如何帮助MediaTek等公司将芯片调试效率提高10倍？

验证开发者大约把三分之一的时间都用于提高验证覆盖率以发现缺陷的任务上。而随着芯片变得愈加庞大而复杂，这项任务也变得更加繁重。如果开发者处理的是Multi-Die设计，那么为确保芯片按预期功能运行，所需的时间和工作量将呈指数增长。因此，为了解决日益严峻的调试难题并提高验证流程的整体效率，新思科技利用创新和超融合技术，打造出了新一代Verdi调试和验证管理平台。

当前的主要挑战在于，许多调试解决方案，需要人为介入才能找出故障的根本原因。毫无疑问，自动化可以减轻这方面的负担，而如果自动化再由AI增强，那么效果将更加显著。事实上，AI正在帮助设计、验证和测试等，各个芯片开发阶段提高效率。此外，随着电子设计自动化流程中引入智能化，芯片设计质量明显提高。

调试过程需要细致耐心，结果可能难以预测，非常适合利用AI驱动实现提升。新思科技的新一代Verdi平台增加了AI驱动的调试功能和全面的验证管理功能，非常分布式团队开展协作。本文将介绍Verdi平台推出的新功能，如何帮助MediaTek等公司将调试效率提高10倍。

造成调试复杂性增加的因素有哪些？

为了满足AI、高性能计算和自动驾驶车辆等应用对性能的苛刻需求，如今的芯片从十亿门级SoC到领域专用架构和Multi-Die系统，规模不断扩大，复杂程度也不断增加。调试过程不仅受到芯片规模的影响，也受到功能和最终目标应用的影响。例如，小型设计可能包含数千个不同的并行高级传输，以仿真特定条件。在这类情形中，要想排查错误，需要检查并行事件，以找出存在问题的分支。在最终应用方面，需要从结构上定位要关注的信号。因此，调试解决方案应能够跨越设计的不同抽象层级（RTL级和门级等）正确理解功能，以便正确评估问题，在适当的情况下，还要提供硬件与软件交互的同步视图，从而打造更高效的调试体验。

考虑到要分析的信号量，运行成千上万次仿真和测试来验证设计也不足为奇。当然，此类情况会生成大量数据以供分析，通常涉及手动分类和排序过程，以确定问题是源于设计本身，还是源于测试平台。为能够运行此类仿真并生成所需的报告，许多开发者依赖团队内部开发的脚本，但这些脚本通常难以扩展或复用。

要找出故障的根本原因，还需要借助额外的手动操作：查看分类报告和日志文件中的故障消息以确定从哪里入手，检查波形并追溯电路，有时还要依赖团队中“bug杀手”的专业技能。遗憾的是，面对迫在眉睫的半导体开发人才短缺，加上如今的分布式团队模式，这些手动方法不仅难以扩展，而且对实现高效率也没有帮助。通过采用批处理模式lint检查等技术，开发者固然可以在开发伊始防止一些错误的发生，但从一开始就没有错误的设计几乎是不可能的，因此开发者只能寄希望于提高调试过程的效率。

更智能、更高效的调试方法

新一代Verdi平台重新设计的图形用户界面（GUI）、AI驱动的调试功能、验证管理功能和集成设计环境，是分布式团队的理想选择。该平台提供如下功能：

查看仿真运行结果，并提取关于哪些测试通过、哪些测试失败的信息。凭借分档技术和智能功能，该平台还能够识别错误是位于设计中，还是在测试平台中。

查看散热不同的代码更改并提供评估，因为错误通常由特定的测试用例触发，并一波一波的或周期性出现。这种决策树功能检查代码更改方式提供的见解，有助于发现错误关联性，并为分析错误根本原因铺平道路

在了解错误发生在哪里后，该平台能够进行回溯并通过分析电路，来识别造成异常行为的原因。通过检查错误发生的原因，Verdi平台能够帮助提高工作效率（特别是缩短找到错误所需的时间）和设计质量（通过提高错误检测准确性）。

新一代Verdi平台中包括新思科技Euclide集成开发环境，以及基于新思科技VCExecution Manager的验证回归管理系统。其中，前者可实时识别复杂设计与测试平台入口错误，而后者可管理设计验证过程中的规划和运行回归测试、数据收集、报告和跟踪。整个系统支持使用Verdi平台或网络浏览器，通过安全网络查看相关结果。动态生成且可扩展的决策树，支持构建与共享知识库，以促进提高调试效率。

总结

验证开发者都希望能够高效且快速地完成设计调试。自动化有助于解决调试过程中的一些痛点，从而节省时间与精力。通过将AI集成到自动化调试工具中，效率将得到进一步提升。新一代Verdi平台具有AI驱动的调试和验证管理功能，可帮助开发者提高错误检测和根本原因分析的效率与准确性。它再次展示了AI与EDA的结合如何帮助开发者实现芯片设计一次成功。

审核编辑：刘清