​Imagination和Cadence推动前沿技术在更多应用场景的落地

如今，构建复杂的芯片和系统需要一些底层支撑。Imagination 和 Cadence 是芯片生态系统的重要组成部分，它们构建了许多技术，使消费者的生活更加高效、舒适和安全。 在我的职业生涯中，当我们都更专注于硬件辅助验证时，我遇到了 Imagination 验证平台副总裁Colin McKellar。

在 Colin 的领导下，Imagination 一直在最先进的EDA技术的应用的最前沿，仿真和原型设计的组合使用证明了这一点，当然，这已经成为主流。

放眼全球，Imagination 和 Cadence 通过专注于细分行业和技术被行业所熟知。我和我的团队致力于垂直领域的解决方案：消费类、超大规模计算、移动、网络、汽车、航空航天/国防、工业和健康，以及 AI/ML、数字孪生、安全、3D-IC 和低功耗等技术点。

我们在汽车、移动/消费者以及数据中心和台式机计算方面与 Imagination 保持同一步调。Imagination 侧重跨垂直领域的 AI/ML、CPU 和图形产品。

当然，作为 IP 供应商，主流性能与高端性能等问题在移动和消费市场中相当重要。我最近参加了在纽伦堡举行的嵌入式世界 2022 大会，Imagination 和 Cadence 都是参展商，Imagination 展台展示了汽车、图形和 AI 三个关键主题。

数据中心、超大规模计算和超连接

超大规模计算时代如此热衷于EDA 和 IP，因为计算需求的多样性——图形、加速和专业 AI/ML 增强了“传统”计算。鉴于数据中心内以及进出计算区域的数据迁移受到重大影响，连接性至关重要。Cadence 为这些极其复杂的芯片提供了用于大容量实现和验证的工具，Imagination 则从图形、连接性和用于 AI/ML 计算的优化处理器三个角度解决了这一问题。

在图形方面需要满足的要求包括虚拟化、安全性和基于云游戏的可靠 API 等方面。当然，低功耗是关键，Imagination 在这方面一直很强。以太网是值得信赖的首选连接协议，Imagination 拥有强大的以太网包处理器产品。Imagination 致力于 AI/ML 和具有特定 GPU 和 RISC-V 的通用计算，在这些领域具有领先优势，尤其是在异构 GPU/CPU 计算方面。

在与 Imagination 等公司的讨论中，我总是很好奇特定垂直行业的需求是如何影响对我们所提供工具的要求。对于超大规模计算用户，最佳性能/功耗比与安全性相结合至关重要。Colin 在组合中添加了“每平方英尺收益”的观点，即利用率和所需能源。

至于工作负载利用率，在以硬件为中心的EDA行业，通常只关注仿真和基于 FPGA 的虚拟原型，而Imagination 在虚拟化方面的出色推动给我留下了深刻印象。从数据中心实现最佳工作负载的需求跨越硬件和软件，算力虚拟化至关重要。考虑如何通过虚拟化计算处理用户的负载平衡，并结合反映一天中平衡如何变化的分布信息。当我们其他人决定睡觉时，Z和 Alpha可能开始消耗本地计算周期。借助虚拟化，可以平衡其他并行工作负载。该行业需要在系统级别应对这些挑战，其中硬件和软件是共同优化的。

对于低功耗，我们长期以来一直在合作推动低功耗设计流程的极限，这是 Cadence 正在推动的技术极限之一。我记得我们讨论过动态功耗分析，当 .lib 文件中的实际工艺信息可以成为等式的一部分时，它使用仿真生成的行为数据来驱动寄存器传输和门级的低级实现分析 (DPA)。像 DPA 这样的流程越来越多地被主流采用，而像我们这样的协作推动了开发底层工具的需求。趋势类似于向系统级移动时的利用率，这从低功耗扩展的趋势远远超出芯片热分析和电磁分析方面。 说到“超越硅”，我们的讨论现在转向特定领域、工作负载优化的设计。Hennessy 和 Patterson 教授将这一趋势称为半导体的“黄金时代”。

在这种情况下考虑 3D-IC 技术时，对于像 Imagination 这样的 IP 供应商，客户讨论包括基于小芯片的设计方面。您是否将 IP 作为小芯片交付？需要为芯片到芯片的互连提供哪些接口？在将经典 SoC 分解为封装组装时，如何处理诸如“已知良好芯片”之类的因素，因为来自良率失败的概率乘积是一个关键问题？我们同意异构整合领域是一个传统的“需要底部支撑”的情况，没有一个玩家可以独自处理这一切。它需要一个强大的工具和 IP 供应商生态系统，以及组装和技术供应商。新的合作联盟成为必须。

边缘——平衡消费设备和数据中心之间的计算

增加数据中心的工作负载和平衡计算还有更多工作要做。当移动游戏用户上线时，数据中心不需要非常强大的 GPU。一个 GPU 有时可以并行服务多达 8 个用户，从而优化基础架构，以更有效地用单个GPU同时为 8 人提供服务，同时不会将成本扩大 8 倍。同样，虚拟化在这里至关重要。计算的平衡正在适应需求。

有时，作为终端设备的手机有效地充当屏幕，在 5G 基站内作为边缘技术与用户帐户相关联的第二层。Colin 列举了一些增长示例，尤其是在亚洲，需要特别考虑以实现最佳用户体验，其中可能包括在正确的时间提供适当的广告，需要不同的延迟。行业根据场景，根据体验规模优化消费者变现。 Imagination和Cadence的协作以IP 和工具为重点，在设计链中处于相对上游的位置。

我们比较了从客户那里听到的一些需求，客户最终决定在设备上、远、中、近边缘以及最终在数据中心完成哪些计算部分。需求从系统公司和芯片架构师那里反馈给我们，并在 IP 模块和工具中实现。 不同地区的消费者也提出了不同的要求。在线率最高的地区（尤其是亚洲），大部分任务都是通过手机执行的。不同地区的增长率平衡一直在发生变化，并且可能在未来几年内进一步发生变化。

汽车——车轮上的数据中心

对于Cadence 和 Imagination 来说汽车都是关键领域。它根据 ISO 26262 对工具“安全使用”提出了精确需求，并推动了用工具来验证芯片和系统功能安全性的需求。去年，Cadence 推出了一个全面的新安全规划和验证解决方案，解决了数字和模拟/混合信号方面的问题。

Imagination 从图形进入汽车市场，在信息娱乐领域占有重要的市场份额。他们已经转向驾驶舱中的人机界面（HMI），以取代窗口控制按钮。

自动驾驶是下一个将 CPU 和 GPU 紧密结合的使用场景。Imagination 传统上对安全和安保的高度关注有助于该领域的发展，以及组合了以太网包处理器IP的产品方案来支持汽车扩展。OEM 信任供应商的安全和保障，而不是像 ADAS 那样驱动他们的定制组件。Imagination 在汽车行业已有超过 15 年的经验积累。HMI 领域是非常合适的下一步，可以将安全性提升到信息娱乐之外的下一个级别。

在每小时 200 公里的速度下，人们需要能够信任所有显示屏，并且在正确的时间触发唤醒和安全机制的硬件/软件堆栈，这需要安全可靠——或者正如 Colin 所说的——“非常纯粹。" 看这个高性能计算架构的通用框图，很明显，客户会从不同的地方选择 IP。这是一个与“指环王”相反的情况。不可能只有一个 IP 供应商提供一切，因此在生态系统参与者竞争的时代，IP 的不同组合将会演变。

尽管如此，对于像我们这样的公司来说，仍有足够的互补领域可以进行良好的合作。


 


我们讨论了汽车行业设计链的变化，这些变化使 IP 和工具供应商更受欢迎。简而言之，随着 OEM 扮演更重要的角色并推动其独特的定制芯片的开发，新的 OEM 率先进入市场，从而产生了新的客户。反过来，在数字和模拟混合信号领域的开发过程中，安全要求至关重要，也是 Imagination 和 Cadence 持续了一段时间合作的主题。

此外，前端的安全分析必须连接到实现，以指导哪些方面需要冗余。整体设计流程变得更加集成。实现信息流回到前端进行分析，行业正在朝着将需求自动升级到数字化的方向发展。

设计链中的另一个挑战是参与者的互动。IP 模型的可用性始终至关重要的。尽管如此，在集成 SoC 时，如上所述，早期的软件开发依赖于不同供应商提供的虚拟协同工作。SystemC TLM 2.0 已成为遵守的标准，模型已成为任何 IP 产品的预期部分。

模型保真度和性能的平衡比以往任何时候都更加关键，因此用户期望模型用于虚拟原型设计和较低的准确性，但也需要用于基于硬件的原型设计和仿真模型。

Colin 为软件开发人员提供了一些有趣的例子，他们迫不及待地等待芯片实现。像 Imagination 这样的 IP 供应商需要考虑客户的需求，他们拥有许多软件开发人员，他们使用虚拟原型，在软件决策、架构分析和软件启动方面具有适当的保真度/性能平衡。并非所有事情都可以通过基于硬件的仿真来完成。

在 RTL 之前做好这件事可以为客户节省大量的项目时间，满足数百名开发人员的需求。对于成熟的 IP模 块，客户认为 RTL 是“神圣的”。尽管如此，另一个重要的考虑因素是在开发环境之间切换的能力，并且在六个月前提供一个代表性模型肯定会让切换变得值得。无论底层执行引擎和保真度如何，业界都在迅速寻找统一软件调试等体验的方法。

除了上述 SoC 框图的复杂性话题，我们想要讨论的另一个主题是互连，片上、片外和芯片之间。业界围绕芯片到芯片的接口，以及需要考虑数据访问的缓存一致性等方面的复杂片上互连，有了很多讨论。对于像 Imagination 这样的 IP 供应商来说，一定程度的中立性在这里至关重要。IP 接口与 AXI 等标准接口兼容。

例如，对于如何连接到 HBM 存储器的复杂方案，与最终客户的密切合作会快速产生合适的解决方案。 最后，汽车设计链的变化也增加了对工程人才的需求——这是最近在嵌入式2022 大会上看到的一个关键主题。一个关键的解决方案是使用 AI/ML 提高 EDA 的生产力。用于数字实现的 Cadence Cerebrus技术在这里提供了可喜的成果。





审核编辑：刘清