AI將引導全世界走向工業革命以來，最大幅度的社會經濟革新。

相關廠商必須快速將運算晶片上市，來處理AI架構的全新挑戰。

這樣的需求正驅使EDA工具日新月異，便於開發更高等級的方案。

隨著AI技術的逐漸擴大應用，複雜性也不斷增加，人們越來越清楚地知道，AI及其許多工具（例如深度學習、機器學習等）都將再一次引導全世界走向工業革命以來，最大幅度的社會經濟革新。

儘管AI的使用，在道德層面上仍然存在著許多的爭議，但不可否認的是，儘管目前仍只是處於AI發展的初期，然而AI已被大量部署於許多不同的領域，用於改善並實現機器的自動化。從數據的收集、通訊、機械人技術、工廠自動化、汽車設計到IC設計產業，都可以見到AI的蹤影。特別是在IC設計的EDA領域，AI的應用案例更是不勝枚舉。

AI邁入自主系統時代

根據Mentor Graphics（明導國際）所發表的白皮書指出，正由於得益於最新的技術進展，AI現已進入自主系統的時代，讓人們可以擁有強大的能力，來處理運算密集的複雜任務。AI系統既便利又強大，可以用來解決全球面臨的各種重大挑戰。

AI系統包括三部分，超大資料集、資料處理演算法，以及用來處理資料的運算硬體。一般來說，AI系統必須要能夠快速地處理大量資料，才能實際發揮作用，而這就需要使用快速的運算能力。AI對於運算能力的需求，也催生了AI晶片（或者AI加速器）這個快速成長且充滿競爭的新市場。要在這個市場上領先群雄，就必須快速將晶片上市，並且透過設計與測試的解決方案，來處理AI晶片架構的全新挑戰。

提高AI運算效能

從Mentor Graphics的研究資料中可以發現，AI競賽的展開，使得AI運算的需求大增，每3.5個月便增加一倍，自2012年起至今，已經增加了300,000倍。接著來看這三家處理器廠商的案例，他們各自採用了不同的硬體技術，來滿足AI運算市場的成長需求。Graphcore與Mythic這兩家新創公司是以ASIC晶片的方式提供AI運算能力，其ASIC架構是以創新的大規模平行架構為基礎，能夠大幅提升AI系統的資料處理能力。至於Intel、AMD與Nvidia等處理器大廠，則是持續開發並最佳化現有的處理器架構，包括GPU、CPU以及FPGA等，使其能滿足AI系統的運算需求。

圖一 : AI晶片的應用案例。（source: Graphcore、Bitmain及Mythic提供）

事實上，AI市場可以說相當活躍，目前已有超過50家新創公司以及25家傳統半導體大廠，都爭相搶食AI市場的市佔率。由於AI相關廠商的快速成長，使得市場競爭也日趨激烈。對這些廠商來說，產品的上市時間相當重要，因此設計流程中的每一個細節，包含IC測試與晶片調校等過程，都必須把『盡快將品質最好的晶片送到客戶手中』當作策略目標。

更快的AI晶片設計工具

大多數AI開發都是從數學演算法開始的。開發人員在數學工具中創建演算法，並將其轉換為C語言，然後在處理器上運行該演算法。在這樣的過程中，工程人員會發現演算法的某些部分能以最佳方式運行，至於其他部分則運行速度較慢。

圖二 : Tessent階層式DFT讓完整的DFT sign-Off能在設計階層架構的不同層級進行。（source: Mentor Graphics）

因此，這樣的發現使得AI加速器的IP和晶片開發上出現了巨大的成長。工程人員可以強制某些演算法透過C語言的調整，使其在現有的ASSP架構上運行，但可能會降低性能和功耗。至於某些演算法則需要特別的邏輯性才能進行最佳運算，例如在行動設備上的ML演算。

AI晶片雖然可能有不同的架構，但通常有幾個關鍵的設計特性是共用的。通常AI晶片架構與測試要求對DFT實作策略會產生影響。無論使用的架構為何，AI晶片通常都具有以下的設計特性：

‧閘極數量達數十億的大型設計。

‧大量經過複製的處理核心。

‧分散的記憶體。

為特定應用程序開發正確的AI架構，這樣的需求也正驅使著EDA工具日新月異，讓相關廠商能夠開發更高等級的解決方案，現階段許多廠商都正嘗試開發用於AI的SoC，使得EDA廠商的相關業務也都出現了成長。

Mentor Graphics開發的Catapult HLS平台，讓AI架構師可以將開發完成的數學演算法轉換成為C或SystemC等語言，並預先瞭解如何透過軟體與硬體來達到AI演算的最佳結果，並將這些AI架構更完美地應用到即時的AI裝置上。

利用AI晶片的規則度

AI系統必須快速處理大量資料，這就需要使用快速的運算能力。這也催生了AI晶片這個快速成長且充滿競爭的新市場。

AI晶片通常具有大量相同的核心，利用AI晶片的規則度進行可測試性設計（DFT），代表DFT作業（包含測試插入、測試向量產生以及驗證等）只會在核心層級完成一次。然後經過sign-off的完整核心會自動進行複製，以完成晶片層級的DFT實作。Mentor Graphics表示，Tessent階層式DFT是相當理想的解決方案，除了能利用AI晶片的規則度，並允許在不同的層級對區塊進行完整的DFT sign-off。

對於AI晶片來說，以最快的速度將晶片推出市面是首要目標。要滿足這項要求，DFT解決方案必須能夠支援三項關鍵功能：

‧利用AI晶片的規則度

‧在RTL中進行DFT插入

‧消除DFT到測試的疊代

Tessent的RTL（register-transfer level）型階層式DFT與Tessent SiliconInsight方案，能夠縮減DFT與晶片調教所需的時間。Tessent的RTL型階層式DFT，可利用AI晶片的規則度，完成核心層級的DFT sign-off，以及IJTAG的核心複製與整合。RTL型階層式DFT支援DFT的插入與驗證，以及RTL層級的可測試性分析，進而加速設計開發週期。使用這項解決方案，使用者的測試向量產生速度能提高10倍，向量縮減量能達到2倍，系統記憶體使用量則能夠減少10倍。

結語

既然AI的寶箱已經被開啟，我們所需要的就是用正面與積極的態度來擁抱它。毫無疑問的，在2020年，AI晶片與系統的設計與部署，也將會隨著EDA工具的成熟與完備，而繼續成長茁壯。