帳號:
密碼:
最新動態
產業快訊
CTIMES / 文章 /
新型態競爭風雲起 EDA啟動AI晶片新戰場
晶片開發加速成長

【作者: 王岫晨】   2020年06月05日 星期五

瀏覽人次:【6283】

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)
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)
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。


相關文章
高速數據傳輸方興未艾 NVMe打造現代化儲存新體驗
生成式AI與PC革新
顯微鏡解決方案助力台灣半導體研發技術力
機器學習可以幫助未來的癌症診斷
EDA的AI進化論
comments powered by Disqus
相關討論
  相關新聞
» Arm發佈車用技術及運算子系統路徑圖 加速AI車輛上市
» NetApp藉由智慧型資料基礎架構加速AI創新
» 亞東工業氣體司馬庫斯廠落成 強化在台半導體材料供應鏈韌性
» 友通加速投入AI IPC研發 擴大應用領域
» 意法半導體第二代STM32微處理器推動智慧邊緣發展 提升處理性能和工業韌性


刊登廣告 新聞信箱 讀者信箱 著作權聲明 隱私權聲明 本站介紹

Copyright ©1999-2024 遠播資訊股份有限公司版權所有 Powered by O3  v3.20.2048.54.226.222.183
地址:台北數位產業園區(digiBlock Taipei) 103台北市大同區承德路三段287-2號A棟204室
電話 (02)2585-5526 #0 轉接至總機 /  E-Mail: webmaster@ctimes.com.tw