深副總裁暨亞太總裁林榮堅表示中國現有1600多家IC公司中絕大多數是年營業額在1億以下的，這些企業應該思考自己的核心競爭力，然后確定合理的產品定位和市場。

新思科技1995年落戶中國，2004年協助大唐電信完成中國第一款SoC， 23年來我們一直幫助本土IC設計公司，現在設計業面臨新的挑戰，新思科技不但提供大量經過驗證的IP ，更從軟硬件協同、封裝、虛擬原型方面加速IC設計。

在本次ICCAD技術分論壇上，新思科技中國區技術應用總監關逸基以及新思科技華南區IP銷售總監鐘香建都從技術實現層面介紹了新思科技如何幫助本土AI與汽車電子IC企業加速設計。

關逸基表示谷歌阿法狗、阿法元的示例給EDA產業帶來很多啟發，“我們也在思考如何通過機器學習提升IC設計效率和降低成本，尤其是最近兩年，雖然摩爾定律放慢了，但是我們看到，客戶設計的晶體管數量卻還在依據這個定律增長，還有，我們看到臺積電的7nm芯片design rule比16nm增加了一倍，芯片復雜度提升很多，但設計周期卻在縮短，這就給設計師提出了很多挑戰，因此我們在想是否可以通過機器學習來提升設計效率。”他指出。“其實人類設計師就是不斷修正錯誤的過程中提升設計能力的，基于這個思路可以用機器學習設計。”

機器學習如何幫助IC設計？關逸基表示其實機器學習的本質是從大數據總抽取出屬于我們自己的數據，建立一個機器學習的算法，然后通過不斷的迭代來優化結果，這樣可以建立一個機器設計的模型。

他以新思科技靜態時序工具PrimeTime為例，解釋機器學習如何提升IC設計三大挑戰之一—時序分析挑戰，他表示PrimeTime不但有時序分析功能，它還有先進工程變更指令(Engineering Change Order，ECO)技術幫助降低芯片功耗。

采用機器學習之后，PrimeTime通過迭代來優化功耗指標。“我們會在設計中加入一些裕量，然后不斷通過篩選更好的設計優化結果，到時序收斂完成時可以裕量收回來，把功耗優化到最好。”

據他透露，經過這樣機器學習后的設計效率可以提升4.2倍！即便設計需求不同，但是平均下來，設計面積和功耗優化可以5到10倍平均提升。他認為機器學習已經成為解決高復雜度、高成本挑戰的強大技術，具有顛覆性的潛力。

目前，一顆復雜的SoC芯片往往包含很多IP，IP也成為制約IC設計的一個瓶頸，作為全球第一大芯片接口IP供應商，新思科技如何幫助AI和自動駕駛領域的本土企業呢？

在11月30日上午舉行的IP與IC設計分論壇上，新思科技華南區IP銷售總監鐘香建從IP的角度介紹了新思科技提供的人工智能相關IP技術解決方案。

他認為人工智技術未來應用呈現急速增長趨勢，2018年AI市場規模是18億美元，到2022年就暴漲到160億美元，到2021年，主流智能手機都具會有AI處理功能，到2022年數據中心50%的處理器使用AI功能，到2022年20% IoT設備中將具有AI功能，而目前AI的主要應用包括場景、數據中心、汽車電子、5G等等，這樣的前景自然吸引了大量IC設計公司進入，在AI SoC設計方面，他認為存在以下挑戰：

1、專用處理能力：異構架構、大規模并行計算，大量矩陣運算等等；

2、存儲性能：容量和帶寬限制、緩存一致性，減少數據搬移；

3、實時連接：-可靠可配置的實時連接能力、實時對接傳感器數據如圖像、音頻、云等等，包括跟云之間的及時性連接性等，此外對功耗還有要求。

他表示，針對這樣的挑戰，新思科技提供完整的DesignWare IP解決方案，涵蓋ARC處理器、DDR、USB、CCIX等基于不同工藝及協議的上百個IP，極大得滿足了AI芯片公司的各種需求。

他進一步解釋說新思科技提供的是完整IP解決方案，除了提供經過驗證的處理器和標準處理器IP外，針對AI的預處理和后處理，新思科技還提供集成的加速器，以及深度定制的模塊例如浮點乘法器，深度優化AI算法，根據客戶應用不同，客戶可以利用ASIC套件去開發相應的AI的加速器。

對于片內存儲需求以及大量存儲和并行運算，都有相應的支持，可以加速SoC 的主頻，此外還提供云端解決方案，所以新思科技提供整套AI解決方案。

他以汽車電子設計來說明新思科技如何提供對IC廠商的支持，他指出未來三年增長最大的是經過認證的汽車ADAS SoC，從汽車電子架構發展來看，第二代汽車電子架構產生變化，分成幾個域，例如車身、動力系統、娛樂系統等，這幾個域盡量要獨立，在通過車規認證的時候復雜度降低。隨著輔助駕駛的要求越來越高，第三代是我們現在處于的階段，對各個域之間的協同提出了新的要求，只有各個域之間的協同才能完成更復雜的功能，但同時也要盡量保持獨立，以確保車載的安全性。第四代也是我們未來的一代，為了滿足自動駕駛需求，整個車載系統將是一個融合的系統，第四代是將傳統的域融合在一起。

他認為車載電子IC最大的設計挑戰是車規認證，而新思科技可以提供經過硅驗證的安全認證的IP解決方案，這些IP都是完整的車規型解決方案，可以保證IP開發，幫助客戶快速拿到車規認證標準。

他表示新思科技ARC處理器，MIPI、DDRLPDDR等都經過了ACQ100的認證，此外一些模擬IP也獲得了車規認證。

他強調新思科技在保證車規認證情況下去完成IP開發。另外，交互界面也可以按照要求給客戶提供集成硬件以及失效模型的診斷。

林榮堅表示從這個半導體產業發展來看，IC設計的主導已經fabless公司轉移到系統公司，轉移到提供服務應用的公司上，未來很多系統公司或者提供服務的公司都將開始做IC芯片，而系統公司和服務公司做IC和fabless有完全不同的思路，未來純粹的fabless公司要成功會很困難，如果大力支持系統公司和服務型公司，則這樣公司成功的概率很大。

科技的發展就像是一場永無止境的變革，芯片和軟件正在驅動著變革， 新思科技將兩者結合，將人工智能嵌入芯片設計來推動產業鏈的融合與創新，與合作伙伴共同迎接全面智能化的時代。