账号:
密码:
CTIMES / 文章 /   
新型态竞争风云起 EDA启动AI晶片新战场
晶片开发加速成长

【作者: 王岫晨】2020年06月05日 星期五

浏览人次:【3085】
  

AI将引导全世界走向工业革命以来,最大幅度的社会经济革新。


相关厂商必须快速将运算晶片上市,来处理AI架构的全新挑战。


这样的需求正驱使EDA工具日新月异,便於开发更高等级的方案。


随着AI技术的逐渐扩大应用,复杂性也不断增加,人们越来越清楚地知道,AI及其许多工具(例如深度学习、机器学习等)都将再一次引导全世界走向工业革命以来,最大幅度的社会经济革新。


尽管AI的使用,在道德层面上仍然存在着许多的争议,但不可否认的是,尽管目前仍只是处於AI发展的初期,然而AI已被大量部署於许多不同的领域,用於改善并实现机器的自动化。从数据的收集、通讯、机械人技术、工厂自动化、汽车设计到IC设计产业,都可以见到AI的踪影。特别是在IC设计的EDA领域,AI的应用案例更是不胜枚举。


AI迈入自主系统时代

根据Mentor Graphics(明导国际)所发表的白皮书指出,正由於得益於最新的技术进展,AI现已进入自主系统的时代,让人们可以拥有强大的能力,来处理运算密集的复杂任务。AI系统既便利又强大,可以用来解决全球面临的各种重大挑战。


AI系统包括三部分,超大资料集、资料处理演算法,以及用来处理资料的运算硬体。一般来说,AI系统必须要能够快速地处理大量资料,才能实际发挥作用,而这就需要使用快速的运算能力。AI对於运算能力的需求,也催生了AI晶片(或者AI加速器)这个快速成长且充满竞争的新市场。要在这个市场上领先群雄,就必须快速将晶片上市,并且透过设计与测试的解决方案,来处理AI晶片架构的全新挑战。


提高AI运算效能

从Mentor Graphics的研究资料中可以发现,AI竞赛的展开,使得AI运算的需求大增,每3.5个月便增加一倍,自2012年起至今,已经增加了300,000倍。接着来看这三家处理器厂商的案例,他们各自采用了不同的硬体技术,来满足AI运算市场的成长需求。Graphcore与Mythic这两家新创公司是以ASIC晶片的方式提供AI运算能力,其ASIC架构是以创新的大规模平行架构为基础,能够大幅提升AI系统的资料处理能力。至於Intel、AMD与Nvidia等处理器大厂,则是持续开发并最隹化现有的处理器架构,包括GPU、CPU以及FPGA等,使其能满足AI系统的运算需求。



图一 :  AI晶片的应用案例。(source: Graphcore、Bitmain及Mythic提供)
图一 : AI晶片的应用案例。(source: Graphcore、Bitmain及Mythic提供)

事实上,AI市场可以说相当活跃,目前已有超过50家新创公司以及25家传统半导体大厂,都争相抢食AI市场的市占率。由於AI相关厂商的快速成长,使得市场竞争也日趋激烈。对这些厂商来说,产品的上市时间相当重要,因此设计流程中的每一个细节,包含IC测试与晶片调校等过程,都必须把『尽快将品质最好的晶片送到客户手中』当作策略目标。


更快的AI晶片设计工具

大多数AI开发都是从数学演算法开始的。开发人员在数学工具中创建演算法,并将其转换为C语言,然後在处理器上运行该演算法。在这样的过程中,工程人员会发现演算法的某些部分能以最隹方式运行,至於其他部分则运行速度较慢。



图二 : Tessent阶层式DFT让完整的DFT sign-Off能在设计阶层架构的不同层级进行。(source: Mentor Graphics)
图二 : Tessent阶层式DFT让完整的DFT sign-Off能在设计阶层架构的不同层级进行。(source: Mentor Graphics)

因此,这样的发现使得AI加速器的IP和晶片开发上出现了巨大的成长。工程人员可以强制某些演算法透过C语言的调整,使其在现有的ASSP架构上运行,但可能会降低性能和功耗。至於某些演算法则需要特别的逻辑性才能进行最隹运算,例如在行动设备上的ML演算。


AI晶片虽然可能有不同的架构,但通常有几个关键的设计特性是共用的。通常AI晶片架构与测试要求对DFT实作策略会产生影响。无论使用的架构为何,AI晶片通常都具有以下的设计特性:


·闸极数量达数十亿的大型设计。


·大量经过复制的处理核心。


·分散的记忆体。


为特定应用程序开发正确的AI架构,这样的需求也正驱使着EDA工具日新月异,让相关厂商能够开发更高等级的解决方案,现阶段许多厂商都正尝试开发用於AI的SoC,使得EDA厂商的相关业务也都出现了成长。


Mentor Graphics开发的Catapult HLS平台,让AI架构师可以将开发完成的数学演算法转换成为C或SystemC等语言,并预先了解如何透过软体与硬体来达到AI演算的最隹结果,并将这些AI架构更完美地应用到即时的AI装置上。


利用AI晶片的规则度

AI系统必须快速处理大量资料,这就需要使用快速的运算能力。这也催生了AI晶片这个快速成长且充满竞争的新市场。

AI晶片通常具有大量相同的核心,利用AI晶片的规则度进行可测试性设计(DFT),代表DFT作业(包含测试??入、测试向量产生以及验证等)只会在核心层级完成一次。然後经过sign-off的完整核心会自动进行复制,以完成晶片层级的DFT实作。Mentor Graphics表示,Tessent阶层式DFT是相当理想的解决方案,除了能利用AI晶片的规则度,并允许在不同的层级对区块进行完整的DFT sign-off。


对於AI晶片来说,以最快的速度将晶片推出市面是首要目标。要满足这项要求,DFT解决方案必须能够支援三项关键功能:


·利用AI晶片的规则度


·在RTL中进行DFT??入


·消除DFT到测试的叠代


Tessent的RTL(register-transfer level)型阶层式DFT与Tessent SiliconInsight方案,能够缩减DFT与晶片调教所需的时间。Tessent的RTL型阶层式DFT,可利用AI晶片的规则度,完成核心层级的DFT sign-off,以及IJTAG的核心复制与整合。RTL型阶层式DFT支援DFT的??入与验证,以及RTL层级的可测试性分析,进而加速设计开发周期。使用这项解决方案,使用者的测试向量产生速度能提高10倍,向量缩减量能达到2倍,系统记忆体使用量则能够减少10倍。


结语

既然AI的宝箱已经被开启,我们所需要的就是用正面与积极的态度来拥抱它。毫无疑问的,在2020年,AI晶片与系统的设计与部署,也将会随着EDA工具的成熟与完备,而继续成长茁壮。


相关文章
智慧制造的「四大要件」
藉由惯性感测器和机器学习评估老年人跌倒风险
以科技力量提升效率 巡检工作走向智慧化
促进工作负载整合
理解人工智慧:训练
comments powered by Disqus
相关讨论
  相关新品
CWFA205: WiFi+BT
原厂/品牌:鉅景
供应商:鉅景
產品類別:RF
GPS SiP Module
原厂/品牌:鉅景
供应商:鉅景
產品類別:RF
CGPA10x: GPS SiP
原厂/品牌:鉅景
供应商:鉅景
產品類別:RF
  相关新闻
» 慧荣科技:PCIe Gen4将SSD效能推升到全新层次
» 盛群针对智慧生活与居家安全防护 推出新款MCU产品
» 台达一站式储能技术 协助台湾迈向绿能
» 2020 IEEE亚洲固态电路研讨会台湾区获选论文抢先发表
» 洛克威尔自动化协助企业解读数据分析 加速自主延伸运用
  相关产品
» 英特尔将神经形态研究系统扩展至1亿个神经元
» ST:功能安全将是工业4.0的重中之重
» 伺服器48V新标准正热 Vicor三相RFM满足机架电源新挑战
» 瑞萨电子推出单一封装的简化型数位电源模组系列产品
» 智原推出新款最小面积的USB 2.0 OTG PHY IP

AD


刊登廣告 新聞信箱 读者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2020 远播信息股份有限公司版权所有 Powered by O3
地址:台北市中山北路三段29号11楼 / 电话 (02)2585-5526 / E-Mail: webmaster@ctimes.com.tw