隨著人工智慧(AI)的廣泛應用,晶片系統的整合度也越來越高,設計越來越複雜。對於電子設計自動化(EDA),新的機遇和挑戰也隨之而來。根據全球EDA工具與半導體IP供應商Cadence觀察IC領域的各種趨勢,AI技術將會對設計產業帶來哪些變化?

在日前由ASPENCORE旗下中國版《電子工程專輯》、《電子技術設計》、《國際電子商情》三大媒體聯合舉辦的「2019年中國IC領袖峰會」上,Cadence中國區技術客戶總監馮江發表題為「人工智慧帶來的關鍵機遇」的主題演講,分享Cadence如何抓住AI時代的機遇。

AI晶片對電子設計產生哪些影響?

經過60年的研究,摩爾定律已走到3奈米、2奈米的研究,但馮江表示,摩爾定律的觀察或將到此停止。

摩爾定律的發展為我們提供了新的技術挑戰和動向,比如在面對5G時,為了滿足資料通訊、資訊處理等要求,需要做出很多客製化的SoC。同樣地,當下熱門的AI技術也對設計的方向產生了很大的影響。

20190402_Cadence_NT61P1

影響具體有哪些呢?馮江在「2019年中國IC領袖峰會」上表示,AI對電子設計的影響將存在於四個方面:

1、對運算能力支援的要求更高:邊緣運算這個概念出現很久,但是IC更講究的說法是運算能力。我們現在看到整個電子系統都是多核心多執行緒,電路複雜到甚至需要雲端數不清的運算能力來支援。因此,邊緣運算是一個必須要利用的條件。

2、用深度學習攻克設計的複雜度:當下IC設計的複雜度、應用的複雜度,以及製造和設計之間的相互關聯程度,對於定義的流程來講很難實現最最佳化。那麼當設計流程越來越複雜,以至於靠人力沒辦法考慮所有設計環節中複雜的關係時,我們或許需要導入深度學習的概念,來改變電子設計自動化的方法學。

3、需要更強大的頻寬滿足資料傳輸要求:當下熱門的自動化駕駛、邊緣運算、雲端運算等應用的核心就是AI和深度學習,而這些應用的背後都與資料息息相關。首先,各種各樣的場景產生了大量的資料,我們需要非常強大的運算資源來處理這些資料,而這些資料在傳輸時對頻寬的要求更高,而且需要低延遲。

4、資料儲存面臨挑戰:儲存已從磁片往flash方向發展,將來可能更多依賴於AI進行最佳化的場景出現。

20190402_Cadence_NT61P2

從資料具體的發展趨勢來看,從2018-2023年,如視訊、遊戲、物聯網(IoT)、AR/VR、醫療等不同應用領域,將有71%的複合年平均成長率(CAGR)。馮江表示,這些應用領域帶來了這麼大的資料增量,都需要進行處理,透過IC來解決這些問題。

哪些因素促進半導體產業的發展?

據馮江觀察,推動半導體產業發展主要有四個因素:

1、特定領域的運算;通用的CPU已無法完全滿足當下的運算需求,因此針對不同領域、不同應用,需要有特殊的元件來實現運算需求,如GPU、FPGA等。此外,除了硬體層面,我們還需要進一步考慮到整個系統,如從應用軟體、儲存、網路傳輸等層面來進行整體最佳化。

2、系統公司開始進入晶片領域;馮江表示,原來大家都是採購標準零組件,現在則無法滿足於此,透過對系統的深入瞭解,他們希望把訴求,甚至針對應用活動的能耗貫徹到晶片設計中,這是一個非常重要的方向,且投資量巨大。

3、創新公司的出現;過去幾年來,特別是AI領域,有越來越多的新創公司如雨後春筍般出現。

4、其他領域訴求增多;在美國市場中,汽車電子、航空航太、醫療、甚至國防領域,對半導體方面訴求越來越多,也投入了更多的資金和研究。馮江表示,中國市場的空間將最大。

除了以上四點因素外,馮江還表示,AI應該是成為今後半導體成長中最重要的助力,而且它的比例會逐漸增大。

AI為半導體領域帶來哪些機遇?

AI對整個全球半導體帶來很多的機遇,主要關注以下三方面:

1、運算層面;目前除了CPU之外,專門的運算還有FPGA、GPU,以及客製的SoC等。將來的發展方向可能在於AI技術在運算資源的運用,運算資源也需要一定的智慧化,用什麼樣的運算能力解決什麼場景等。而未來對運算力的要求更高後,則需要透過AI進一步最佳化。

2、儲存層面;儲存不僅市場大,獲得的投資額也巨大。將來AI技術將會更多地應用在這個領域中,以提高儲存系統利用。此外,馮江還提到高頻寬記憶體及晶片記憶體SRAM等都將進一步發展。

3、網路層面;未來的頻寬會更廣、速度更快,這都與AI有關,也有助於催生相應半導體的趨勢和方向。

如何因應AI帶來的機遇和挑戰?

半導體製程的演進,為EDA帶來了更多的挑戰,引起了設計方法學和流程的改變。EDA領域老牌企業Cadence如何面對這些變化及挑戰?

馮江表示,Cadence不僅只關注硬體,也有系統級的分析軟體。而在整個系統中所包含的主機板及封裝上,也提供了完整的PCB解決方案。

此外,Cadence還擁有完善的分析能力,可以跨界到封裝級、晶片級。馮江指出,這些分析不僅是電學分析,還要考慮到功耗、功耗帶來的熱、熱對電學性能等等的影響。總體來講,透過大規模的邊緣運算替代人腦,可望使其更有效、更高效地進行大規模運算。

20190402_Cadence_NT61P3