[原创] 用AI帮助芯片设计，Mentor有妙招
2019-09-11
14:00:13
来源: 半导体行业观察
“半导体行业在此之前经历了许多挫折，从2001年互联网泡沫破裂之后，很多人都对这个行业的未来发展产生了困惑，在市场崩盘之后，很多公司开始整合，我们这个行业在工艺开发、周期等等方面的研发也一度有所停滞和放缓。但是非常有幸，我们现在又看到了这个行业的转机。”Mentor IC EDA执行副总裁Joseph Sawicki在2019年8月28日举办的Mentor论坛上这样说道，足以见得半导体产业一路发展以来有多曲折。
Joseph Sawicki继续说道，这个转机是由人工智能以及机器学习相关的应用带来的，在这些技术的刺激之下，我们看到这个行业又重新充满了机遇。据麦肯锡的一份报告显示，人工智能正在打开半导体行业几十年来前所未有的机遇，因为人工智能可以应用于很多的垂直市场当中，比如说在移动领域，半导体行业就可以捕捉这个行业所创造的20%的价值。同时来自于PWC的研究报告同样指出，人工智能将会是我们另外一个10年的增长周期的非常强劲的发展催化剂。报告也指出，在这一轮机遇当中，能够最大程度的去利用人工智能所带来的种种可能、种种机遇的公司将会最受益。
Mentor IC EDA执行副总裁Joseph Sawicki
作为电子设计自动化的领导者，Mentor一直致力于提供完整的软件和硬件设计解决方案，让公司能够开发出更好的，更具成本效益的电子产品。当AI这股东风吹来，Mentor率先嗅到了机遇的味道，利用AI去提升工具的有效性和效率。
在Joseph Sawicki看来，AI最根本的还是依赖大数据，拥有足够的数据以后才可以有预测性，才可以非常可靠的去培训机器，让机器能够有效学习。对于收集到的大量数据，还要进行分析，然后采取行动。
在这样庞大的数据的冲击下，AI发展其实存在各种矛盾。一方面是巨大的数据量让很多人想不断强化数据中心的能力，所以很多公司现在正在开发人工智能相关的引擎，使用这个引擎对海量数据进行培训、训练。另一方面，有一些公司为自己树立的目标是把越来越多的处理能力推向云的边缘，这样可以释放数据中心发展的一些压力。
两个方向相互矛盾却也合理，在Joseph Sawicki的想法中，边缘计算方面的芯片似乎可以发展更快。他举了一个小型的风力发电厂的例子，一般可以应用人工智能对风厂或者是风机进行预防性维护。对海上风厂来说，它所面临的运营环境是非常严苛的，进行维护所牵涉到的成本非常高昂，因此边缘计算带来的优势就非常明显。通过在风厂就地进行一些预防性的分析，然后把这些分析结果再推送到数据中心，其中维护的成本能节省64%。Mentor在客户的需求中捕捉到机遇，通过开发特定应用相关的芯片，就更容易抓住人工智能这个市场发展所能够带来的潜在的价值。
再说到芯片设计方面，Joseph Sawicki提到，有很多的领域的特定应用需要最优化的芯片设计。因此，设计就起到至关重要的作用。AI能够带来什么？一般说来，在设计SoC的时候，SoC的设计都是由特定的规格所驱动的，比如核芯数和处理能力是多少等等，而现在在边缘计算的AI当中，芯片的设计往往是由特定的架构开发要求所界定的。因此现在的AI开发平台和以前的开发环境是完全不一样的。比如HLS（高阶综合）是个有20年历史的技术，之前采用的手段一直都非常有限，大多数用于Data Path（数据通路）的实施和执行。但这个技术来到AI时代就变得至关重要，它与整个AI平台执行、实施相关，自上而下。要在整个算法开发环境当中去设定整个系统的性能、大小、内存配置等等。据业界领导者英伟达发表的一篇文章指出，通过使用这个工具，可以把生产效率提高近两倍，验证成本下降80%。
与此同时，与AI相关的SoC所牵涉到的测试、验证和以前也有非常大的不同。传统意义上做SoC时，需要验证、对比它所要达到的规格以及它的功能，互联性是怎么样的。当然在AI时代这一切依然重要，但更重要的是对性能的验证、对功率的验证、对整个架构实施的验证。只有这些都达到了理想状态之后，才可以确保所设计的芯片针对它所面对的垂直市场是最优化的。为了达到这一点，Mentor在虚拟化的环境当中进行模拟，用芯片模拟真实环境运行，在真实运行环境当中进行验证。包括验证MLPerf等等，来验证具体的结果。以确保芯片最终可以满足客户的需要，为了最优化执行AI的算法，Mentor需要大幅度提高芯片的性能。
AI、机器学习在对半导体行业带来变化的同时也将为EDA行业带来变化。Joseph Sawicki进一步介绍道，首先是Calibre，它在物理验证方面是业界的领导者，它可以用于DFM（为制造而进行设计）的应用，设计师用这个软件就可以确定他们的设计可以最终被执行，被生产。同时晶圆工厂也可以使用这个软件帮助他们制造出最优化性能的芯片。形状识别功能就可以通过这些软件和相关的人工智能功能来进行验证。比如芯片上有很多不同的形状，通过这样一个功能识别、形状识别，就可以基于大数据去分析出一些趋势，然后再基于这个洞察去更好的处理那些没有被训练过的数据。
再来说到OPC技术，它可以应用于半导体生产，客户在它的设计当中可以很好地去控制产量。它非常复杂，在7nm基础之上，需要4000个CPU去运行一天才可以生产出1个Mask，如果使用机器学习算法，整个运行时间可以下降3-4倍之多，这样可以帮助客户节省很多成本。
还有“光刻友好”的设计技术，使用这个技术，就可以把良率的限制因素大大降低，基于机器学习可以大大降低真正生产的运行时间。这是一个基于影像的技术，它不仅可以识别出生产产品过程中有哪些缺陷，同时也可以预测这些缺陷，通过这样一个技术可以大大提升生产良率。
再说到用于测试结果诊断的一个案例。Joseph Sawicki认为一个产品或者是部件失效或者出故障对于Mentor来说是个机会。可以通过机器学习对整个设计、生产记录等方面进行详细分析，得出结果。如果运行结果显示整个生产过程会有5%的损失，那么在整个的生产环境当中，可以结合Deposition（淀积）工具解决这个问题，提升整个生产的质量和效率。
表征技术也非常重要，尤其是对于汽车行业这种对可靠性、安全性要求非常高的行业。传统一般使用蒙特卡罗的方法对整个可靠性、安全性进行分析，但从计算量的角度来说它牵涉到太多模拟，因此非常不实用。基于Mentor第二、三代的技术平台，再结合AI，就可以把表征的运行时间降低有100倍之多，像这样一个7Sigma的关键性分析，对于汽车行业是非常有价值的。
Mentor抓住AI机遇的同时也发展出了属于自己的独特道路，Joseph Sawicki总结道，如同Linux，现在每个人都在使用Linux，再过几年，每个人都会使用AI。因此最关键的点在于你使用的AI具体针对哪一个应用，因此到最后每个人使用的AI可能都是一样的，基于AI所开发的工具却各有不同。Mentor正是这样一家提供方法，工具去帮助客户将芯片真正实施生产出来的公司。
*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。
今天是《半导体行业观察》为您分享的第2064期内容，欢迎关注。
『
半导体第一垂直媒体
』
实时 专业 原创 深度
识别二维码
，回复下方关键词，阅读更多
AI｜台积电｜
华为
｜封测
｜晶圆｜
SIC
｜
存储
｜IC
回复
投稿
，看《如何成为“半导体行业观察”的一员 》
回复
搜索
，还能轻松找到其他你感兴趣的文章！
责任编辑：Sophie
