软件定义的硬件辅助验证如何助力AI芯片开发

行业挑战

半导体行业正处于关键转折点。2025 年，1927 亿美元的风险投资涌入 AI 领域，市场对匹配 AI 快速创新周期的验证平台的需求激增。随着 AI、Multi-Die 架构和边缘计算推动芯片创新的复杂度呈指数级增长，传统验证方法难以满足 AI 工作负载对 IP、子系统、芯粒以及 Multi-Die 验证的需求。

硬件辅助验证（HAV）对于确保功能、功耗和性能至关重要。设计团队必须通过投资具备前瞻性的验证系统来优化整体成本——既要满足超大规模 AI 芯片硬件仿真所需的可扩展性需求，又要实现验证硬件在仿真和原型验证场景中的复用。

虽然新型仿真与原型验证硬件对提升效率至关重要，但相关的工作负载应用软件如今更为关键。新硬件需支持在现有设备上实现持续扩展、提高吞吐量并拓展应用场景，从而加速产品上市进程。

正如“软件定义”的创新曾经改变了智能手机、汽车、数据中心以及物联网领域，我们如今已进入“软件定义硬件辅助验证（HAV）”的时代。

日益复杂的验证难题

为何这一转变如此重要？

为了更好地理解当今的验证挑战，下面的图 1 展示了软件、硬件、接口以及验证用例层面不断叠加的复杂度增长。

▲图1：日益复杂的验证难题

图片来源：新思科技、《人工智能与存储墙：2403.14123》、Baya Systems、Visual Capitalist

我们进一步深入分析：

AI 应用的核心在于软件程序（称为工作负载）和大语言模型（LLM）。工作负载的复杂度通常以代码行数来衡量。尽管软件应用愈发专业化，聚焦于特定任务，例如 AI 训练与推理，或文本、图像、视频的生成，但由于终端用户需求持续提升，软件需快速迭代以保持竞争力，其复杂度仍在不断增长。此外，我们正面临一波真正的 AI 大语言模型浪潮，从数据中心到边缘端，全方位满足生成式 AI 和推理需求，模型规模每四个月就会翻一番。

这也意味着，要在当今日益复杂且高度专业化的应用领域中保持竞争力，需要定制化硬件来满足功能、功耗和性能等要求。与此同时，硬件还必须具备足够的可扩展性，以支持应用的多样化，并在未来几年内保持前瞻性，以适配下一代 AI 算法。

以英伟达（NVIDIA）为例：

在发布 Blackwell 架构后，英伟达宣布 Rubin 人工智能平台和 Rubin Ultra 系列将分别于 2026 年和 2027 年推出。2025 年 9 月，专为大规模上下文推理应用设计的 Rubin CPX 架构亮相时，英伟达还同步披露了现有硬件产品在软件驱动下取得的重大性能提升——Blackwell 架构自发布以来性能提升 2 倍，Hopper 架构在生命周期内性能提升 4 倍，Dynamo 软件则实现了 6 倍的吞吐量提升。

对终端用户而言，这意味着系统级的显著优化：Llama 模型运行速度提升了 2-4 倍，首 token 延迟可降低至 1/6，token 输出速度提升 3 倍。

硬件和软件的复杂性不断增加，并且愈发专业化，而软件定义系统则确保在硬件生命周期内可以进行软件升级。为这些“软件定义系统”设计芯片的难点在于，摩尔定律已面临物理极限，而实现更大规模设计的核心路径是采用 Multi-Die 系统。单颗芯片的开发和验证类似于 SoC 的流程，但将不同的芯粒组合在一起又带来了独特挑战，并且由于“超越摩尔定律”的创新，硬件规模每 18 个月仍会翻倍。更复杂的是，芯粒供应商日益多元化，这要求生态系统各方在通信协议和验证方法学上协同一致。

因此，实现这些通信协议的接口 IP 快速迭代，已成为验证复杂度攀升的关键因素。为向 AI 算法提供更多数据以获取更智能的洞察或实现特定任务自主执行，通信协议以惊人速度演进，带宽每两年翻一番（如图 3 所示）。

▲图3：PCIe 与以太网的演进

此外，所有数据都必须以极快的速度进行存储和读取，以减少用户向 AI 机器人/代理发出请求到实际响应之间的延迟。存储架构的创新（如图 4 所示）在推动支持最新 AI 计算架构的能力方面发挥了关键作用。

▲图4：高带宽内存创新

最后，验证用例定义了验证范围，而由于必须对运行中的工作负载进行特性分析并优化最终产品，新的用例正以前所未有的速度不断涌现。

如今，软件复杂度的增长速度前所未有，推动了对 Multi-Die 系统扩展和接口 IP 协议创新的新需求；同时，为了在快速演进的 AI 领域保持竞争力，新一代芯片的推出速度不断加快。这迫使开发者采用“左移”策略，提前进行软硬件验证工作，以满足产品上市时间的紧迫要求并避免芯片重新设计的情况。

因此，验证的范围正在急剧扩大，以确保功能、功耗、性能、吞吐量、延迟、安全性、可靠性、可扩展性等关键指标都能满足产品要求。这也催生了新的验证用例需求，将大部分验证任务提前到硅前阶段完成。

硬件辅助验证新时代

随着软件、硬件和接口复杂性的不断增加，再加上硅前阶段用例的扩展，验证需求已飙升至千万亿级时钟周期。而且这些验证周期并非完全相同，例如 RTL 验证、软件验证和性能验证的要求各不相同。这意味着，就像在 AI 领域一样，我们既需要更专业的验证硬件以支持更大的容量需求，也需要验证硬件具备更高的灵活性和前瞻性，以应对不断增长和变化的验证需求。

正如软件驱动的更新不断提升数据中心和汽车的创新，我们如今已进入“软件定义的硬件辅助验证”时代，要求持续实现改进并保持灵活性。

作为全球技术创新的引领者，新思科技致力于通过持续重构工程设计赋能创新，并以未来为导向打造硬件辅助验证系统。我们的“软件定义硬件辅助验证”解决方案助力开发者在不同领域扩展验证能力，满足日益增长的硅前验证需求。

软件定义的硬件辅助验证正在重塑芯片和系统验证。新思科技愿与全球合作伙伴携手共进，通过持续软件创新，共创未来。